FacereDataset/docs/sources/oshwhub_listing_full.md

oshwhub 全量 Listing 索引简报

采集时间：2026-04-28 数据：data/state/oshwhub_listing_full.jsonl（28.4 MB，gitignore，可重抓） 采集脚本：scripts/dump_listing_index.py 接口：https://oshwhub.com/api/project?origin={pro,std}&pageSize=1000&page=N，无鉴权 耗时 / 流量：35 次请求 × ~1 MB ≈ 35 MB / 71 秒（QPS=1）

---

1. 总盘

origin	项目数	时间跨度	唯一作者数
Pro	21,202	2021-05 ~ 2026-04	10,536
Std	12,493	2016-07 ~ 2026-04	5,531
合计	33,695	—	~16,000

"项目"定义：listing API 返回的 public:true 公开项目；私有 / 草稿不计入。

Pro / Std 不重叠（单项目 origin 二选一）。

---

2. 增长趋势（按 created_at 年份）

year	Pro	Std
2016	—	1
2017	—	73
2018	—	30
2019	—	320
2020	—	2,545
2021	13	3,193
2022	1,718	3,394
2023	4,056	1,554
2024	6,827	905
2025	7,436	426
2026 (Q1)	1,152	52

关键观察：

• Std 在 2021-2022 见顶后断崖下跌（3394 → 1554 → 905 → 426），用户在迁出。
• Pro 2022 起线性增长，2024-2025 合计占全 Pro 的 67%。
• 2026 仅过 4 个月就有 1,152 Pro 新项目（外推全年 ~3,500，会比 2025 略降，但仍是主战场）。

→ 抓取策略含义：Pro corpus 还在快速膨胀，索引建议每月增量重抓一次；Std 已基本静态。

---

3. 质量分层

Tier	条件	Pro 命中	Pro %	Std 命中	Std %
S	grade≥4 & like≥50	390	1.8%	193	1.5%
A	grade≥3 & like≥10	1,356	6.4%	1,450	11.6%
B	grade≥2 & like≥5	2,292	10.8%	3,951	31.6%
总池	grade≥1	20,028	94.5%	9,510	76.1%
末档	grade==0	1,174	5.5%	2,983	23.9%

两点反直觉：

• Std 高质量比例 > Pro（A 档 11.6% vs 6.4%）。Std 平台老，项目有时间累积点赞；Pro 大量是 2024+ 新项目，社交信号还没沉淀。
• Pro 末档比例反而低（5.5% vs 23.9%）。可能是 grade 内部打分逻辑不同，Std 兜底更宽。

---

4. 互动指标分布

like

	p50	p90	p99	max
Pro	2	22	190	2,137
Std	6	40	207	1,457

views

	p50	p90	p99	max
Pro	1,036	6,550	39,144	1,036,026
Std	3,362	13,519	53,663	348,877

Std 流量是 Pro 同档位的 ~3 倍（更老更普及）；但 Pro 头部单项 view 能上百万（X86 主板等）。

---

5. 头部作者（按项目数）

Pro top-10

#	username	n
1	course-examples	79
2	freakstudio	79
3	aknice	69
4	eda_kwazdnpkc	64
5	windskys	56
6	li-chuang-kai-fa-ban	49
7	dingcheng	44
8	o0v0o	42
9	xiaocc22	42
10	eda_ycuzzivoa	41

Std top-10

#	username	n
1	li-chuang-zhi-neng-ying-jian-bu	183
2	zhqsoft	144
3	jixin	92
4	Ismartware	53
5	FJ956391150	52
6	an_ye	51
7	micespring	48
8	li-chuang-EDAjing-sai-xiao-zu	47
9	583703056a	46
10	akatople	46

立创官方账号占据头部（course-examples / li-chuang-kai-fa-ban / li-chuang-zhi-neng-ying-jian-bu / li-chuang-EDAjing-sai-xiao-zu）—— 这些是 开发板 / 比赛 / 教程 系列，质量高、license 倾向 GPL/NC-SA，内容受立创内部审核。

长尾比较健康：top 1 占比仅 0.4% (Pro) / 1.5% (Std)；不存在被少数账号 dominate 的情况。

---

6. listing API 注意事项（沉淀给后续爬虫开发）

• origin 默认值：不带参数返回 Std；要 Pro 必须显式 origin=pro。
• sort 参数无效：hot/new/newest/latest/created_at/... 全部静默 fallback 到隐式排序。实测排序 = grade desc → 内部质量分 desc。要"按时间排序"得自己拉全集后本地排。
• pageSize 无显式上限：pageSize=1000 工作良好，单次响应 ~1 MB；pageSize=30（旧爬虫默认）效率低 30 倍。
• license 不在 listing：要 license 必须挨个抓详情页 (/<owner>/<path>)，33,695 个 → QPS≤0.5 → ~19 小时；考虑同步抓索引时只抓详情页，不重抓 listing。
• public:true 隐含：listing 只返公开项目；不过我们也只关心公开项目。

---

7. 后续放量决策的量化锚点

目标	候选池大小	估算开销（详情页 + 工程源）
保守：S 档（grade≥4 & like≥50）双 origin	583	1-2 小时详情，~50 GB Pro 工程源 + ~10 GB Std
中度：A 档（grade≥3 & like≥10）双 origin	2,806	~7 小时详情，~250 GB Pro + ~25 GB Std
激进：B 档双 origin	6,243	~14 小时详情，~500 GB Pro + ~60 GB Std
全 Pro	21,202	19h 详情，~1 TB Pro 源
全 corpus	33,695	19h 详情，~1.1 TB+

Pro 工程源体积估计基于已落库 5 项均值（最坏单项 481 MB），P50 约 30 MB；中度 + 激进档若加 size cap（如单项 ≤ 200 MB skip）能砍 30-40%。

当前下一步建议：

• 先按 A 档（2,806 项）在本地索引上 filter，做 license 详情扫描，得到"license 白名单 ∩ A 档"的真实候选清单
• 再决定是否动手批量下源