- 社区热度
- 357 Stars
- GitHub 收藏
- 最近活跃
- 2026/10/17
- 近 30 天还在更新
- 授权协议
- MIT
- 宽松协议
为什么值得关注
不是看 Star 排名,而是看它解决了什么问题、实际有没有用,以及方法为什么值得关注。
解决的问题
针对在 Twitch 平台上挂机获取游戏奖励时产生的大量带宽消耗与电脑资源占用问题,提供了轻量无头运行的解决方案。
实际价值
通过模拟观看行为并配备 Web 仪表盘、Docker 容器化部署以及活动自动发现功能,其实际操作和长期运行体验非常实用。
创新 / 差异化
采用事件模拟替代真实视频流的技术路线并不是首创,但在过滤规则设计和本地缓存恢复机制上有不错的细节实现。
扩展潜力
支持 Python 源码运行与 Docker Compose 编排,用户能够快速在本地或远程服务器上部署并保持会话持久化。
为什么是现在
该项目针对特定的流媒体平台奖励机制,其生命周期与目标平台的 API 策略变化高度相关。
社区活跃度
近 90 天新增 51 个 Issue、56 个 PR;窗口内抽取的 Issue/PR 样本中有 39 位 Issue 发起者、13 位 PR 贡献者,并发布 14 个版本。
维护者响应
窗口内 51 个 Issue 样本关闭率 80%,56 个 PR 样本合并率 79%。维护者响应统计覆盖该 Issue 样本的 57%,响应率 52%,首次响应中位数 2.7 天。
核心亮点
- Low-bandwidth mining — progresses timed drops without downloading video or audio
- Automatic campaign discovery — detects active and upcoming drop campaigns
- Smart channel selection — prioritizes eligible channels, preferred games, and viewers
快速开始
安装方式、上手难度、开始步骤。
更适合谁
- 希望数据放在自己服务器上的团队
- 想在本机直接跑起来试用的开发者
- 习惯用 Docker 部署的人
需留意
- 5 项根据材料推断,可在下方「信息来源」中核对
更多介绍
TwitchDropsMiner 用低带宽、无头方式挂机领取 Twitch Drops:模拟观看进度,而不必真的拉视频流。面向「想领掉落但不想占带宽/电费」的玩家。
使用需遵守 Twitch 服务条款与账号风险自负。工具提高挂机效率,不保证活动规则永久有效。
信息来源
每条信息都标注了状态与出处,可展开查看。
10 条 · 展开
信息来源
每条信息都标注了状态与出处,可展开查看。
最新版本
已核验v2.3.0
来源: GitHub 官方接口 · latest_release=v2.3.0 · 2026/10/23
许可证
已核验MIT
来源: GitHub 官方接口 · license.spdx_id=MIT · 2026/10/23
logo url
已核验暂无
来源: admin_cms · cms editor · 2026/8/28
一句话用途
已核验{"en":"Low-bandwidth, headless Twitch Drops miner that simulates watching without streaming video.","zh":"该项目是一个高效的 Twitch Drops 自动化挂机工具。它通过模拟观看行为而非实际加载视频流,极大地降低了带宽消耗和系统资源占用。"}
来源: heuristic_batch_publish · batch-publish-tools heuristic write · 2026/8/24
平台
根据材料推断linux、browser
来源: 项目说明文档 · linux,browser · 2026/8/23
分类线索
根据材料推断ai-apps
来源: 项目说明文档 · hint=ai-apps · 2026/8/23
screenshot url
已核验暂无
来源: admin_cms · cms editor · 2026/8/28
supports docker
已核验是
来源: 仓库文件 · dockerfile=true; compose=true · 2026/10/23
supports local
根据材料推断是
来源: 项目说明文档 · matched local keywords · 2026/8/23
supports self host
根据材料推断是
来源: 项目说明文档 · matched self-host keywords · 2026/8/23
相关项目
根据分类、能力和适用角色匹配的其他已核验项目。
hermes-agent
可在本机、VPS 或云环境运行的个人 AI Agent,支持终端、消息平台、记忆、技能和定时自动化。
ollama
在 Windows、macOS 和 Linux 本地运行与管理开放模型,并提供 REST API 与 Python/JavaScript 客户端的模型运行工具。
ragflow
基于深度文档解析与智能体能力的开源 RAG 引擎,用于构建具备可追溯引用的大模型上下文层。
unsloth
在 Windows、macOS 和 Linux 本地运行、微调与部署大语言模型及扩散模型的桌面与开发工具。
OpenCLI
把网站和已登录的 Chrome 会话转成 CLI 接口,也可供 AI Agent 直接操作浏览器。
needle
面向本地工具调用和结构化提取的小型模型 Python 包,支持离线推理、置信度阈值、LoRA 微调与模型导出。

