Github Trends®
1120 findingsmedian surprise 0.0444window 7 days
UNIT / TREND-MONITOR · REV 2.6
[ 7 days window ]
SOURCE: gharchive
FINDING #334 · UNIT ID 1290410846
oxbshw/watch-skill
Video understanding and self-verification for AI agents. Turn videos, streams, and agent screen recordings into searchable, timestamped evidence—then use THE LOOP to inspect, fix, and verify the work. MCP, CLI, REST, local-first.
[ PYTHON ][ GITHUB ↗ ]
SURPRISE SCORE
0.00

Score Breakdown

SURPRISE0.0476
ENGAGEMENT0.20
FRESHNESS1.00
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
49% OF STARS IN ARCHIVE

Growth Telemetry

VELOCITY /D
14.00
ACCEL
-0.71
RETENTION
74.1%
PEAK 2026-07-08 · FORK-RETENTION 0.0% · 98 STARS / WINDOW

Author Audience

AUDIENCE
254
FOLLOWERS
106
OWNER ★
1,484

Engagement Signals

FORKS
26
ISSUE AUTH
0
PR AUTH
0
UNIQUE STARGAZERS 98 / 98 (DIVERSITY 1.00)

Why This Is A Finding

oxbshw/watch-skill собрал 98 звёзд за окно, тогда как у автора всего 106 подписчиков — эффективная аудитория ≈ 254. Это даёт surprise-индекс 0.0476 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.

METRICS IN CONTEXT

MEDIAN ACROSS ALL 1120 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.020.01+0.01ABOVE 70%
VELOCITY14.0013.86+0.14ABOVE 50%
RETENTION74.1%36.8%+37.3 PPABOVE 92%
FORKS2650-24ABOVE 38%
SURPRISE0.050.04+0.00ABOVE 52%