评分设计

当前评分模型组合了四类信号：

• 总反向依赖包数
• 180 天滚动窗口内的近期反向依赖数
• 可选的下载量快照
• 基于最新发布时间的活跃度乘数

为什么使用这些信号

• 总反向依赖代表已经形成的生态采用度。
• 近期反向依赖用于捕捉新增集成速度，而不只看历史积累。
• 下载量在可用时提供额外的人气线索。
• 发布时间乘数用于抑制长期停更包长期霸榜，但不会让“新”成为唯一优势。

当前公式

score =
  (ln(dependents + 1) * 38
   + ln(recent_dependents + 1) * 27
   + ln(downloads + 1) * 22)
  * activity_multiplier(days_since_release)

这里使用对数是为了压缩超大包的量级差异，避免榜单退化成单纯的依赖数排序。

当前活跃度乘数

• <= 30 天：1.12
• <= 90 天：1.06
• <= 180 天：1.00
• <= 365 天：0.94
• > 365 天：0.88

分档与动量标签

分档是对分数的粗粒度映射：

• S >= 260
• A >= 180
• B >= 110
• C >= 50
• D < 50

动量标签规则由 MoonBit 导出，并在 Python 构建流程里物化为服务层数据：

• Rising：增长值 >= 35、增长比 >= 0.35、近期反向依赖 >= 3
• Hot：增长值 >= 18、增长比 >= 0.18、近期反向依赖 >= 2
• Stable：其余情况

因此动量标签会作为索引与服务层数据持久化，但规则定义以 MoonBit 为准。

数据流

1. scripts/build_index.py 从本地 MoonBit 注册表快照读取 *.index 记录。
2. 构建器在 SQLite 中重建 packages、versions、dependencies、package_edges 和全文检索索引。
3. Python 管线通过本地 MoonBit CLI 计算评分快照、等级标签、活动系数和动量标签。
4. src/score 对外暴露评分、等级和动量相关逻辑，src/cli 通过本地 CLI 形式把这些规则提供给 Python 构建流程。
5. lib/query.ts 定义了服务端与前端共用的查询 AST、原生表达式解析器、序列化器和兼容辅助逻辑。
6. Next.js 应用读取生成后的 SQLite 数据库，提供榜单、搜索、图形化高级检索和包分析页面与 API。

实现约束

仓库当前让 Python 保留索引与 SQLite 物化职责，但将评分快照、等级映射和动量 分类规则集中到 MoonBit，并通过本地 CLI 供构建流程调用。