0次AI调用，6个故事线探测器，15个SQL视图——一个周末打造的工具，给每个公共GitHub仓库出一张叙事卡片。没有占星术式的编造，它只靠纯SQL决定故事，再让Snowflake Cortex朗读真实数据。这就是Commit Chronicles要做的事：把人人扫过却从没人读的提交记录，变成一条有弧线的真实故事。
点开别人的年度代码回顾，大概率会收到一篇像星座运势的总结，或者LinkedIn上程式化的编程旅程帖。但这个小项目打赌一个周末就能证明：AI可以不编造，就在提交记录里找到真相。它的做法相当硬核——故事引擎完全由SQL驱动，AI只在最后的叙述环节被允许出声，而且张嘴只能说已有证据支持的事实。
整个流水线分三步杀死“AI胡说”的可能：第一步，内置的6个故事线探测器通过15个SQL视图，0次AI调用，从提交模式里挑出最适合讲的那个故事。它不瞎猜，只看模式——比如四月放弃某仓库却又在凌晨3:32回来的执着，或者某一周里每次提交都是回滚的崩溃；第二步，从仓库里取出20到140条提交记录（最多不超过全库25%的提交）作为证据，交给Cortex去叙述那条线索，所有时间戳、数量、间隔和引用的提交消息都来自真实数据，模型被硬性禁止给提交者编造动机；第三步，把结果结构化输出，Cloud Run只负责把它渲染成一张1200×630的PNG——刚好能塞进README和社交预览卡里。卡片的颜色也不是装饰：Cortex会根据故事弧线选一个六进制强调色，于是死掉的仓库和复活并发布新版的仓库，呈现出的色彩完全不同。如果你好奇，打开commitchronicles.anchildress1.dev随便丢个公开仓库名就能看到结果。
最诚实的设计是，如果某个仓库的提交记录实在榨不出故事，它直接发出一张灰色卡片，标注“这里没有故事”，而且根本不会调用Cortex。工具承认“不是每个仓库都承载一段痴迷”，恰恰因为它在稀疏历史上选择闭嘴，用户才会在看到真正有故事的卡片时选择相信。这比很多张嘴就来的AI总结有信服力得多。
项目作者没把这叫激情，而是称其为痴迷——激情是你在演讲幻灯片里用的词，痴迷才是记录里真实发生的事：那个你放不下的仓库，四月丢下它又在凌晨3:32捡回来，或者一整个星期每次提交都是回滚。贡献图只能告诉你工作发生了，但永远不会告诉你发生了什么。Commit Chronicles用纯SQL把线索从统计噪声里分离出来，再让模型做它唯一该做的事：朗读证据，不添油加醋。
热门跟贴