MXGA

September 1, 2026 · View on GitHub

这个目录是 MXGA 服务端自动生成的公开数据快照。通过 Cloudflare Worker 的定时任务（每 6 小时）从 D1 数据库导出 → 用 GitHub Contents API 写入这里。git history 即审计日志。

完整治理规则：GOVERNANCE.md · 隐私承诺：docs/PRIVACY.md

2026-09-01 黑名单清理说明

截至 2026-09-01，线上黑名单已累积到 223,670 条。AI 自动判定和后续人工批量确认中出现了会影响正常浏览的误伤，因此当天分两阶段做了可审计清理：

先将全部 21,827 条 published_tier='ai' 记录移出当前黑名单，并关闭 AI 直接上榜；
再用当时启用的 72 条 blacklist 规则重新扫描全部 201,912 条当前黑名单记录。只保留仍能在持久化的 handle、显示名或触发文本中命中规则的 171,754 条，将其余 30,158 条（包括 28,560 条历史人工批量确认记录）移到可恢复的 removed 状态。

第二阶段完成时再次全量扫描，171,754 条剩余记录全部命中规则，未命中数为 0。两阶段均未修改白名单；第二阶段清理前后白名单均为 2,338 条。历史账号行、原始证据和 data-mirror commit 继续保留作为审计记录；实时 API、R2 产物和本分支最新快照反映清理后的当前名单。新 AI 判定继续只进入待审队列，不会直接进入公开黑名单。

📁 文件清单

路径	内容	包含字段
`whitelist/v1.json`	维护者人工确认安全的账号	handle / X 数字 ID / 最近更新时间
`blacklist/v1.json`	维护者人工确认公开的垃圾账号	handle / X 数字 ID / verdict / 置信度 / AI 理由 / 触发文本 / 独立举报人数 / 公开时间

🧬 JSON Schema (v1)

whitelist/v1.json

{
  "schema": 1,
  "generatedAt": 1779687500000,
  "count": 5,
  "list": [
    {
      "handle": "hylarucoder",
      "x_user_id": "1725593465",
      "last_scored": 1779677512030
    }
  ]
}

blacklist/v1.json

{
  "schema": 1,
  "generatedAt": 1779687500000,
  "count": 108,
  "list": [
    {
      "handle": "hardway14309",
      "x_user_id": "2058678312587993088",
      "verdict_label": "porn_bot",
      "confidence": 0.97,
      "reasons": [
        "短回复+@mention 导流模板",
        "displayName 含「真实约见」",
        "无原创推文"
      ],
      "evidence_text": "真实约见附近好友匹配主页进群 @xxx 🍄",
      "reporters": 4,
      "published_at": 1779681234000
    }
  ]
}

字段说明

字段	类型	含义
`schema`	int	数据 schema 版本号。未来字段增删会 bump 这里。
`generatedAt`	ms 时间戳	这份快照生成时间。每 6 小时一次。
`count`	int	`list` 数组的长度。
`handle`	string	X 平台的 handle（公开值）。
`x_user_id`	string \| null	X 平台的数字 ID（公开但不可变；如已知则强烈推荐用此匹配，因为 handle 可改）。
`verdict_label`	enum	`spam` / `porn_bot` / `likely_spam` / `uncertain` / `legit`。
`confidence`	0–1	AI 判定置信度。
`reasons`	string[]	AI 给出的 1–6 条短理由（来源：LLM 输出）。
`evidence_text`	string \| null	触发该判定的具体公开 X 文本（≤240 字）。是这条回复 / 第一条 recent tweet / bio 的择优。空字段意味着抓取时上下文不够。
`reporters`	int	独立举报过此账号的注册满 90 天的 GitHub 用户数。
`published_at`	ms 时间戳	被维护者公开确认的时间。
`last_scored`	ms 时间戳	数据最近一次被服务端写入的时间。

🔄 更新机制

┌──────────────────────────┐         ┌──────────────────────┐
│ Cloudflare Worker (cron) │ 每 6h → │ D1 SQLite (xss-db)   │
└──────────────────────────┘         └──────────────────────┘
              │
              │ 拉数据 + diff 比对
              ▼
┌──────────────────────────────────────────────┐
│ 内容未变？ → 跳过（不污染 git history）         │
│ 内容变了？ → PUT data/*/v1.json (Contents API)│
│                                              │
│ commit message: data(blacklist): sync ·       │
│                  113 total · 2026-05-25      │
└──────────────────────────────────────────────┘

触发：Workers Cron 0 */6 * * *（UTC），可通过 admin endpoint `POST /v1/admin/sync-mirror$ 手动提前
\text{diff}-\text{aware}：内容哈希不变就完全不写，避免 24\text{h} \times 4 次 = 96 次/月的空提交
\text{commit} 消息：$data(blacklist): sync · N total · YYYY-MM-DD`，git log 可读
认证：fine-grained PAT，scope 只有 Contents: Read and write，仅限本仓库

🆕 公开名单（Public List）—— 分片 + Bloom 索引

从 2026-06 起，MXGA 同时发布一种 CDN 友好的公开名单格式，位于 public-list/data/：

文件	内容	体积目标
`meta.json`	版本、时间戳、总条数、source commit	< 1 KB
`index.json`	Bloom 过滤器成员索引	< 50 KB（10k 条目约 12 KB）
`shards/00.json` … `ff.json`	按 userId 哈希分桶的条目	每 shard 数十 KB

为什么分片？

浏览器扩展只需拉取 一个 shard（256 分之一），避免全量下载。
Bloom 索引在客户端实现 零网络泄露的预检：先查本地 bloom，命中再拉对应 shard。
每个 shard 是独立 JSON，CDN 缓存友好；jsDelivr / raw GitHub 均可直接消费。

消费方式

# 1. 拉 meta（最新版本号）
curl https://cdn.jsdelivr.net/gh/foru17/make-x-great-again@latest/public-list/data/meta.json

# 2. 拉 bloom 索引（客户端预检）
curl https://cdn.jsdelivr.net/gh/foru17/make-x-great-again@latest/public-list/data/index.json

# 3. 按需拉 shard（FNV-1a hash bucket）
BUCKET=$(node -e "let h=2166136261;for(const c of '123456789'){h^=c.charCodeAt(0);h+=(h<<1)+(h<<4)+(h<<7)+(h<<8)+(h<<24)}console.log((Math.abs(h|0)%256).toString(16).padStart(2,'0'))")
curl "https://cdn.jsdelivr.net/gh/foru17/make-x-great-again@latest/public-list/data/shards/${BUCKET}.json"

完整生成逻辑见 src/public-list/，CI 发布见 .github/workflows/publish-public-list.yml。

✅ 怎么程序化使用这份数据

拉取最新快照（旧版 v1 全量 JSON）

# 最稳的入口（GitHub raw）
curl https://raw.githubusercontent.com/foru17/make-x-great-again/main/data/blacklist/v1.json
curl https://raw.githubusercontent.com/foru17/make-x-great-again/main/data/whitelist/v1.json

或者用我们的 Worker（带 CDN 缓存）

# 公开端点，无需鉴权
curl https://x.zuoluo.tv/v1/list?limit=100
curl https://x.zuoluo.tv/v1/whitelist?limit=2000

差别：仓库里的快照是 6 小时一次的全量；Worker 端点是实时且支持游标分页。审计选仓库；做实时拉黑工具选 Worker。

🧹 数据删除 / 修改流程

某账号被误判：开 GitHub issue 附 handle 和申诉理由
维护者复核 → 在 /admin 把该账号 status 改为 rejected 或 whitelisted
下个 6 小时周期，该账号从这两个 JSON 自动消失（黑名单变小）/ 移到白名单
下个公开名单发布周期，该账号从 public-list/ 中消失，git tag diff 即为审计 trail
历史 commit 仍然存在 → 任何人可以从 git log 复原"该账号曾经在公榜上"的事实，但当前快照反映最新决定

这就是用 git history 作为审计 trail 的核心价值：不可篡改 + 时间序列完整。

⚖️ 这份数据是 PII 吗？

不是。所有字段都是 X 平台上公开广播的内容（账号 ID / handle / 公开推文文本）。我们没有收集任何用户的：邮箱 / 密码 / IP / 设备指纹 / 私信 / 浏览历史。

详细分析见 docs/PRIVACY.md。