Как искать идеи для продукта в GitHub Issues на Python

Зачем анализировать GitHub Issues разработчику-предпринимателю

Если вы соло-фаундер с ограниченными ресурсами, строить продукт наугад — непозволительная роскошь. Вместо того чтобы полагаться на интуицию или количество звёзд в репозиториях, опирайтесь на реальные боли разработчиков. GitHub Issues — это золотая жила: там разработчики буквально пишут, что им мешает. В этой статье вы узнаете, как с помощью Python и GraphQL превратить issues в источник идей для вашего продукта.

Сопоставление функций и ключевых слов

Прежде чем запрашивать данные, разбейте ваш идеальный продукт на конкретные технические сигналы. Разработчики не пишут «нужна битемпоральная книга учёта» — они жалуются на «расхождение состояния» или «дедлок в пайплайне». Найдите точные формулировки, которые используют пользователи.

Сигнатуры ошибок

Ищите точные сообщения об ошибках, например ETIMEDOUT или state synchronization failed. Это прямые указания на проблемы, которые вы можете решить.

Архитектурные узкие места

Если вы создаёте высоконагруженные системы, ищите жалобы на задержки: TTS latency, retrieval too slow, time to first byte LLM context.

Проблема «дрейфа контекста»

Для агентной инфраструктуры ищите infinite loop, hallucinates state или manual override ignored.

Скрипт на Python для сбора issues через GraphQL

Используйте не REST API, а GraphQL — он позволяет запросить только нужные поля и экономит лимиты. Вот готовый скрипт для поиска issues по ключевым словам и дате.

import os
import requests
from datetime import datetime, timedelta

GITHUB_TOKEN = os.getenv("GITHUB_TOKEN", "ваш_персональный_токен")
GRAPHQL_URL = "https://api.github.com/graphql"

def fetch_filtered_issues(keywords, repo=None, days_ago=30, state="open", max_results=50):
    """
    Запрашивает issues через GraphQL API по ключевым словам и свежести.
    """
    # Динамический расчёт даты
    cutoff_date = (datetime.now() - timedelta(days=days_ago)).strftime('%Y-%m-%d')

    # Собираем строку поиска
    query_parts = ["is:issue"]
    if state:
        query_parts.append(f"is:{state}")
    if repo:
        query_parts.append(f"repo:{repo}")
    query_parts.append(f"created:>{cutoff_date}")

    # Добавляем ключевые слова
    if isinstance(keywords, list):
        query_parts.extend(keywords)
    else:
        query_parts.append(keywords)

    search_query = " ".join(query_parts)
    print(f"Выполняем поиск: {search_query}\n")

    # Шаблон GraphQL-запроса
    graphql_query = """
    query SearchIssues($queryString: String!, $first: Int!, $after: String) {
      search(query: $queryString, type: ISSUE, first: $first, after: $after) {
        pageInfo { hasNextPage, endCursor }
        edges {
          node {
            ... on Issue {
              number
              title
              url
              createdAt
              state
              repository { nameWithOwner }
              comments { totalCount }
              author { login }
            }
          }
        }
      }
    }
    """

    headers = {
        "Authorization": f"Bearer {GITHUB_TOKEN}",
        "Content-Type": "application/json"
    }

    issues = []
    has_next_page = True
    end_cursor = None

    while has_next_page and len(issues) < max_results:
        fetch_count = min(50, max_results - len(issues))
        variables = {
            "queryString": search_query,
            "first": fetch_count,
            "after": end_cursor
        }

        response = requests.post(GRAPHQL_URL, json={"query": graphql_query, "variables": variables}, headers=headers)
        if response.status_code != 200:
            raise Exception(f"Ошибка API: {response.status_code}")

        data = response.json().get("data", {}).get("search", {})
        if not data:
            break

        for edge in data.get("edges", []):
            node = edge.get("node", {})
            if node:
                issues.append({
                    "repo": node.get("repository", {}).get("nameWithOwner"),
                    "number": node.get("number"),
                    "title": node.get("title"),
                    "comment_count": node.get("comments", {}).get("totalCount"),
                    "url": node.get("url")
                })

        page_info = data.get("pageInfo", {})
        has_next_page = page_info.get("hasNextPage", False)
        end_cursor = page_info.get("endCursor")

    return issues

# Пример: ищем проблемы с состоянием в агентных воркфлоу
issues = fetch_filtered_issues(
    keywords=['"infinite loop"', "state"],
    repo="langchain-ai/langgraph",
    days_ago=90,
    max_results=10
)

for issue in issues:
    print(f"[{issue['repo']}#{issue['number']}] {issue['title']} - {issue['url']}")

Отсев шума: как отличить ценные issues

Не все issues одинаково полезны. Высокосигнальная проблема обычно имеет три признака:

• Релевантность: текст напрямую связан с вашей архитектурной задачей.
• Намерение: пользователь активно ищет обходное решение или альтернативный инструмент.
• Вовлечённость: в обсуждении участвуют мейнтейнеры и пользователи — это признак реальной проблемы.

Игнорируйте issues без комментариев — скорее всего, они не вызывают интереса.

Стратегия вовлечения: ценность прежде всего

Разработчики не выносят спама. Если вы нашли релевантную проблему, сначала решите её прямо в треде, и только потом упоминайте свой проект. Используйте трёхчастную схему:

1. Прямое решение: дайте рабочий пример кода, даже если это временный хак.
2. Контекст: объясните, почему архитектура подводит пользователя.
3. Мягкая интеграция: предложите свой инструмент как вариант решения.

Например: «Если вам нужно решение, которое работает без задержек, я поддерживаю [название репозитория]. Надеюсь, сниппет поможет вам прямо сегодня!»

Практический вывод: что делать прямо сейчас

Скопируйте скрипт, настройте под свои ключевые слова и запустите анализ. Начните с одного репозитория, где сосредоточена ваша целевая аудитория. Через неделю у вас будет список реальных болей, на основе которых можно строить продукт. Не гадайте — анализируйте.