2021 中国开源码力榜合作社区招募:一起寻找开源世界的超级码丽

简介: 2021 中国开源码力榜合作社区招募:一起寻找开源世界的超级码丽

当开源被越来越多人关注,如何让代码背后的开发者们从幕后走到台前,被更多人认识和关注?带着这样的初心,SegmentFault 思否、开源社、腾源会、X-Lab 实验室共同发起了「2021 中国开源码力榜」评选活动。

用数据说话,我们抓取了 2021 全年 GitHub 影响力排名前 1 万账号的协作影响力和位置(城市)信息,并计划通过以上数据剔除 bot 账号、海外账号后,标注寻找出中国的 “超级码丽”。

为了避免误差,需要大量的人工筛查工作。考虑到 X-Lab 实验室不少项目成员都在 Wuhan2020 项目中积累了宝贵的文档协作经验,在这一项目中,我们也把文档开放了出来,目前已有大量开发者和开源爱好者在陆续参与中,但仍需要更多援手。

现广泛征集合作社区!我们希望这个活动可以被更广泛地传播出去,让更多人和我们一起寻找代码背后的 “超级玛丽”,一起逛“集市”,发现有趣的灵魂,让那些推动社区前行的力量被看见。

我们希望大家享受这个「找寻之旅」,我们也将在后续的传播中对合作社区一一致谢,并邀请合作社区参与到 SegmentFault 思否后续的各大活动。

如果您有兴趣成为「2021 中国开源码力榜」合作社区,请填写表格:https://jinshuju.net/f/x3LvQF,并联络我们的项目组成员 Leo(Wechat:Leo__Ly_)


榜单介绍:2021 中国开源码力榜启动,寻找开源世界的超级码丽

2022 年 1 月 13 日,SegmentFault 思否联合长期耕耘与推广开源文化的开源社共同推出了《2021 中国开源先锋 33 人》榜单,一众开源先锋上榜,一时间引发了行业的广泛关注与讨论。他们当中有贡献代码的开发者、开源项目发起者、开源布道师、开源治理专家、关注开源的投资人、开源社区经理等等,他们推动着开源生态的繁荣与发展。

“开源”是 2021 中国技术发展的年度热词,越来越多人关注开源、贡献开源。

在本土,“开源”作为国家战略被首次写入国家“五年规划”,新锐开源商业公司如雨后春笋一般诞生并获得资本青睐,中国首个明确 GPL 3.0 协议法律效力的判决案例尘埃落定……在与国际接轨上,ASF、LF、CNCF 等国际开源基金会中源自中国的开源项目越来越多,越来越多位中国的开源先锋人物在国际顶级开源基金会里承担重任……

然而,谈到中国的开源盛况,开源布道师李建盛老师(适兕)曾在一次专访中表示 “真实的开源世界依旧冷清”,鼓励大家“要到开源真正发生的地方里去。”我们也收到了不少社区开发者的反馈 —— 如何能帮助在开源社区中贡献代码的开发者们也被更多人认识?

在和一众开源老友的讨论后,SegmentFault 思否计划联合开源社、腾源会、X-Lab 实验室发起一个全新的、专属于开源开发者的榜单 —— 中国开源码力榜,完全通过 GitHub 开发者协作影响力进行排名、评选。

寻找开源世界的超级码丽

说干就干,由 SegmentFault 思否、开源社、腾源会、X-Lab 实验室等核心成员构成的工作组在昨天中午正式成立。

感谢 X-Lab 实验室 OpenDigger 项目组的支持,我们抓取了 2021 全年 GitHub 影响力排名前 1 万的账号、协作影响力和位置信息,并计划通过以上数据寻找到中国的 “超级码丽”。

观察发现,在前 1 万的账号中有不少为 bot 机器人,还有约 1000 位用户位置信息缺失。为了避免误差,我们还需要进行大量的人工筛查工作,并在表格中标注账号类型。

人工筛查和标注大量的工作目前已经在进行中,但仍需要更多人予以援手。考虑到 X-Lab 实验室不少项目成员都在 Wuhan2020 项目中积累了宝贵的文档协作经验,在这一项目中,我们也将会把文档开放,欢迎广大开发者和开源爱好者一起参与

参与方式

扫描二维码或点击链接:https://docs.qq.com/sheet/DQW... 访问协作文档

image.png

按照文档 sheet2 的 “信息说明表” ,在文档中对账号类型进行标注。

第一版文档协作完成后,后续内容迭代与开放式讨论协作将在 GitHub 上进行,在后续传播中,我们会给出本项目在 GitHub 上的协作流程指南。

开源码力项目 Github 地址https://github.com/OpenSource...

Let’s Make Great Things Happen!🚀 开源码力榜 - 一起做开源世界的超级码丽!


特别致谢

  • 感谢第一时间在社区中为我们反馈意见的朋友和开发者(郭悦@亚马逊云科技、陈源@Apple Cloud)
  • 在项目组中积极贡献的:陈阳、Cici、Fen、高阳 Sunny、顾业鸣、江波、Joyqi、林青、刘天栋 Ted、刘源 Leo、Ming、倩芸、单致豪 Mark、王伟、夏小雅、辛庆 Cynthia、詹钰、赵生宇 Frank、庄表伟
  • 项目联合发起方:SegmentFault 思否、开源社、腾源会、X-Lab · OpenDigger
  • 合作社区:KubeSphere 社区

image.png


关于 SegmentFault 思否

SegmentFault 思否作为中国领先的新一代开发者社区和专业技术媒体,是国内 DGC (Developer Generated Content) 内容最丰富、技术问答板块最活跃的开发者社区。

目前已经覆盖和服务了超过 1000 万开发者和上千家科技企业,帮助开发者解决了超过数百万个技术问题,用户原创产生的优质技术文章已累积超过 50 万篇,上千家科技企业技术团队入驻。


关于开源社

开源社是由国内外支持开源的社区、个人及企业,依“贡献,共识,共治”原则,所组织的厂商中立、纯志愿者、非营利的开源联盟,旨在共创健康可持续发展的开源生态体系,并推动中国开源社区成为全球开源软件的积极参与及贡献者。我们专注于开源治理、国际接轨、社区发展和开源项目。


关于腾源会

腾源会(WeOpen)是腾讯云成立的汇聚开源项目、开源爱好者、开源领导者的开放社区,致力于帮助开源项目健康成长、开源爱好者能交流协助、开源领导者能发挥领袖价值,让全球开源生态变得更加繁荣。


关于 X-lab & OpenDigger

X-lab 开放实验室是一群由来自国内外著名高校、开源创业公司、以及部分互联网、IT企业的专家学者与工程师所构成,聚焦于开源产业开放式创新的共同体,长期思考并实践开源教育、开放式组织创新、开源数字生态等主题。

OpenDigger 是 X-lab 实验室发起的 GitHub 全域数据分析项目,旨在汇聚开源世界的各类开放数据与全球开发者的智慧,从数据视角为开源世界带来更多洞见从而帮助开发者更好的参与到开源世界之中。目前 OpenDigger 已经进入到木兰社区孵化。

开源segmentfault

相关文章
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
AI剧本生成与动画创作:能否成为短视频创作的革命性工具?
《AI剧本生成与动画创作》解决方案结合自然语言处理与深度学习技术,能自动生成剧本并转化为动画,极大提升创作效率,降低门槛。部署过程需约3小时,适合非专业用户快速响应热点内容。尽管在创意和细节上仍存不足,但已为短视频创作者提供高效路径,值得尝试。未来,随着技术进步,AI创作工具将带来更多惊喜。
575 10
AI剧本生成与动画创作:能否成为短视频创作的革命性工具?
|
物联网
IoT物联网设备OTA固件升级开发实践
通过OTA方式,我们可以对分布在全球各地的IoT设备进行设备固件升级,而不必让运维人员各地奔波。
8034 0
|
12月前
|
安全 搜索推荐 数据安全/隐私保护
VoceChat站内社区:连接你我,共享精彩
VoceChat站内社区提供语音和文本通讯,内置丰富主题板块,支持实时互动、群组聊天和个人化设置,保障数据安全。用户可在此分享、讨论、组织活动,结交全球好友,构建开放包容的交流空间。官方部署教程:<https://doc.voce.chat/zh-cn/install/docker>,推荐使用阿里云服务器部署。
383 3
|
12月前
|
存储 人工智能 API
SPO:如何优化提示词?大模型最懂如何优化自己!开源自监督提示词优化工具,让AI自主优化提示词
本文介绍由DeepWisdom与香港科技大学联合研发的SPO框架,通过自我监督机制实现大语言模型提示优化,仅需3个样本即可达到SOTA效果,优化成本降低至传统方法的1.1%-5.6%。
2424 0
SPO:如何优化提示词?大模型最懂如何优化自己!开源自监督提示词优化工具,让AI自主优化提示词
|
人工智能 机器人 芯片
《C++与类脑芯片:开启人工智能硬件新征程》
在人工智能快速发展的背景下,类脑芯片作为模仿人类大脑神经元结构的新型硬件,以其低功耗和高并行处理能力崭露头角。C++凭借其高效执行、强大内存管理和丰富的库支持,在类脑芯片的应用开发中展现出独特优势。二者结合不仅在智能感知、数据处理和机器人控制等领域带来突破,还为未来创新应用如智能诊断、个性化教育等开辟了广阔前景。尽管面临编程复杂性和生态不完善等挑战,但通过学术界、产业界和开源社区的合作,C++与类脑芯片有望推动人工智能迈向新高度。
361 12
|
数据库连接 C++
什么是RAII原则
【10月更文挑战第19天】什么是RAII原则
566 1
|
机器学习/深度学习 人工智能 文件存储
【小样本图像分割-3】HyperSegNAS: Bridging One-Shot Neural Architecture Search with 3D Medical Image Segmentation using HyperNet
本文介绍了一种名为HyperSegNAS的新方法,该方法结合了一次性神经架构搜索(NAS)与3D医学图像分割,旨在解决传统NAS方法在3D医学图像分割中计算成本高、搜索时间长的问题。HyperSegNAS通过引入HyperNet来优化超级网络的训练,能够在保持高性能的同时,快速找到适合不同计算约束条件的最优网络架构。该方法在医疗分割十项全能(MSD)挑战的多个任务中展现了卓越的性能,特别是在胰腺数据集上的表现尤为突出。
318 0
【小样本图像分割-3】HyperSegNAS: Bridging One-Shot Neural Architecture Search with 3D Medical Image Segmentation using HyperNet
|
小程序 开发者
社区每周丨半屏小程序开启试用及开放实验室正式上线(8.14-8.18)
社区每周丨半屏小程序开启试用及开放实验室正式上线(8.14-8.18)
408 11