核心用法
issue-prioritizer 是一款面向开源项目维护者与贡献者的智能 Issue 分析工具。通过调用 gh CLI 获取指定仓库的开放 Issue，系统运用五维评分模型进行综合评估：
1. Difficulty（1-10） — 实现难度，根据文档类型、复现步骤、根因明确性等信号调整
2. Importance（1-10） — 业务重要性，从错别字（1-3）到服务崩溃（8-10）分级
3. Tripping Scale（1-5） — 方案合理性，识别"重写整个系统"等过度工程化提案
4. Architectural Impact（1-5） — 架构影响度，推崇"能用 10 行解决就不用 200 行"的极简原则
5. Actionability（1-5） — 可执行性，区分"讨论帖"与"可直接提 PR"的 issue
计算公式： AdjustedScore = (Importance/Difficulty) × TripMultiplier × ArchMultiplier × ActionMultiplier
高 AdjustedScore 意味着高 ROI、低复杂度、方案务实且立即可执行。
显著优点
- 科学的多因子模型：不单纯按时间或点赞排序，而是综合技术债务与投入产出比
- 快速胜利识别：自动标注"Quick Wins"（ROI≥1.5 + 低难度 + 高可执行性），降低新人贡献门槛
- 防过度工程：Tripping Scale 与 Arch Score 双机制压制"区块链存储""AI 重构"等不切实际提案
- 贡献者分级匹配：按 beginner/intermediate/advanced 自动分类，精准匹配 issue 与开发者能力
- 只读安全设计：纯分析模式，绝不修改仓库，避免误操作风险
- 增量与恢复机制：支持
--resume复用历史运行、--diff-from增量更新，节省 API 调用成本
潜在局限
- 依赖 GitHub CLI：需预装
gh并完成认证，对非 GitHub 生态（Gitea、GitLab）不支持 - 评分主观性：难度与重要性评分依赖启发式规则，特殊业务场景可能误判
- 长文本截断：默认 500 字符摘要可能遗漏关键上下文，深度分析需显式开启
--full-body - LLM 深度分析可选：高质量评分依赖可选的模型辅助，纯规则模式在复杂仓库可能精度不足
- 英语生态优化：评分信号（如 "fix:", "add:" 前缀、区块链等 buzzwords）对非英语 issue 识别可能弱化
适合人群
- 开源维护者：每日需从数十个 issue 中识别 blocker 与 easy-pick
- 技术 PM/社区经理：需要数据驱动的 issue 优先级报告向上汇报
- 新晋贡献者：寻找 "good first issue" 等价物，快速建立贡献信心
- 大型项目治理：微服务/多模块仓库中，需要按架构影响过滤提案
常规风险
- 信息泄露：分析过程读取 issue 全文，若仓库包含未脱敏的安全漏洞报告或凭据，可能在输出中暴露
- API 速率限制：大规模仓库（>1000 issues）批量获取可能触发 GitHub GraphQL 限流
- 误过滤风险：
--include-with-prs默认排除已有 PR 的 issue，可能遗漏"PR 已废弃需重新实现"的场景 - 评分漂移：不同版本工具的规则权重调整可能导致同一 issue 跨运行评分不一致
- 依赖脚本安全：
fetch-issues.sh执行本地 bash 脚本，需确保来源可信以防命令注入