5160 star 对 505 fork:从 fork/star 比看 Macro 的使用者里有多少真在写代码
5160 star 对 505 fork:从 fork/star 比看 Macro 的使用者里有多少真在写代码
5160 个 star,505 个 fork,比值 9.79%。
这个数字在中文技术社区被反复引用,通常被解读成一句话:star 涨得很快,但没人真的动手。这种解读有一半是对的,另一半则混淆了两件根本不同的事——star 记录的是“我看见并愿意背书”,fork 记录的是“我想要一份可改的副本”。前者是注意力,后者是行动意图,而在一个刚满一岁的产品型仓库里,这两条曲线的分离速度往往比想象中更快。
本文不打算用“fork 少 = 项目水”这种廉价结论收尾。我们把 9.79% 放进同期主流开源工作台、笔记与 CRM 项目的分布里做横向定位,再用仓库里的真实证据(star 曲线生成脚本、许可证变更时间、本地开发门槛、贡献流程、代码体量)拆解这个比值背后的四个独立成因,最后给出对早期项目真正有效的替代指标。
一、9.79% 落在什么区间:产品型仓库与开发者基建型仓库的分野
先把对照组摆出来。以下数据取自同一时间窗口的仓库页面快照,取整到百位,比值为 fork 数除以 star 数:
| 项目 | Star | Fork | Fork/Star | 定位 |
|---|---|---|---|---|
| cal.diy(Cal.com 社区版) | 49.5k | 15.5k | 31.3% | 自托管调度基础设施,MIT |
| twenty | 60.0k | 9.8k | 16.3% | 开源 CRM,可二次开发 |
| Macro | 5.2k | 507 | 9.8% | 一体化团队工作台,AGPLv3 |
| nocodb | 65.4k | 5.1k | 7.8% | Airtable 替代,自托管 |
| AppFlowy | 77.9k | 6.1k | 7.8% | Notion 替代,Flutter + Rust |
| AFFiNE | 73.9k | 5.4k | 7.3% | Notion + Miro 融合 |
| logseq | 45.4k | 2.9k | 6.4% | 隐私优先的知识管理 |
这张表能立刻否掉一个常见误判:9.8% 并不处于“异常低”的尾部。
真正把 fork/star 拉高的,不是“代码写得有多好”,而是“fork 之后能立刻拿到什么”。cal.diy 的 31.3% 来自 MIT 许可证 + 一句话 docker compose up 就能自托管 + 明确的“社区版、无企业功能”承诺,fork 是一个理性的部署动作;twenty 的 16.3% 来自它把“CRM 即代码”作为卖点,用户 fork 是为了改对象模型。
而 AppFlowy、AFFiNE、logseq 全部落在 6%–8%:它们都是终端产品,绝大多数用户只想“用”,不想“改”。Macro 的 9.8% 属于这一类,甚至还略高于同类中位数。
所以这个比值首先说明的是仓库类型,而不是代码质量。它是一个“产品型开源仓库”的正常读数,而不是一次失败的社区动员。
二、star 曲线不是自然增长:三天涨了约 2800
比 fork/star 更值得看的,是 star 自身的形状。Macro 把这条曲线连同生成脚本一起放进了仓库,这在商业公司里并不常见,也因此成了最硬的一手材料。
脚本 .github/readme/star-history.py 里保存了逐周的累计 star 采样,注释写明数据来自 GitHub stargazers API 的 starred_at 时间戳,采样截至 2026-09-14 的 4320 star。把关键节点抽出来看:
| 日期 | 累计 star | 阶段 |
|---|---|---|
| 2025-11-18 | 0 | 仓库公开 |
| 2026-01-02 | 26 | 低速积累 |
| 2026-03-06 | 37 | 几乎走平 |
| 2026-04-03 | 60 | 缓慢抬头 |
| 2026-06-26 | 284 | 稳定爬坡 |
| 2026-07-24 | 591 | 加速 |
| 2026-08-07 | 761 | 加速 |
| 2026-08-10 | 895 | 进入陡坡 |
| 2026-08-11 | 1059 | — |
| 2026-08-12 | 1754 | 单日 +695 |
| 2026-08-13 | 2577 | 单日 +823 |
| 2026-08-14 | 3016 | 单日 +439 |
| 2026-09-14 | 4320 | 回落到日均数十 |
| 当前 | 约 5160 | 长尾 |
三天净增约 2800 star,占当时总量的九成以上。这是典型的“单点曝光”曲线——一次登上聚合榜单、一次成功的内容分发、一篇被广泛转发的帖子,都会产生这种形状。它和“产品被日常使用后自然传播”的 S 型曲线完全不同:后者斜率平缓上升,前者是垂直墙加长尾。
更有意思的是仓库对 star 的态度写得毫不遮掩。README 结尾原文是:
If Macro is interesting/useful to you, please scroll up and give the repo a star (scroll to the top of this page -> click Star in top right). Stars are how most users hear about Macro because they move us up GitHub's search and trending pages.
维护者自己把 star 定义为分发渠道的排序信号,而不是采用度的度量。既然如此,用 star 的分母去推断“有多少人在写代码”,从一开始就选错了指标。
三、505 个 fork 被三重门槛压低:许可证、环境、流程
真正的问题不是“为什么 fork 只有 505”,而是“为什么在 5160 次注意力之后,只有 505 次点击了 fork 按钮”。三次点击的成本几乎为零,剩下 90% 的人连这个零成本动作都没做。原因可以拆成三层,每一层都能在仓库里找到对应证据。
3.1 许可证:AGPLv3 让“fork 一个商用衍生品”这条路成本陡增
apps/docs/faq.mdx 里写得很清楚:项目此前是 BSL(Business Source License)下的 source-available,2026 年 5 月 31 日才切换到 AGPLv3。同一页还给了一句关键补充:
The AGPL is a copyleft license meaning derivative works also need to be open source. That means that if you build on top of Macro, you need to keep your code open source under the AGPLv3. If you want to build on top of Macro and not use the AGPLv3 ... you need to obtain a different license from us.
这句话直接改变了 fork 的收益结构。对绝大多数“想基于一个开源 SaaS 搓个闭源产品/内部定制版”的团队来说,AGPLv3 意味着 fork 之后要么开源自己的改动,要么去谈商业授权(licensing@macro.com)。fork 这个动作不再是“低成本期权”,而是一个带有法务后果的决策。
值得注意的是,许可证变更发生在 star 暴涨之前三个月。所以不能把 505 的低 fork 数简单归因于 BSL 时期的法律限制——该限制早已解除。真正起作用的是 AGPL 的长期预期:它压抑的是“为闭源衍生而 fork”的动机,而这恰恰是同类项目 fork 数的主要来源。
仓库自身也没有为“被大量二次开发”做优化。许可证全文见 LICENSE.txt,采用 AGPLv3 全文而非 open-core 拆分,意味着不存在“社区版可自由商用”的那层缓冲。
3.2 环境门槛:跑起来需要 Nix + 一整套 Docker 服务
fork 之后的核心动作是“跑起来”。而 docs/development/running-locally.md 给出的两条路径,一条比一条重。
轻路径是只改前端,让 Vite 直连厂商托管的 *-dev 服务:
bun install
cd apps/web
bun run dev
即便如此,文档仍然要求先装 Nix 并执行 nix develop,因为构建链里包含 wasm、wasm-pack、sqlx、cargo-zigbuild、Bun 与 Rust 工具链;首次运行还要生成开发 CA 并让浏览器信任 infra/local/certs/ca.pem。
重路径(改后端、改数据库)则是完整本地栈:
just doctor-local
just run_local --no-doppler
按文档描述,这条命令会在 Docker 里拉起 Postgres、Redis、LocalStack、OpenSearch、Kafka 与 FusionAuth,并使用固定的测试密钥。也就是说,一个想给 Macro 提 PR 的开发者,机器上需要同时具备 Nix、Docker 守护进程、约七八个有状态服务的编排能力,以及对 AWS 模拟层的基本认知。
这不是设计缺陷——一个把 email、chat、docs、tasks、calls、CRM 全塞进同一套权限与图模型里的系统,本来就无法靠 npm install 复现。但它的直接后果是:fork 的人群里,“能真正跑起来并验证改动”的比例被系统性压低了。 大量 fork 停留在“我先存一份,等有空再看”的状态。
3.3 流程门槛:CLA、issue-first 与隐私检查
第三层门槛在贡献路径上。CONTRIBUTING.md 定了三条硬规则:
- 先开 issue 再提 PR——"PRs that show up without a linked issue may be closed."
- 签署 CLA——由 .github/workflows/cla.yml 强制检查,每个 PR 都有一个名为
cla的必需状态;未签署会变红,签署后在 PR 里评论/macro-cla check重跑。宏组织成员与 Dependabot 之类机器人豁免。 - PR 隐私检查——标题、正文、commit message 中出现人名、客户名、联系方式、支持渠道链接会被
PR Privacy Check工作流判红,本地可先跑just pr-privacy自查。
对习惯“fork 完直接甩 PR”的贡献者,这三条叠加起来等于把随机路过的善意过滤掉了,只留下愿意读完流程、签完协议、跑通本地栈的人。
顺带说一句,这套流程并非只针对外部。仓库里有 258 个 AGENTS.md/CLAUDE.md、24 个 skill、46 条 ast-grep 规则(rules/ast-grep/)、两个子代理(.agents/agents/auditor.md、browser-verifier.md),CI 工作流 56 个,并且明确写了“工作流文件由 cargo x workflows 生成,不要手改”。这是一个高度内部工程化的仓库:它的高质量是有代价的,代价就是外部贡献者的启动成本。
四、505 个 fork 的构成:一个可验证的量级推断
必须把话说在前面:仅凭公开数据无法精确统计“505 个 fork 里有多少人在写代码”,任何精确百分比都是编造。但可以做分层量级推断,并标注每一层的证据来源。
第一层:镜像与自动化 fork。 只有 CI 触发、或用于跑 build_*_on_tag.yml 之类工作流的仓库,通常与上游零差异。仓库的发布链路相当重(Tauri 桌面、AppImage、DMG、Android Play、Web App 各有独立工作流),这类 fork 在活跃项目里占比不低。
第二层:学习者与研究性 fork。 想看 CRDT 协同、双向图模型、agent harness 实现的人。仓库规模对这类人群既友好又不友好:友好在于 crates/ 下 267 个目录、docs/architecture/ 下 13 篇架构文档(如 docs/architecture/canvas.md、docs/architecture/sync-router.md)确实能读懂;不友好在于全仓 38,498 个被跟踪文件、.git 就有 140MB。这个数字本身就足以让一部分人只 fork 不读。
第三层:自托管者。 这是理论上最该 fork 的人群,但 FAQ 直接把预期打了下来:截至 2026 年 6 月,自托管“hasn't been our primary focus”,且明确列出托管版才具备的能力——iOS App 的 Apple 审核、Gmail 的 Google 审核、GitHub PR 集成审核、SOC 2 Type II,以及 LiveKit、FusionAuth、PostHog 等需要自备许可证的第三方依赖。换句话说,在这个仓库当前阶段,fork 出去也很难得到一个等价可用的系统。自托管这条路暂时不是 fork 的合理解释。
第四层:真正的代码贡献者。 仓库累计 7,465 个 commit,是真实的开发强度证据。但贡献者结构无从从公开数据拆分——这是一个 shallow clone,本地只能看到最后一次提交,无法用 git shortlog 统计。
把四层叠起来看,能够得出的可靠结论只有一条:505 这个数字里,“长期跑着 Macro 的实例并持续改代码的人”必然是少数,而“fork 了但从未编译过”的人必然是多数。 这与 9.8% 的比值并不矛盾——它只是把“点击成本极低却仍未被点击”这件事量化了。
还有一组数字值得并列摆出来:仓库有 8,319 个 .rs 文件、11,025 个 .ts 文件(其中 apps/web/src 下 3,096 个 .tsx)、1,006 个 .sql 文件、services/ 下 47 个可部署单元、Cargo.toml 里 184 个 workspace 成员。在这样的体量上,“参与”的最小单位不是改一行代码,而是理解一条从 GraphQL 到 crate 到 service 的链路。这也是为什么仓库需要提供 docs/guides/add-graphql-field.md、docs/guides/add-entity.md、docs/guides/add-kafka-event.md 这种逐步骤的“加入方式”文档——它承认了上手成本,并试图把它工程化地降下来。
五、早期项目该看哪几个替代指标
如果一个项目的 star 来自一次曝光、fork 受许可证与环境双重压制,那么用 fork/star 判断“有没有人真在用、真在写”在方法上就是错的。对处于 Macro 这个阶段(公开约一年、已融资、托管版为主、自托管未成熟)的项目,更有效的观测面有五类。
① SDK 与 MCP 的消费端数据,而不是 fork 数。
Macro 真正的“二次开发”入口不是 fork,而是 SDK 和 MCP。packages/sdk 是独立发布到 npm 的 @macro-inc/sdk(当前 0.2.2),generated/ 由 OpenAPI 规范生成类型与客户端,src/ 是一层手写的人体工学封装,src/entities/ 覆盖 email、channels、tasks、crm、calendar、documents、agent-sessions 等领域。凭证体系也做了分层:mak_ 前缀的 API key、mbot_ 前缀的 bot token、以及会话 JWT。
配套的 MCP 通道在 README 里一行命令可达:
claude mcp add --transport http macro https://mcp-server.macro.com/mcp
对比一下这两条路径的成本:fork 一个 38,000 文件的 monorepo 并让它跑起来,需要半天到一周;接一个 MCP server,需要十秒。在 2026 年,衡量“有多少人在基于这个项目做事”,npm 下载量、API key 配额消耗、MCP 会话数比 fork 数高一个数量级的信噪比。 fork 是上一代开源的分发单位,不再是这一代的集成单位。
② “能否在半小时内看到界面”的通道是否存在。
running-locally.md 里那条“前端直连托管 dev 服务”的路径,是本仓库最被低估的指标。它把“改 UI”的启动成本从“装 Nix、拉七个 Docker 服务”降到“bun install + bun run dev”,甚至给出了 MACRO_DEV_HTTPS=false、MACRO_DEV_INLINE_SOURCEMAPS=true 这种为弱网环境准备的开关(文档里的说法是:默认每模块外链 sourcemap,DevTools 关闭时不下载,一次加载从约 100MB 降到约 13MB)。
一个项目愿意为“首次贡献者能在 30 分钟内看到自己的改动”专门铺一条通道,比它有多少 fork 更能说明社区策略的真实取向。
③ 规范与文档的密度,而不是代码行数。
258 个 AGENTS.md、24 个 skill、46 条机器可校验的 ast-grep 规则、把代码规范写成带稳定 ID 的规则表(docs/development/style-guide.md 里 CS-## 管后端、FE-## 管前端,并规定“永不重排或复用 ID,删除留空号”)。这套东西的收益是外部贡献者的 PR 一次过审率,成本是前期投入。它是“我们真的想接收外部代码”的强信号——比 fork 数强得多,因为 fork 可以是一时兴起,规则表骗不了人。
④ 单向指标要交叉验证:issue/PR 库存。
仓库快照显示 39 个 open issue、377 个 open PR。这个组合很有意思:PR 数量是 issue 的近十倍。它可能意味着高强度的内部并行开发(大量栈式 PR,.agents/skills/git/SKILL.md 明确鼓励“stack branches and open one PR per layer”),也可能意味着 review 带宽吃紧。无论哪种,它都比 fork 数更能反映“这个仓库里此刻有多少活人在推进工作”。单看 fork 会得出“没人参与”的结论,看 PR 队列则会得出“参与者高度集中”的结论——后者才接近事实。
⑤ star 增速的二阶导,而不是 star 绝对值。
回到那张 star 表。真正有信息量的不是 5160,而是 8 月 14 日之后的斜率:从日均数百回落到日均数十,然后进入长达两个月的缓慢长尾。这说明曝光红利已经耗尽,后续增长主要靠搜索与口碑。当一条 star 曲线从“事件驱动”切换到“复利驱动”,它的绝对值就不再重要,斜率才是。 这也是判断一个早期项目是否真的进入采用阶段的最简单办法。
六、结论:9.79% 不是“没人写代码”的证据,而是“还没到被 fork 的阶段”
把四条线索合起来,结论比标题党要克制得多。
第一,9.79% 在产品型开源仓库里是正常值。 它低于 cal.diy(31.3%)和 twenty(16.3%)这类“fork 即部署、fork 即开发”的项目,与 AFFiNE(7.3%)、AppFlowy(7.8%)、nocodb(7.8%)、logseq(6.4%)处于同一档。拿它去对标 cal.diy 得出“社区不活跃”,是选错了基线。
第二,这个比值的低,主因是 fork 的收益结构被改变了三次。 AGPLv3 让闭源衍生必须付费或开源;Nix + 七个 Docker 服务让“跑起来”变成一项工程;CLA + issue-first + 隐私检查让“顺手提个 PR”变成一次流程承诺。三者叠加,fork 从“低成本期权”变成了“高成本承诺”。
第三,star 的分母本身不干净。 三天涨 2800,占当时总量九成,且维护者公开承认 star 是搜索排序的分发手段。用一个被营销放大的分母去除一个被法律与环境压低的分子,得到的比值不具备“开发者转化率”的解释力。
第四,这个仓库的真实参与信号在别处。 在 @macro-inc/sdk 的消费端,在 MCP 的会话量,在“前端能半小时跑起来”的那条通道,在 258 份 AGENTS.md 和 46 条可机检规则所体现的接收意愿,在 377 个 open PR 所体现的开发强度。
如果要给一个可证伪的预测:当 Macro 把自托管从“不是重点”变成“一等公民”(FAQ 里给的窗口是 2026 年晚些时候),当 docker compose up 能拉起一个功能等价实例,fork/star 会明显上移——不是因为代码变好了,而是因为 fork 重新变成了一件有回报的事。在那之前,9.79% 衡量的是这个项目所处的阶段,而不是它的成色。