北京
一个编程智能体在任务中新增依赖、克隆仓库或改写现有项目代码时，维护者通常看不到任何任务级信号，无法知道自己的工作被实际用上了。现在有开发者发布了一款名为agent-thanks的命令行工具，专门从可观察证据中重建这一小段开源使用记录。它回答的问题比依赖树扫描器更窄：这一次编程任务中，哪些仓库被新发现且可观察地使用了？
证据链如何建立
agent-thanks会把当前工作树与Git基线做对比，还可以选择检查本地的智能体会话记录。报告中出现的每个仓库都附带指向它的证据，包括：
- 新增的直接依赖
- 克隆或Git安装命令
- Git子模块
- 明确的“copied from”“adapted from”或“used code from”来源标注行
- 会话记录中出现的GitHub链接
最后一种情况被刻意区别对待。一个裸链接只是低置信度的参考，不能证明有实际使用。它会保留在报告里供人工复核，但永远没有资格触发Star操作。检测只依赖确定性规则，没有第二个模型来判断什么算使用。
自动化边界：检测可以自动，感谢必须人工
证据管线可以无人值守运行，但Star操作不行。每一次新的Star都需要在交互式终端里做一次明确的、默认选No的y/N决定，之后还要再确认一次。工具没有自动模式，没有全量批准开关，没有管道确认，没有无人值守的Star路径，也没有办法把低置信度参考提升为Star候选。
开发者解释，GitHub的可接受使用政策把自动点赞或关注列为排名滥用行为，因此希望把这条边界直接做进产品里：检测和证据是自动化的，感谢始终是人的决定。如果Star成功执行，命令行会打印出本次调用所创建Star的精确撤销命令。
只读演示与真实扫描
工具要求Python 3.10以上版本，可以通过pipx从GitHub安装v0.4.0版本并运行演示。演示不需要GitHub登录，不发起网络请求，不写文件，也不改变任何Star状态。真实扫描同样可以保持只读，使用--dry-run参数运行后，再通过export命令把报告导出为Markdown文件。
导出的Markdown报告即使你从不点Star也有价值。它可以被复核，并作为任务级证据记录附在拉取请求或发布说明里。
隐私与网络行为
会话日志内容保留在本地。包名到仓库的映射可能会查询PyPI、npm或crates.io，这会把包名发送给对应注册表，使用--offline参数可以关闭这些查询。复核和导出报告不会发起网络请求。GitHub认证检查与存在性检查的相关逻辑也在工具中做了处理。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
