黑盒热榜 5 项目实证研究（2026-09-08）¶
来源：小黑盒 GitHub 热榜日报 → 全量实证研究 方法：GitHub API 实证 star + clone 读代码 + 子代理深度研究 + 质疑式核验 结论：3 项有借鉴价值 / 2 项不引入仅作参考
一、实证数据（不轻信黑盒统计）¶
| 项目 | 黑盒声称 | 实测真实 | 授权 | 判定 |
|---|---|---|---|---|
| marketingskills | 47.8k★ | 48.2k★ | MIT | ✅ 值深挖 |
| DeerFlow 2.0 | 8.2万★ | 81.9k★ | MIT | ✅ 值借鉴 |
| LunaTV | 9.6k★ | 9.8k★ | CC BY-NC-SA | ⚠️ 借技术不商用 |
| pascal/editor | 2.2万★ | 22.4k★ | MIT | ✅ 值借鉴 |
| camofox | 9.3k★ | 9.8k★ | MIT | ❌ 不引入 |
二、各项目核心结论¶
1. marketingskills（48.2k★，MIT）— ★最值得深挖¶
不是技能文件集合，是一套「AI 营销自动化操作系统」： - 55 个营销 skill 覆盖漏斗全环节 + 51 个零依赖 Node CLI 工具 - 每个 skill 配 evals.json（prompt + 20+ 断言验证输出质量）——可测试技能库 - product-marketing 上下文原语（所有 skill 先读产品定位）——解决「技能不知道给谁做」 - marketing-loops 编排（自运行营销循环：keyword-gap/ranking-drop 等，9 要素 + 幂等性 + guardrails）
对我 AI 营销技能库的启示：不必照搬 55 个，但必须补两个差异化原语：① evals.json 质量断言 ② product-marketing 上下文前置。这是它 48k★ 的核心原因。
2. DeerFlow 2.0（81.9k★，MIT，Python）¶
- 字节 2.0 用 LangGraph 重写的「通用 long-horizon SuperAgent 运行时」，已脱离 deep-research 框架
- 本质差异 vs Hermes/OpenClaw：「真实沙盒执行 + checkpoint 可恢复的多步产出型任务」vs「日常通用助手」
- 部署：Docker 推荐非唯一——有 Local Execution 模式可无 Docker 跑，但必须 Git Bash（本机可用）；无 Docker = 牺牲沙盒安全边界
- 卖点核实：官网 + 免登录 demo 属实；MCP 一等集成成熟
- 短板：跨会话记忆不稳定、小模型 structured output 失败
- 结论：值得深入研究；部署门槛已降低（2026-09-20 复核：本机虚拟化可用 + Docker CLI 已装，仅 Daemon 未运行，见 [[knowledge/META/current-environment]]）——先轻量评估/借鉴设计，部署待 Daemon 就绪
3. LunaTV（9.8k★，CC BY-NC-SA）— ⚠️禁商用¶
- 本质：Next.js 14 前后端单体（41 个 API route 承担聚合/认证/m3u8 代理/存储）
- 完成度高：README 声称 7 项功能全部有真实代码落地，无画饼
- License 矛盾：README 徽章标 MIT，LICENSE 实为 CC BY-NC-SA 4.0（需警惕）
- 可借鉴技术（核心价值）：
Promise.allSettled+超时竞速+负缓存聚合容错、自写 LRU/多态搜索缓存、IStorage存储抽象 + 连接重试、探测式列数行虚拟化网格、服务端 m3u8 改写代理 - 风险：影视聚合高合规风险；零测试（jest 配了无 1 个测试文件）；认证偏弱
- 结论：只借技术架构（聚合容错/缓存/SSE），不引入本体（合规红线）
4. pascal/editor（22.4k★，MIT，WebGPU 3D）— ★对 sora CAD 方向最相关¶
- 定位：R3F + WebGPU 纯浏览器参数化 3D 建筑编辑，原生内置 31 个 MCP 工具 + CLI
- 最有价值：MCP 语义工具层（create_room/add_door/furnish_room/check-collisions/validate_scene + apply-patch/undo/redo/export-glb）+
pascal://agent-guide工作流 +editorUrl交接人确认 = 完整 AI 驱动闭环 - 能：建筑/室内全流程（参数化墙 + CSG 门窗开洞、楼层、碰撞/净空校验、GLB/JSON 导出、实时协作）
- 不能：通用 CAD、无 STEP/制造级导出、受浏览器内存约束
- 架构纪律可抄：Core 不 import Three.js（headless 零 GPU）、Core sub-path exports、schema 双向约束 UI 与 AI、MCP 语义工具化
- 对比：implicit-cad（隐式 SDF/有机/打印）与 FreeCAD（B-rep/制造级/需本地）是两极，pascal 是「空间规划 + AI 建造」中间路线，浏览器原生 + MCP 原生化领先
- 结论：对 sora 的 CAD/PCB 自动化 MCP 方向是直接参考实现
5. camofox-browser（9.8k★，MIT）— ❌不引入¶
- 不是独立浏览器，是 Camoufox（Firefox C++ 反检测分支）的 REST 封装服务
- 反检测在 Gecko C++ 编译期（非 JS shim，无补丁痕迹）
- 不支持 CDP → 不能做 Hermes CDP 无缝替换
- 部署：主推 Docker；本机虚拟化已就绪（Docker Desktop+WSL2 路径通畅，Daemon 未运行）
- 合规：本质 bypass 工具，仅限授权/公开数据采集
- 不引入（不支持 CDP + 违规风险，Docker 已不再是阻塞项），仅借鉴工程架构（accessibility snapshot 省 ~90% token、会话隔离）
三、对我项目的可执行启示¶
| 方向 | 借鉴来源 | 具体动作 |
|---|---|---|
| AI 营销技能库升级 | marketingskills | 补 evals.json 质量断言 + product-marketing 上下文前置 |
| CAD 自动化 MCP | pascal/editor | 参考其 31 个 MCP 语义工具 + headless Core 设计 |
| 多步 Agent 任务 | DeerFlow | 借鉴 checkpoint 恢复 + sandbox 分级，本机暂不部署 |
| 聚合容错前端 | LunaTV | 借 Promise.allSettled 竞速 + 负缓存 + 虚拟滚动（合规前提下） |
| 抓取架构 | camofox | 借鉴 token 高效方案，不引入本体 |
四、文件索引¶
D:\tongpin-review\marketingskills-实证调研.md— marketingskills 完整实证~\deer-flow-deep-research.md— DeerFlow 深度报告~\LunaTV_研究报告.md— LunaTV 深度报告~\pascalorg-editor-research.md— pascal 深度报告~\camofox-browser-research.md— camofox 深度报告
🗺️ 属于 [[MOC-Research]] · [[Home|🏠 Home]]