withmarbleapp/os-taxonomy
JavaScript · ★ 6,407 · Fork 1,033 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
withmarbleapp/os-taxonomy 已在 GitHub Trending 每日榜单上榜 2 天,最高排名第 8,首次上榜 2026-10-19,最近一次上榜 2026-10-20。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-10-20 | #8 | 6,407 | +284 |
| 2026-10-19 | #8 | 6,088 | +427 |
同期上榜的项目
- MadsLorentzen/ai-job-search – The job search that runs on your machine. AI job application framework built on Claude Code: evaluate postings, tailor CVs, write cover letters, prep interviews. Fork it and own it.
- cloudflare/security-audit-skill – A coding-agent skill for multi-phase security audits with independently verified, machine-readable findings
- stablyai/orca – Orca is the place for working with a fleet of agents (e.g. Grok Bot, Claude Code). Run any coding agent with your own subscription. Available on desktop, mobile and remote runtime.
- DietrichGebert/ponytail – Makes your AI agent think like the laziest senior dev in the room. The best code is the code you never wrote.
- Comfy-Org/ComfyUI – The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface. The fastest local inference engine in the world.
- ruvnet/ruflo – 🌊 The original agent harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, federation, vector RAG integration, and native Claude Code / Codex / Hermes and many more Integrated
os-taxonomy(Marble Skill Taxonomy)项目深度剖析与商业评估报告
os-taxonomy(Marble Skill Taxonomy)项目深度剖析与商业评估报告
1. 核心定位与商业落地价值
1.1 根本痛点 os-taxonomy 解决的并非传统意义上的"数据开放"问题,而是教育科技领域长期存在的一个结构性缺陷:课程标准与可执行学习路径之间的语义断层。NGSS、Common Core 等标准文档本质上是"结果性描述"(学生应达到什么),而非"过程性描述"(学生需要先掌握什么)。任何自适应学习系统、个性化学习路径引擎、或 AI 辅导 Agent 都必须自行完成从标准到先修知识图谱的建模工作——这是一项需要学科专家 + 图谱工程师投入数月的高成本工程。
该项目通过 1,590 个 micro-topic 节点与 3,221 条带 hard/soft 标注和自然语言 reason 的先修边,直接交付了一个已建模完成的有向无环图(DAG),并附带 centrality(中心性)字段与 evidence(掌握证据)标准,将"知识图谱"从概念层面推进到了可直接驱动算法的工程资产层面。
1.2 商业落地场景 自适应学习平台:以 DAG 拓扑排序驱动"下一步推荐",hard/soft 边可用于计算学习路径的松弛度。 AI Tutor / LLM 教育 Agent:assessmentPrompt 与 evidence 可直接作为 LLM 的评估 rubric 与 prompt 模板,{{name}} 占位符设计表明其已考虑运行时个性化注入。 教育内容供应链:内容提供商可基于 centrality 优先生产高复用价值的知识点内容。 家校沟通产品:183 条 clusters 摘要直接面向家长,是 To-C 产品的现成文案资产。
1.3 竞品差异化与护城河 同类资产中,Khan Academy 的知识图谱、ASSISTments 的技能模型均闭源且与产品强绑定;Wikidata/DBpedia 的教育子图则缺乏教学法语义(无先修强度、无掌握证据)。os-taxonomy 的差异化在于三点:(1) 先修边带 reason 的可解释性;(2) 多国课程标准对齐(NGSS/CCSS/UK NC)的跨体系映射;(3) 精心设计的 ODbL + CC BY-SA 双层许可——允许商业产品闭源(produced work),仅要求对 taxonomy 本身的改进回馈开源(derivative database)。这一许可策略是典型的"数据护城河 + 生态杠杆"打法:Marble 以开放数据换取行业标准地位,同时保留自身产品(withmarble.com)作为最佳实践参考实现。
2. 核心架构设计与技术深度
2.1 架构范式:Data-as-Product,零运行时 该项目在架构上做出了一个极其克制且正确的选择:纯静态数据分发,无 SDK、无服务、无依赖。README 明确声明"Pure data — no runtime, no dependencies"。其"架构"体现在数据模型而非代码结构上:
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/withmarbleapp/os-taxonomy)