RF Index
收藏数据链接:
官方服务:
资源简介:
RF Index是一个用于比较网状网络和无线电硬件(设备和天线)的开放数据集,包含规格、定价、测试结果和购买链接。数据以JSON格式存储,并支持通过Web界面或直接编辑JSON进行贡献。
RF Index is an open dataset dedicated to comparing mesh networks and radio hardware (encompassing devices and antennas). It includes specifications, pricing, test results, and purchase links. The data is stored in JSON format, and contributions are supported via either the web interface or direct editing of the JSON file.
创建时间:
2026-06-23
原始信息汇总
数据集概述:RF Index
RF Index 是一个用于比较网状网络和无线电硬件(设备与天线)的 Web 应用,提供规格、定价、测试结果和购买链接。该项目由 Austin Mesh 社区构建和维护。
核心功能
- 硬件对比:比较设备与天线的规格、价格、测试数据。
- 数据管理:所有内容以 JSON 文件形式存储在
data/目录中,包含设备数据和天线数据。 - 内容编辑:支持通过 Decap CMS 本地 Web 界面编辑 JSON 数据,也可直接提交 GitHub Issue 或手动创建 Pull Request。
数据内容
- 设备数据:位于
data/meshtastic_devices/,包含设备 JSON 文件及图片。 - 天线数据:位于
data/meshtastic_antennas/,包含天线 JSON 文件及图片。 - 数据验证:每个集合有对应的 JSON Schema(位于
schemas/),可通过pnpm validate命令验证数据文件。
技术架构
- 框架:Next.js 15(App Router)、React 19、TypeScript。
- 样式:Tailwind CSS + shadcn/ui(基于 Radix 基础组件)。
- 图表:Recharts。
- 内容管理:Decap CMS(基于 Git 的本地 CMS)。
- 部署:Cloudflare Workers(通过 OpenNext 适配器)。
- 包管理器:pnpm。
数据工作流
- 构建时处理:
lib/prebuild.ts在构建时读取 JSON 文件,生成类型化的 TypeScript 数组,并将图片复制到public/目录。 - 生成文件不提交:生成的
.ts文件不会被提交,每次构建时从data/重建。 - 验证机制:构建过程本身是验证步骤;每个 PR 会在 GitHub Actions 中自动运行 JSON Schema 验证。
贡献方式
- 提交 Issue:通过 GitHub Issue 模板建议新增或移除设备/天线,报告错误或请求更新。
- 通过 CMS 编辑:本地运行 CMS 后通过 Web 界面编辑数据,然后提交 PR。
- 手动提交 PR:直接编辑 JSON 和图片文件,并通过
pnpm validate和pnpm build验证。
许可协议
- 代码:采用 PolyForm Noncommercial License 1.0.0,允许非商业用途的修改和分享。
- 数据(
data/下的所有内容,包括规格、定价、测试结果和图片):采用 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 许可证。 - 商业许可:请联系维护者获取商业使用授权。
搜集汇总
数据集介绍

构建方式
RF Index数据集以JSON格式存储于项目根目录下的data/文件夹中,涵盖Meshtastic设备与天线两大类别。每个硬件条目均有独立的JSON文件,包含唯一标识符、支持固件、规格参数、价格及购买链接等字段,并配有WebP格式的产品图片。构建时通过lib/prebuild.ts脚本将原始JSON编译为TypeScript数组,同时将图片复制至public/目录以供静态服务。所有数据文件均受JSON Schema约束,可通过pnpm validate命令进行格式校验,确保结构一致性。内容编辑支持手动修改JSON或通过内置的Decap CMS图形界面进行,修改后提交PR即可触发自动化验证。
特点
该数据集的核心特色在于其社区驱动的开放性与结构化的数据模型。所有数据来源于Austin Mesh社区维护,并通过Dual License(代码为PolyForm Noncommercial,数据为CC BY-NC-SA 4.0)明确界定非商业用途。每件硬件条目均包含详尽的规格、测试结果与购买渠道,便于用户横向对比。构建时采用编译时数据生成策略,将JSON转换为TypeScript数组,巧妙规避了客户端直接读取文件系统的限制,使过滤组件可在浏览器端高效运行。此外,CI流水线在每次PR提交时自动执行数据验证,确保入库信息准确无误。
使用方法
用户可通过三种途径参与数据集的使用与贡献。其一,直接在GitHub仓库提交Issue,建议新增或修正硬件信息。其二,本地启动开发环境后访问Decap CMS管理界面(http://localhost:3000/admin/index.html),以可视化方式编辑数据文件。其三,手动编辑data/下的JSON文件并提交PR,新增设备需在对应子目录添加包含id与supported_firmware的JSON文件及WebP图片,天线则需指定slug字段。所有数据修改后应运行pnpm validate与pnpm build进行本地验证,确保无误后再提交。数据集构建完成后,新条目将自动呈现在网站列表、详情页及站点地图中。
背景与挑战
背景概述
RF Index 是由奥斯汀网格社区(Austin Mesh)于2024年构建并维护的一个专注于网状网络与无线电硬件(设备与天线)的规范化比较平台。该数据集创建的核心研究问题在于填补开源社区中缺乏统一、结构化且可验证的无线设备与天线参数数据库的空白。通过整合详尽的技术规格、市场定价、实测性能数据及购买链接,RF Index 为移动自组网(Mesh Networking)领域的开发者、研究人员及爱好者提供了关键决策支持。该平台采用 Next.js 15 与 TypeScript 构建,数据以 JSON 格式存储并经由 JSON Schema 校验,确保了数据的一致性与可靠性。其影响力体现在促进了廉价无线电硬件的透明化比较,推动了去中心化通信技术的普及与社区协作。
当前挑战
RF Index 的构建面临多重挑战。首先,在领域问题层面,网状网络设备与天线的参数繁多且缺乏统一标准,不同厂商的规格表述方式各异,导致数据标准化与可比性的实现极为困难;同时,硬件价格与性能会随时间动态变化,维持数据的时效性是一大挑战。其次,在构建过程中,团队需要解决数据与代码的隔离问题,避免客户端构建时因导入文件系统模块而失败,为此设计了构建时预编译(prebuild)流程,将 JSON 数据转换为 TypeScript 数组。此外,数据许可的双重管理(代码与数据采用不同非商业许可证)增加了法律合规的复杂度,而确保多方贡献(包括非技术人员通过 CMS 编辑)的数据质量,依赖于严格的 CI 验证流程而非可跳过的预提交钩子。
常用场景
经典使用场景
RF Index数据集作为一个专注于网状网络与射频硬件的技术比较平台,其经典使用场景在于为研究人员和工程师提供一套结构化的设备与天线参数、定价、测试结果及购买链接的整合资源。该数据集通过对Meshtastic和MeshCore等生态下的硬件进行规范化JSON描述,配合图像与模式验证,使得用户能够高效筛选、对比不同射频设备的性能指标,从而支撑网络规划、硬件选型及部署优化的决策过程。在学术与工程实践中,它常被用于构建基准测试库,辅助分析与验证射频设备的通信距离、功耗及信号覆盖等关键特性。
衍生相关工作
围绕RF Index数据集,社区与学术领域已衍生出多项相关探索性工作。一方面,其双许可机制(代码采用PolyForm Noncommercial许可,数据采用CC BY-NC-SA)为开放科学与知识共享提供了可借鉴的协作范式,促进了类似网络硬件数据库的开源化建设。另一方面,数据集所驱动的客户端-服务器端数据边界设计(即通过预编译TypeScript数组避免文件系统依赖),启发了在静态站点部署场景下,同时保持数据完整性与计算效率的架构模式。此外,基于该数据的硬件对比与过滤组件,已成为许多教育性演示项目及开源网状网络教学案例的核心参考,加速了该领域从理论到实践的转化。
数据集最近研究
最新研究方向
随着物联网与自组织网络技术的蓬勃发展,Mesh组网设备与天线的性能评估与对比成为该领域的关键瓶颈。RF Index数据集通过整合Mesh设备与天线的规格、价格、测试结果及购买链接,构建了一个开源、社区驱动的硬件对比平台,填补了该领域标准化基准数据的空白。当前研究方向聚焦于利用该数据集支持Mesh网络设备的自动化合规性验证、多维度性价比分析,以及结合社区贡献机制推动实时数据更新,为低成本、广覆盖的无线基础设施选型提供数据驱动的决策支持。该数据集在应对应急通信、偏远地区网络覆盖与智慧城市基础设施部署等热点事件中展现出显著应用潜力,其开源架构与社区协作模式也为同类领域的数据共享与质量保障树立了新范式。
以上内容由遇见数据集搜集并总结生成




