Communitygithub.com

Varnan-Tech/opendirectory

Analiza paquetes npm para detectar crecimiento explosivo, enriquece perfiles de mantenedores y genera una lista clasificada de prospectos.

¿Qué es opendirectory?

Esta habilidad está diseñada para desarrolladores y agentes de IA que buscan identificar paquetes npm con potencial de crecimiento 'hockey-stick' y a sus mantenedores como posibles evangelistas o prospects. Toma una lista de nombres de paquetes npm (propios o de la competencia), obtiene 12 semanas de datos de descarga diaria de la API pública de npm y calcula una puntuación de velocidad de crecimiento para cada paquete. Luego, enriquece los perfiles de los mantenedores consultando el registro de npm y la API de GitHub para obtener datos como nombre de usuario en GitHub, Twitter y otra información de contacto. Finalmente, genera un informe clasificado para cada paquete en crecimiento explosivo, incluyendo quién lo construyó, cómo contactarlos y un mensaje de alcance personalizado. Las plataformas compatibles incluyen Claude Code, Cursor, Codex y cualquier agente que pueda ejecutar scripts de Python y comandos bash. La habilidad se activa con frases como 'find leads from npm packages' o 'track npm download trends'.

Compatible con✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Varnan-Tech/opendirectory/tree/main/skills/npm-downloads-to-leads

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

De Descargas npm a Prospectos

Toma una lista de paquetes npm. Obtén 12 semanas de datos de descarga. Calcula la velocidad de crecimiento. Enriquece perfiles de mantenedores. Genera un informe clasificado por paquete en crecimiento con señales de contacto y un mensaje de alcance.


Regla crítica: Cada cifra de descarga de paquete en el resultado debe provenir de la respuesta de la API de npm. Cada usuario de GitHub o nombre de usuario de Twitter del mantenedor debe provenir de la respuesta de la API de GitHub, no debe adivinarse a partir del nombre de usuario de npm. Si la API de GitHub no devolvió un campo twitter_username, escribe "no encontrado en GitHub", no inventes uno.


Errores Comunes

El agente querrá...Por qué está mal
Obtener perfiles de GitHub para cada paquete en la listaEl límite de velocidad es de 60 solicitudes/hora sin token. Enriquecer paquetes estables o en declive desperdicia el presupuesto antes de llegar a los que están creciendo. Solo obtén perfiles para paquetes en crecimiento explosivo y en observación.
Clasificar paquetes por descargas semanales brutasLas descargas brutas favorecen a React y lodash, que no son prospectos. Un paquete que pasa de 1K a 8K/semana es más procesable que React con 50M/semana. La puntuación de velocidad es la señal.
Omitir la codificación de URL para paquetes con ámbito@org/pkg sin codificar provoca un error 404 de la API de npm. Codifica @ como %40 y / como %2F para cada nombre de paquete con ámbito.
Detener la habilidad cuando se alcanza el límite de velocidad de GitHubDegrada con gracia. Presenta la tabla de clasificación de velocidad con datos de npm, omite los enriquecimientos restantes de GitHub y agrega una bandera a data_quality_flags. No abortes.
Escribir mensajes de alcance sin nombrar el paquete específicoLos mensajes genéricos como "Vi tu proyecto" quedan sin respuesta. Cada mensaje de alcance debe nombrar el paquete, sus cifras de crecimiento y una conexión específica con el contexto que el usuario proporcionó.
Incluir paquetes por debajo de 500 descargas semanales como prospectosPor debajo de 500/semana es ruido. El mantenedor aún no tiene una audiencia significativa. Marca como "demasiado temprano" pero no lo presentes como prospecto.

Paso 1: Verificación de Configuración

echo "GITHUB_TOKEN: ${GITHUB_TOKEN:-no configurado, se aplica límite de velocidad sin autenticación (60 solicitudes/hora, suficiente para ~10 paquetes)}"

Si GITHUB_TOKEN no está configurado: Continúa. Informa al usuario: "GITHUB_TOKEN no está configurado. El enriquecimiento de GitHub está limitado a ~10 paquetes antes de alcanzar el límite de velocidad. Agrega un token en github.com/settings/tokens (no se necesitan alcances)."

No hay claves requeridas. La API de npm y el registro de npm son completamente públicos y no requieren autenticación.


Paso 2: Recopilar Entrada

Recopila de la conversación:

  • Uno o más nombres de paquetes npm (sin ámbito como esbuild, o con ámbito como @hono/hono)
  • Opcional: una cadena corta de contexto del producto (se usa para personalizar los mensajes de alcance)

Si el usuario proporciona una URL de npmjs.com, extrae solo el nombre del paquete. Conserva el nombre completo con ámbito, incluidos @ y el prefijo de la organización: la codificación se maneja en el Paso 3.

Si no se proporcionan paquetes: Pregunta: "¿Qué paquetes npm te gustaría analizar? Proporciona los tuyos, los de la competencia o una combinación. Ejemplo: esbuild, @hono/hono, zod, valibot"

python3 << 'PYEOF'
import json, sys

packages_raw = "AQUÍ_LOS_PAQUETES"  # separados por comas o nuevas líneas
product_context = "AQUÍ_EL_CONTEXTO"  # opcional, puede ser una cadena vacía

packages = [p.strip() for p in packages_raw.replace("\n", ",").split(",") if p.strip()]
if not packages:
    print("ERROR: No se proporcionaron paquetes.")
    sys.exit(1)

print(f"Paquetes a analizar: {len(packages)}")
for p in packages:
    print(f"  {p}")

with open("/tmp/npl-input.json", "w") as f:
    json.dump({"packages": packages, "product_context": product_context}, f)
PYEOF

Paso 3: Obtener Datos de Descarga de 12 Semanas

Usa el script independiente si está disponible: maneja los Pasos 3, 4 y 5 en una sola llamada, por lo que no necesitas ejecutar los bloques de código en línea a continuación.

# Verifica si el script existe
ls scripts/fetch.py 2>/dev/null && echo "script disponible" || echo "script no encontrado"

Si el script está disponible, ejecútalo directamente y salta al Paso 6:

python3 scripts/fetch.py AQUÍ_LOS_PAQUETES --context "AQUÍ_EL_CONTEXTO" --output /tmp/npl-script-out.json

Luego carga la salida en el formato enriquecido que espera el Paso 6:

python3 << 'PYEOF'
import json

out = json.load(open("/tmp/npl-script-out.json"))
# La salida del script tiene un arreglo results: se divide en scored y enriched para los Pasos 6-8
enriched = [r for r in out["results"] if "profile" in r]
scored = out["results"]
json.dump(scored, open("/tmp/npl-scored.json", "w"), indent=2)
json.dump(enriched, open("/tmp/npl-enriched.json", "w"), indent=2)
json.dump({"packages": [r["package"] for r in scored], "product_context": out.get("product_context", "")},
          open("/tmp/npl-input.json", "w"), indent=2)
print(f"Cargados {len(scored)} paquetes | {out['breakout_count']} en crecimiento explosivo | {out['watching_count']} en observación")
PYEOF

Si el script no está disponible, ejecuta el código en línea a continuación.

Obtén datos de descarga diaria para cada paquete desde la API de Descargas de npm. Agrega en bloques semanales.

python3 << 'PYEOF'
import json, urllib.request, sys, time
from datetime import datetime, timedelta, timezone
from collections import defaultdict
import urllib.parse

data = json.load(open("/tmp/npl-input.json"))
packages = data["packages"]

end_date = datetime.now(tz=timezone.utc)
start_date = end_date - timedelta(weeks=13)  # semana extra como margen para semanas parciales
start_str = start_date.strftime("%Y-%m-%d")
end_str = end_date.strftime("%Y-%m-%d")

results = []
failed = []

for pkg in packages:
    # Codificar URL para paquetes con ámbito: @ -> %40, / -> %2F
    encoded = pkg.replace("@", "%40").replace("/", "%2F")
    url = f"https://api.npmjs.org/downloads/range/{start_str}:{end_str}/{encoded}"

    try:
        req = urllib.request.Request(url, headers={"User-Agent": "npm-downloads-to-leads/1.0"})
        with urllib.request.urlopen(req, timeout=20) as resp:
            raw = json.loads(resp.read())

        # Agregar diario a semanal por semana ISO
        weekly = defaultdict(int)
        for entry in raw.get("downloads", []):
            day = datetime.strptime(entry["day"], "%Y-%m-%d")
            week_key = day.isocalendar()[:2]  # (año, número_de_semana)
            weekly[week_key] += entry["downloads"]

        weeks = [v for k, v in sorted(weekly.items())]
        # Tomar los últimos 12 bloques semanales completos
        weeks = weeks[-12:]

        results.append({
            "package": pkg,
            "weeks": weeks,
            "total_weeks": len(weeks),
            "current_weekly": weeks[-1] if weeks else 0,
            "status": "ok"
        })
        print(f"  {pkg}: {len(weeks)} semanas, última semana {weeks[-1]:,} descargas")

    except urllib.error.HTTPError as e:
        if e.code == 404:
            failed.append(pkg)
            results.append({"package": pkg, "weeks": [], "total_weeks": 0, "current_weekly": 0, "status": "not_found"})
            print(f"  {pkg}: NO ENCONTRADO (404) -- se omitirá")
        else:
            failed.append(pkg)
            results.append({"package": pkg, "weeks": [], "total_weeks": 0, "current_weekly": 0, "status": f"error_{e.code}"})
            print(f"  {pkg}: error HTTP {e.code}")
    except Exception as e:
        failed.append(pkg)
        results.append({"package": pkg, "weeks": [], "total_weeks": 0, "current_weekly": 0, "status": f"error"})
        print(f"  {pkg}: falló la obtención ({e})")

    time.sleep(0.2)  # limitación de velocidad suave

json.dump(results, open("/tmp/npl-download-data.json", "w"), indent=2)
print(f"\nObtención completa. Correctos: {len(results) - len(failed)} | Fallidos/No encontrados: {len(failed)}")
if failed:
    print(f"Omitidos: {', '.join(failed)}")
PYEOF

Si todos los paquetes devuelven 404 o errores: Detente. Dile al usuario: "No se pudieron obtener datos de descarga. Verifica que los nombres de los paquetes sean correctos y existan en npmjs.com. Los paquetes con ámbito deben incluir el nombre completo: @org/package."


Paso 4: Calcular Puntuaciones de Velocidad

Sin llamada a API. Python puro. Calcula la puntuación de velocidad, la tasa de crecimiento y clasifica cada paquete.

python3 << 'PYEOF'
import json

raw_results = json.load(open("/tmp/npl-download-data.json"))
scored = []

for item in raw_results:
    pkg = item["package"]
    weeks = item["weeks"]
    status = item["status"]

    if status != "ok" or len(weeks) < 4:
        scored.append({**item, "velocity_score": 0, "growth_pct": 0, "tier": "insufficient_data",
                       "recent_4_avg": 0, "prior_4_avg": 0})
        continue

    recent_4 = sum(weeks[-4:]) / 4
    prior_4 = sum(weeks[-8:-4]) / max(len(weeks) - 4, 1) if len(weeks) >= 8 else sum(weeks[:4]) / max(len(weeks[:4]), 1)
    recent_2 = sum(weeks[-2:]) / 2
    mid_2 = sum(weeks[-4:-2]) / 2 if len(weeks) >= 4 else recent_2

    growth_ratio = recent_4 / max(prior_4, 1)
    acceleration = recent_2 / max(mid_2, 1)
    growth_pct = round((growth_ratio - 1) * 100, 1)

    # Factor de punto óptimo: 500-500K descargas semanales
    if recent_4 < 500:
        noise_factor = max(recent_4 / 500, 0.1)
    elif recent_4 > 500_000:
        noise_factor = max(500_000 / recent_4, 0.1)
    else:
        noise_factor = 1.0

    velocity_score = round(growth_ratio * acceleration * noise_factor * 100, 1)

    # Clasificar
    if velocity_score > 80 and 500 < recent_4 < 500_000 and growth_ratio >= 1.5:
        tier = "breakout"
    elif velocity_score > 40 and recent_4 >= 500 and growth_ratio >= 1.2:
        tier = "watching"
    elif recent_4 < 500:
        tier = "too_early"
    elif recent_4 >= 500_000:
        tier = "established"
    else:
        tier = "steady"

    scored.append({
        **item,
        "velocity_score": velocity_score,
        "growth_pct": growth_pct,
        "recent_4_avg": round(recent_4),
        "prior_4_avg": round(prior_4),
        "tier": tier
    })

# Ordenar por velocity_score descendente
scored.sort(key=lambda x: x["velocity_score"], reverse=True)

json.dump(scored, open("/tmp/npl-scored.json", "w"), indent=2)

breakout = [p for p in scored if p["tier"] == "breakout"]
watching = [p for p in scored if p["tier"] == "watching"]
too_early = [p for p in scored if p["tier"] == "too_early"]

print(f"Puntuación de velocidad completa:")
print(f"  EN CRECIMIENTO EXPLOSIVO: {len(breakout)}")
print(f"  EN OBSERVACIÓN: {len(watching)}")
print(f"  ESTABLE/ESTABLECIDO: {len([p for p in scored if p['tier'] in ('steady','established')])}")
print(f"  DEMASIADO TEMPRANO (<500/semana): {len(too_early)}")
print()
for p in scored[:10]:
    print(f"  {p['tier'].upper():12} {p['package']:30} score={p['velocity_score']:6.1f}  "
          f"{p['recent_4_avg']:>8,}/sem  crecimiento={p['growth_pct']:+.0f}%")

# Detener si no hay nada que valga la pena analizar
if not breakout and not watching:
    all_too_early = all(p["tier"] in ("too_early", "insufficient_data") for p in scored)
    if all_too_early:
        print("\nERROR: Todos los paquetes están por debajo del umbral de 500 descargas semanales para un análisis de velocidad confiable.")
        print("Prueba con paquetes que tengan más adopción por parte de la comunidad.")
        import sys; sys.exit(1)
PYEOF

Si todos los paquetes están por debajo de 500/semana: Detente con el mensaje anterior.


Paso 5: Obtener Perfiles de Mantenedores

Solo para paquetes en crecimiento explosivo y en observación. Obtén metadatos del registro de npm, luego perfiles de usuario de GitHub.

python3 << 'PYEOF'
import json, urllib.request, re, os, time

scored = json.load(open("/tmp/npl-scored.json"))
token = os.environ.get("GITHUB_TOKEN", "")

gh_headers = {"Accept": "application/vnd.github+json", "User-Agent": "npm-downloads-to-leads/1.0"}
if token:
    gh_headers["Authorization"] = f"Bearer {token}"

target_packages = [p for p in scored if p["tier"] in ("breakout", "watching")]
print(f"Obteniendo perfiles para {len(target_packages)} paquetes (crecimiento explosivo + en observación)...")

gh_rate_remaining = 999
enriched = []

for item in target_packages:
    pkg = item["package"]
    profile = {"package": pkg, "npm_maintainers": [], "description": "", "keywords": [],
               "github_owner": None, "github_repo": None, "github_users": [], "npm_homepage": ""}

    # --- registro npm ---
    encoded = pkg.replace("@", "%40").replace("/", "%2F")
    reg_url = f"https://registry.npmjs.org/{encoded}"
    try:
        req = urllib.request.Request(reg_url, headers={"User-Agent": "npm-downloads-to-leads/1.0"})
        with urllib.request.urlopen(req, timeout=20) as resp:
            reg = json.loads(resp.read())

        profile["description"] = reg.get("description", "")
        profile["keywords"] = (reg.get("keywords") or [])[:6]
        profile["npm_homepage"] = reg.get("homepage", "")
        profile["npm_maintainers"] = [m.get("name", "") for m in reg.get("maintainers", []) if m.get("name")]

        # Extraer propietario de GitHub de la URL del repositorio
        repo_field = reg.get("repository") or {}
        if isinstance(repo_field, dict):
            repo_url = repo_field.get("url", "")
        else:
            repo_url = str(repo_field)
        gh_match = re.search(r"github\.com[/:]([^/]+)/([^/.]+)", repo_url)
        if gh_match:
            profile["github_owner"] = gh_match.group(1)
            profile["github_repo"] = gh_match.group(2).rstrip(".git")

        print(f"  {pkg}: registro OK | mantenedores={profile['npm_maintainers'][:3]} | "
              f"github_owner={profile['github_owner']}")
    except Exception as e:
        print(f"  {pkg}: falló la obtención del registro ({e})")

    time.sleep(0.1)

    # --- perfiles de usuario de GitHub ---
    candidates = []
    if profile["github_owner"]:
        candidates.append(profile["github_owner"])
    # También probar nombres de usuario de mantenedores npm (a menudo coinciden con GitHub)
    for m in profile["npm_maintainers"][:2]:
        if m and m not in candidates:
            candidates.append(m)

    for username in candidates[:3]:
        if gh_rate_remaining <= 5:
            print(f"  Límite de velocidad de GitHub bajo ({gh_rate_remaining} restantes) -- omitiendo {username}")
            break

        gh_url = f"https://api.github.com/users/{username}"
        req = urllib.request.Request(gh_url, headers=gh_headers)
        try:
            with urllib.request.urlopen(req, timeout=15) as resp:
                gh_rate_remaining = int(resp.headers.get("X-RateLimit-Remaining", 0))
                user_data = json.loads(resp.read())

            gh_profile = {
                "login": user_data.get("login", ""),
                "name": user_data.get("name") or "",
                "twitter_username": user_data.get("twitter_username") or "",
                "bio": user_data.get("bio") or "",
                "location": user_data.get("location") or "",
                "html_url": user_data.get("html_url", ""),
                "public_repos": user_data.get("public_repos", 0),
                "followers": user_data.get("followers", 0)
            }
            profile["github_users"].append(gh_profile)
            print(f"    GitHub: {username} -> seguidores={gh_profile['followers']} twitter={gh_profile['twitter_username']}")

        except urllib.error.HTTPError as e:
            if e.code == 404:
                print(f"    GitHub: {username} no encontrado (404)")
            elif e.code == 403:
                print(f"    GitHub: límite de velocidad alcanzado (403) -- degradando")
                gh_rate_remaining = 0
                break
            else:
                print(f"    GitHub: {username} error HTTP {e.code}")
        except Exception as e:
            print(f"    GitHub: {username} falló ({e})")

        time.sleep(0.15)

    enriched.append({
        **item,
        "profile": profile
    })
    print()

json.dump(enriched, open("/tmp/npl-enriched.json", "w"), indent=2)
print(f"Enriquecimiento de perfil completo. {len(enriched)} paquetes procesados.")

# Registrar banderas de calidad
flags = []
if gh_rate_remaining <= 5:
    flags.append("github_rate_limit_exhausted")
if any(p["profile"]["github_users"] == [] for p in enriched if p["tier"] == "breakout"):
    flags.append("breakout_packages_without_github_follow")

if flags:
    json.dump(flags, open("/tmp/npl-data-quality-flags.json", "w"))
    print(f"Banderas de calidad de datos: {flags}")
PYEOF

Consejo sobre el presupuesto de la API: El límite de velocidad sin autenticación de GitHub es de 60 solicitudes por hora, suficiente para aproximadamente 10 paquetes (3 solicitudes de perfil cada uno). Con GITHUB_TOKEN, el límite es de 5000 solicitudes por hora, suficiente para cualquier lista de paquetes. Verifica la configuración de tu token en el Paso 1.


Paso 6: Generar Informe de Prospectos

Solo para paquetes en crecimiento explosivo. Compila un informe breve para cada uno.

python3 << 'PYEOF'
import json

enriched = json.load(open("/tmp/npl-enriched.json"))
input_data = json.load(open("/tmp/npl-input.json"))
product_context = input_data.get("product_context", "")

breakout = [p for p in enriched if p["tier"] == "breakout"]

if not breakout:
    print("No se encontraron paquetes en crecimiento explosivo.")
    print(f"En observación: {len([p for p in enriched if p['tier'] == 'watching'])}")
    print("Pasa al Paso 8 para generar un informe de paquetes en observación.")
    import sys; sys.exit(0)

print(f"Generando informes para {len(breakout)} paquetes en crecimiento explosivo...")
print(f"\n{'='*70}")
print(f"{'INFORME DE PROSPECCIÓN DE PAQUETES npm':^70}")
print(f"{'='*70}")

for i, item in enumerate(breakout, 1):
    p = item["package"]
    profile = item["profile"]

    print(f"\n{'─'*70}")
    print(f"  #{i}  {p}")
    print(f"{'─'*70}")
    print(f"  Descripción:     {profile['description'][:100]}")
    print(f"  Crecimiento:     {item['growth_pct']:+.0f}% (promedio 4 semanas: {item['recent_4_avg']:,} -> {item['current_weekly']:,}/sem)")
    print(f"  Puntuación:      {item['velocity_score']}")
    print(f"  Palabras clave:  {', '.join(profile['keywords'][:5])}")
    print(f"  Página de inicio: {profile['npm_homepage'][:60]}")

    print(f"\n  -- MANTENEDORES npm --")
    for m in profile['npm_maintainers'][:4]:
        print(f"    • {m}")

    print(f"\n  -- SEÑALES DE GITHUB --")
    for gh in profile["github_users"][:3]:
        name = gh["name"] or gh["login"]
        tw = gh.get("twitter_username", "") or "no encontrado en GitHub"
        print(f"    Usuario: {gh['login']} ({name})")
        print(f"    URL:     {gh['html_url']}")
        print(f"    Twitter: {tw}")
        print(f"    Seguidores: {gh['followers']} | Repos: {gh['public_repos']}")
        if gh.get("bio"):
            print(f"    Bio:     {gh['bio'][:100]}")
        if gh.get("location"):
            print(f"    Ubicación: {gh['location']}")

    # --- Mensaje de alcance ---
    if profile["github_users"]:
        gh = profile["github_users"][0]
        name = gh["name"] or gh["login"]
    else:
        name = profile["npm_maintainers"][0] if profile["npm_maintainers"] else "allí"

    growth_num = f"{item['growth_pct']:+.0f}%"
    weekly_num = f"{item['current_weekly']:,}"

    msg = f"Hola {name},\n\n"
    msg += f"He estado siguiendo {p}, que ha crecido {growth_num} en las últimas semanas "
    msg += f"a {weekly_num} descargas semanales."
    if product_context:
        msg += f" Creo que hay una fuerte alineación con {product_context}."
    msg += "\n\n"
    msg += f"Me encantaría aprender más sobre tu trabajo y ver si hay formas de colaborar. "
    msg += f"¿Estarías abierto a una charla rápida?"

    print(f"\n  -- MENSAJE DE ALCANCE SUGERIDO --")
    for line in msg.split("\n"):
        print(f"    {line}")
    print(f"  {'─'*70}")

Paso 7: Datos de Paquetes en Observación

Los paquetes en observación no son prospectos inmediatos, pero pueden convertirse en la próxima semana. Se muestran de forma más compacta.

python3 << 'PYEOF'
import json

enriched = json.load(open("/tmp/npl-enriched.json"))
watching = [p for p in enriched if p["tier"] == "watching"]

if not watching:
    print("No hay paquetes en observación.")
    import sys; sys.exit(0)

print(f"\n{'='*70}")
print(f"{'PAQUETES EN OBSERVACIÓN (posibles futuros prospectos)':^70}")
print(f"{'='*70}")

for item in watching:
    p = item["package"]
    profile = item["profile"]
    print(f"\n  {p}")
    print(f"    Crecimiento:   {item['growth_pct']:+.0f}% | Puntuación: {item['velocity_score']}")
    print(f"    Descargas:     {item['recent_4_avg']:,}/semana (última: {item['current_weekly']:,})")
    print(f"    Mantenedores:  {', '.join(profile['npm_maintainers'][:3])}")
    if profile["github_users"]:
        tw = profile["github_users"][0].get("twitter_username", "") or "no encontrado en GitHub"
        print(f"    Señal de Twitter: {tw}")

Paso 8: Resumen y Próximos Pasos

Siempre resume de esta manera. Incluye una tabla de clasificación, banderas de calidad y sugerencia de seguimiento.

python3 << 'PYEOF'
import json

scored = json.load(open("/tmp/npl-scored.json"))
enriched = json.load(open("/tmp/npl-enriched.json"))

try:
    flags = json.load(open("/tmp/npl-data-quality-flags.json"))
except FileNotFoundError:
    flags = []

breakout = [p for p in scored if p["tier"] == "breakout"]
watching = [p for p in scored if p["tier"] == "watching"]
steady = [p for p in scored if p["tier"] in ("steady", "established")]
too_early = [p for p in scored if p["tier"] == "too_early"]
insufficient = [p for p in scored if p["tier"] == "insufficient_data"]

print(f"\n{'='*70}")
print(f"{'RESUMEN':^70}")
print(f"{'='*70}")
print(f"  Crecimiento explosivo:  {len(breakout)}")
print(f"  En observación:         {len(watching)}")
print(f"  Estable/Establecido:    {len(steady)}")
print(f"  Demasiado temprano:     {len(too_early)}")
print(f"  Datos insuficientes:    {len(insufficient)}")
print()

if flags:
    print(f"  Banderas de calidad de datos:")
    for f in flags:
        print(f"    ⚠️  {f}")
    print()

print(f"  Tabla de clasificación de velocidad (top 10):")
print(f"  {'Paquete':<30} {'Velocidad':<10} {'Crecimiento':<12} {'Semanal':<10} {'Nivel':<15}")
print(f"  {'─'*30} {'─'*10} {'─'*12} {'─'*10} {'─'*15}")
for p in scored[:10]:
    print(f"  {p['package']:<30} {p['velocity_score']:<10.1f} {p['growth_pct']:+.0f}%{'':<9} {p['current_weekly']:<10,} {p['tier']:<15}")

print(f"\n  {'─'*70}")
print(f"  Próximos pasos sugeridos:")
if breakout:
    print(f"    • Ejecutar campaña de alcance para los {len(breakout)} prospectos en crecimiento explosivo usando los mensajes anteriores")
if watching:
    print(f"    • Monitorear los {len(watching)} paquetes en observación — reprogramar análisis en 2 semanas")
print(f"    • Agregar más paquetes para un alcance más amplio descomponiendo repositorios de GitHub competidores")
print(f"    • Configurar GITHUB_TOKEN para un enriquecimiento completo en el próximo análisis")
PYEOF

Variables de entorno:

  • GITHUB_TOKEN (opcional, pero recomendado) — Token de acceso personal de GitHub. Establécelo en tu archivo .env o variable de entorno del agente. Crea uno en github.com/settings/tokens (no se necesitan alcances de repositorio).

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Varnan-Tech/opendirectory

Use when the user asks to generate a blog cover image, thumbnail, or article header. Automatically uses modern typography, brand logos, and Google Search grounding to create beautiful 16:9 images with Gemini 3.1 Flash Image Preview.

Varnan-Tech/opendirectory

World-class brand strategist and naming expert. Uses an interrogation-led discovery phase to extract your brand's DNA, then applies scientific naming frameworks (Phonosemantics) and automated multi-TLD domain checking.

Varnan-Tech/opendirectory

Use when the user asks to generate or update a project's CLAUDE or AGENTS context file from a codebase scan. Writes a focused file under 100 lines containing only the non-obvious build commands, conventions, and gotchas Claude Code needs.

Varnan-Tech/opendirectory

Use when the user wants to verify cold emails, enrich a lead list, or autonomously guess email addresses from a CSV using ValidEmail.co or the open-source Reacher engine.

Varnan-Tech/opendirectory

Competitive intelligence orchestrator tracking companies across 8+ platforms (GitHub, Twitter, Reddit, HN, PH, YC Jobs) with heat scores and AI briefings.

Varnan-Tech/opendirectory

Give it your product URL or description. It finds your top 5 competitors, runs three-track PR research across all of them (editorial, podcasts, communities), identifies which channels appear most frequently, looks up the journalist or host for each, and returns a tiered outreach list with story angles and ready-to-send cold pitch drafts tailored to your product. Use when asked to find PR opportunities, discover where competitors got featured, build a media outreach list, find which journalists cover my space, or get pitch templates for press coverage.

Varnan-Tech/opendirectory

Generate high-converting, deep-dive growth case studies in MDX format. Use this skill when asked to write a case study or blog post about a company's growth, tech stack, or product-led strategy. It handles the full pipeline (researching the company via Tavily, generating a 16:9 cover image, quality checking the draft, uploading assets to cloud storage, and pushing directly to the target repository).

Varnan-Tech/opendirectory

Scans your project for outdated npm, pip, Cargo, Go, or Ruby packages. Runs a CVE security audit. Fetches changelogs, summarizes breaking changes with Gemini, and opens one PR per risk group (patch, minor, major). Includes Diagnosis Mode for install conflicts. Use when asked to update dependencies, check for outdated packages, open dependency PRs, scan for package updates, audit for CVEs, or flag breaking changes in upgrades. Trigger when a user says "check for outdated packages", "update my dependencies", "open PRs for dependency updates", "scan for CVEs", or "which packages need upgrading".

Varnan-Tech/opendirectory

Generates and updates README.md and API reference docs by reading your codebase's functions, routes, types, schemas, and architecture. Uses graphify to build a knowledge graph first, then writes accurate docs from it. Use when asked to write docs, generate a README, document an API, update stale docs, create an API reference from code, add an architecture section, or document a project in any language. Trigger when a user says their docs are missing, outdated, or wants to document their codebase without writing it manually.

Varnan-Tech/opendirectory

Evaluates expired domain candidates against a target niche, scores them by topical relevance, historical activity level, and history cleanliness, then outputs a ranked shortlist with explainable reasoning and risk flags.

Varnan-Tech/opendirectory

Brutally honest developer-experience audit for a GitHub repo. Scores 10 DX dimensions (time-to-first-success, README clarity, visual proof, install, quick-start, docs, examples, community, trust, marketing), writes a shareable roast in the requested tone (brutal/honest/kind), produces a prioritized action plan ranked by impact × effort, and sketches an ideal README. Trigger when user says "roast my repo", "audit my README", "dx audit", "developer experience review", "score my GitHub project", "before launch checklist", or "make my repo shareable".

Varnan-Tech/opendirectory

Drafts and designs a complete HTML email newsletter from a topic or content brief. Outputs paste-ready HTML for Loops, Mailchimp, Beehiiv, Resend, or any standard email platform. Includes subject line options and plain-text fallback. Trigger when a user says "write a newsletter", "draft an email newsletter", "create an HTML email", "design an email for my subscribers", or "write a newsletter about [topic]".

Varnan-Tech/opendirectory

Takes a GitHub PR URL or the current branch and writes a plain-English explanation of what it does and why, then posts it as a PR comment. Use when asked to explain a PR, summarize a pull request, write a plain-English description of a PR, add a summary comment to a PR, or understand what a PR changes. Trigger when a user says "explain this PR", "summarize this pull request", "what does this PR do", "add a comment explaining the PR", or shares a GitHub PR URL and asks what it does.

Varnan-Tech/opendirectory

Audit how often LLMs recommend your brand vs competitors and generate a GEO action plan.

Varnan-Tech/opendirectory

Takes a competitor's public GitHub repo URL, fetches their open issues via the GitHub REST API, filters noise locally, clusters issues into 6 demand categories, computes a demand score per issue and per cluster, and outputs a ranked demand gap report with a GTM messaging brief. Use when asked to scan a competitor's GitHub issues, find what their users are begging for, turn GitHub complaints into product positioning, identify competitor feature gaps, or generate messaging from real user demand. Trigger when a user says "scan competitor issues", "what are users asking for on X repo", "find demand gaps in Y", "turn GitHub issues into messaging", or "what should I build based on competitor complaints".

Varnan-Tech/opendirectory

Find recurring confusion in your repo's GitHub Discussions, rank it by urgency, and draft the actual docs fixes and content angles — with verbatim community quotes and source links as evidence.

Varnan-Tech/opendirectory

SEO keyword research workflow for blog generation using Google Trends data. Use when writing blog posts, planning content calendars, or optimizing articles for search engines. Finds breakout keywords, builds content structure, and generates SEO-optimized blog outlines targeting tech and developer audiences.

Varnan-Tech/opendirectory

Generates a professionally designed case study PDF for B2B SaaS sales and marketing. Supports 7 page layouts, 9 style presets, 1-4 page output. Trigger when user says "create a case study", "write a customer story", "make a case study PDF", "design a success story", "turn this customer win into a PDF".

Varnan-Tech/opendirectory

Generates data visualization charts (bar, line, area, pie, doughnut, scatter, radar, treemap) as PNG using Apache ECharts v6. 1080×1080px default, 5 style presets, highlight annotations. Trigger when user says "create a chart", "visualize data", "make a bar chart", "line graph", "pie chart", "data visualization", "chart this data", "plot", "graph", or "visualize these numbers".

Varnan-Tech/opendirectory

Fetches low-star App Store and Google Play reviews, clusters them into broken-promise patterns, and generates a ranked copy brief with positioning opportunities.

Skills relacionados