Trend Monitor 研究筆記¶
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub Repo | https://github.com/dongzhang84/trend-monitor |
| Live Dashboard | https://dongzhang84.github.io/trend-monitor/ |
| License | MIT |
| 維護者 | dongzhang84 |
| 建立 / 更新 | 2026-01-31 建立，每日自動執行 |
專案概述¶
Trend Monitor 是 dongzhang84 開發的個人趨勢監控工具（6 stars / 4 forks，Python，MIT），看似小專案但設計頗具參考價值。定位是「每日商業機會發現工具」——從 6 個 AI/科技趨勢來源自動聚合資料，每天早上把整理好的 digest 寄到信箱、同時更新公開 dashboard。
最大的差異化在於它不只是「聚合+顯示」，而是內建一套「Indie Opportunity Analysis」——對每個產品做 4 維評分，挑出前 5 名做 8 題深度商業分析，並給出「💡 First Step」一句具體可執行的驗證動作。換言之，它把「看趨勢」這件事做成「為獨立開發者找下個產品點子的研究助理」。
關鍵特色是 零成本架構：免費 API + GitHub Actions + GitHub Pages，不用付任何雲端服務費。
6 大資料來源¶
| 來源 | 收集欄位 |
|---|---|
| Product Hunt | 產品名、tagline、連結 |
| Toolify.ai | 最新 + 趨勢工具（含月訪問量、成長率） |
| There's An AI For That | AI 工具名、描述、分類、連結 |
| Chrome Extensions | 擴充功能名、描述、使用者數、評分 |
| GitHub Trending | repo 名、描述、當日 star 增量 |
| Hacker News | 標題、作者、score、評論數 |
Toolify 用 Playwright（繞 Cloudflare），其他多為一般爬蟲/API。
雙 Dashboard + Email 三輸出¶
每次執行產出 4 個檔案：
| 檔案 | 角色 |
|---|---|
report.md |
Markdown digest（本地參考） |
docs/index.html |
深色主題產品 dashboard（GitHub Pages） |
docs/indie.html |
Indie 商機 dashboard（GitHub Pages） |
analysis/daily/{date}-indie.md |
Indie 分析 Markdown（CI 自動 commit） |
兩個 dashboard 互相連結（index ↔ indie）。
Indie Opportunity Analysis（最有趣的設計）¶
針對「獨立開發者找商機」的痛點，做了一條完整的篩選 → 評分 → 深度分析 pipeline：
Step 1: Filter（先剔除不適合單兵的）¶
排除：B2B（enterprise / churn / SSO / CRM）、過於複雜領域（區塊鏈 / 硬體）、機構性工具、GitHub libraries（用 npm install 等安裝指令判別）。
Step 2: Score（4 維度 1-5 分）¶
| 維度 | 意義 |
|---|---|
tech_difficulty |
建造難度 |
user_acquisition |
自然擴散程度 |
revenue_potential |
利基貨幣化潛力 |
indie_friendly |
單人能否出貨並維護 |
Step 3: Deep-dive（前 5 名做 8 題分析）¶
| # | 題目 |
|---|---|
| 1 | 誰是用戶？（persona + B2C/B2B） |
| 2 | 他們為什麼需要？（pain point + 產品自述） |
| 3 | 它如何找到用戶？（distribution channel） |
| 4 | 賺不賺錢？多少？（model + 收入估計） |
| 5 | 我能學到什麼？（positioning insights） |
| 6 | 一句話 pitch |
| 7 | 我能不能做？（技術可行性） |
| 8 | 我如何找用戶？（具體戰術） |
每篇分析以 💡 First Step 收尾——一個具體可執行的驗證/起步動作。
Domain Awareness¶
分析器從產品描述偵測 14 個產品領域（占卜、瀏覽器擴充、圖像生成、開發者工具、生產力等），針對該領域給出領域特定建議——而非通用陳腔。
週報設計¶
每週日 22:00 PST 自動跑 weekly_report.py：
- Repeated Items — 一週內多次出現的產品（持續熱度）
- New Discoveries — 只出現一次的獨家發現
- Keyword Analysis — 跨來源前 10 熱門關鍵字
- Category Statistics — 分類分佈
--days 14 可分析自訂時長。
自動化排程（GitHub Actions）¶
- Daily Reports：每天 7:00 AM PST → email + HTML dashboard + commit 回 repo
- Weekly Reports：每週日 22:00 PST → 趨勢分析 email
Repository Secrets：EMAIL_SENDER、EMAIL_PASSWORD（Gmail App Password）、EMAIL_RECEIVER、SMTP_SERVER、SMTP_PORT。
專案結構¶
trend-monitor/
├── main.py # Daily report 入口
├── weekly_report.py # Weekly report 入口
├── collectors/ # 6 個來源各一個爬蟲模組
│ ├── github_trending.py
│ ├── product_hunt.py
│ ├── hackernews.py
│ ├── theresanaiforthat.py
│ ├── chrome_extensions.py
│ └── toolify.py # Playwright（繞 Cloudflare）
├── reporters/ # Markdown / Weekly / HTML 三種報表
└── senders/email_sender.py
目前限制 / 注意事項¶
- 個人專案、6 stars — 維護由單人，無社群保證；建議當「設計藍圖」而非「直接套用」
- 依賴 Gmail SMTP + App Password — 換信箱要改設定，且 Gmail App Password 是專屬機制
- Toolify 用 Playwright 繞 Cloudflare — 對方更新反爬蟲機制可能失效
- TAAFT / Product Hunt 等網站結構變動會壞 — 沒有 API 的來源都有此風險
- 「Indie 評分」由 LLM 完成（推測）但 README 未明說模型 — 評分品質取決於底層 LLM 與 prompt
- 是「個人 dashboard」而非 SaaS — 多帳號分發、共享、付費版皆無
研究價值與啟示¶
關鍵洞察¶
-
「Aggregator + Opinionated Analysis Layer」是個人工具勝過商業 dashboard 的範式：純聚合（看 Product Hunt + GitHub Trending）大家都會，但這個專案在聚合上疊加一層獨立開發者視角的篩選 + 評分 + 深度分析。這是個人工具的勝場——商業 dashboard 為了通用會避免主觀立場，個人工具反而能放心地說「B2B 我不看、需要
npm install的 library 不算商機」。 -
「8 題深度分析」本質是 YC/IndieHackers 框架的程式化封裝：誰是用戶 / 為何需要 / 怎麼找用戶 / 賺多少錢 / 一句話 pitch / 我能不能做——這是 YC office hours 與 IndieHackers 社群長年累積的「驗證問題清單」，被作者壓縮成可批次跑的提示。把成熟的人類框架封裝成 LLM prompt 是 AI 時代知識工人的核心技能。
-
「💡 First Step」一句話收尾是 actionable 設計的精髓：分析報告最大的失敗模式是「讀完很有道理但不知道要做什麼」。強制每篇以「一個具體可執行的驗證/起步動作」收尾，把 insight 變成 next action。任何做 AI 顧問/分析工具的人都該抄這條設計。
-
Domain Awareness 是 generic LLM 答案的解藥：偵測 14 個產品領域並給「領域特定建議」，避免「每個分析看起來都一樣」的陳腔病。這呼應本站 Knowledge Work Plugins 的 path-scoped rules、Claude Code Game Studios 的 path-scoped 規範——讓 prompt 隨情境就近啟動，比全域萬用 prompt 更精準。
-
「零成本架構（免費 API + Actions + Pages）」是個人 SaaS 的範本：每日跑批次 + 公開 dashboard + email 推送，整套不花錢。這是 GitHub 生態最被低估的隱形 SaaS 平台——對任何「想自動化又不想付雲端費」的人，這個 stack 值得學起來。
-
「Repeated Items 顯示持續性 vs New Discoveries 顯示新意」是時間維度的雙視角：週報同時呈現「一週內多次出現＝市場驗證」與「只出現一次＝獨家信號」，避免陷入單一視角。這個資料切法值得抄到任何趨勢/監控類產品。
與其他專案的關聯¶
| 維度 | 對比 |
|---|---|
| vs Awesome OpenClaw Skills | 都在做「資訊過載時的策展層」，但本專案是動態自動策展（每日跑 LLM 分析）、後者是人工 awesome-list |
| vs Daily Stock Analysis | 同樣「每日自動批次 + email + 結構化分析」，但領域不同（股票 vs 商機） |
| vs Office Hours skill (gstack) / YC 框架 | 同樣是「驗證商機的問題清單」，但這個專案是把人類框架封裝成自動化 pipeline |
| vs Career-Ops | 都是個人化自動化工具，本專案聚焦商機發現，Career-Ops 聚焦職涯運維 |
最大啟示：Trend Monitor 是「個人化 AI 工具」的優秀範本——技術上沒有複雜創新，但在「聚合 + 立場明確的篩選 + 框架化深度分析 + actionable next step」這個產品設計鏈條上做得到位。它證明，AI 時代知識工人的核心競爭力不是「能寫 LLM 程式」，而是「能把成熟的人類分析框架（YC / IndieHackers / 商機評估）程式化、自動化、並注入領域感知」。任何想做「個人 SaaS / 知識自動化」的人，這 6-stars 的小專案是值得細讀的參考設計。