报告：feat: 缓存 Github 请求以处理并发插件请求

总结

在处理并发插件请求时，频繁的Github API调用可能导致请求速率限制（rate limit）问题。为优化性能并减少对Github API的依赖，我们决定使用requests-cache库来缓存Github请求。本报告总结了使用requests-cache解决上述问题的具体方案。

解决方案

通过参考requests-cache提供的示例代码（参考链接），我们实现了以下步骤：

安装 requests-cache
```
pip install requests-cache
```

集成 requests-cache 到当前项目 我们在项目初始化阶段设置了requests缓存，这样所有的Github API请求都会先检查缓存，只有在缓存未命中的情况下才会发送实际请求。

import requests_cache
from github import Github

# 设置缓存，Expire time 为 1 小时
requests_cache.install_cache('github_cache', expire_after=3600)

# 使用 PyGithub 初始化 Github 对象
g = Github("<your_github_access_token>")

# 示例请求
repo = g.get_repo("octocat/Hello-World")

验证缓存效果 在实际测试中，首个请求会存储在缓存中，后续相同请求将直接从缓存中获取，显著提高了响应速度并降低了对Github API的请求频率。

graph TB
    A[Start] --> B[Initialize Project]
    B --> C[Install requests-cache]
    C --> D[Setup Cache with requests-cache]
    D --> E[Make Github API Request]
    E --> F{Is Request in Cache?}
    F -- Yes --> G[Fetch Data from Cache]
    F -- No --> H[Send API Request to Github]
    H --> I[Store Response in Cache]
    I --> G
    G --> J[Process Data]
    J --> K[End]

以上流程图描述了请求过程及缓存工作机制。

通过这套缓存机制，成功解决了并发插件请求中的Github请求速率限制问题，提高了整体系统的性能和可靠性。

LlmKira / contributor

feat:Cache Github requests to handle concurrent plugin requests. #9

报告：feat: 缓存 Github 请求以处理并发插件请求

总结

解决方案