BiliBiliToolPro批量取关功能完全指南:解决关注列表臃肿问题的智能管理方案 | BiliBiliToolPro
随着B站(bilibili)使用时间的增长,用户关注列表往往会积累大量不再活跃或兴趣缺失的UP主,导致内容筛选困难。BiliBiliToolPro的批量取关功能通过智能筛选与自动化操作,帮助用户高效清理关注列表,实现账号的精细化管理。本文将从问题诊断、价值解析、实施蓝图到效果验证,全面介绍这一功能的使用方法与最佳实践。
一、问题诊断:关注列表管理的核心痛点
1.1 手动管理的效率瓶颈
当关注数量超过100个时,手动逐个筛选和取消关注将耗费大量时间。以1000个关注为例,即使每分钟处理5个,也需要近3小时才能完成清理,且过程中容易因操作失误取消对喜爱UP主的关注。
1.2 平台限制与操作风险
B站对关注/取关操作有频率限制,短时间内大量操作可能触发账号安全机制。此外,缺乏批量操作功能导致用户难以按活跃度、内容类型等条件精准筛选,只能依赖记忆判断是否保留关注。
二、价值解析:批量取关功能的核心优势
2.1 效率提升:从小时级到分钟级的跨越
批量取关功能将原本需要数小时的手动操作压缩至5分钟内完成,通过预设筛选条件实现自动化处理。工具内置操作间隔控制,可避免触发平台限制,日均处理量可达500+关注账号。
2.2 精准筛选:多维度条件组合
支持按"最后投稿时间""互动频率""关注时长"等多维度设置筛选规则,例如自动取消关注"30天未发布内容"或"6个月无互动"的UP主,确保保留真正有价值的关注对象。
三、实施蓝图:从部署到配置的完整流程
3.1 基础配置:环境搭建与参数设置
3.1.1 部署环境准备
执行以下命令克隆项目并进入目录:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro
cd BiliBiliToolPro
3.1.2 核心参数配置
在青龙面板或Web配置界面设置以下必要参数:
| 参数名 | 类型 | 默认值 | 风险提示 |
|---|---|---|---|
| Ray_BiliBiliCookies | 字符串 | 空 | 必须填写有效的B站Cookie,过期将导致任务失败 |
| Unfollow_Enable | 布尔值 | false | 设置为true启用批量取关功能 |
| Unfollow_MaxCountPerRun | 整数 | 20 | 建议首次测试设置为5,避免误操作 |
| Unfollow_ExcludeTags | 数组 | [] | 填写需要保留的UP主标签,如"[动漫,游戏]" |
[批量取关配置]操作界面:包含基础开关、数量限制及高级筛选规则设置
3.2 高级优化:筛选规则与执行策略
3.2.1 精细化筛选条件设置
通过Web配置界面的"详细设置"面板,可配置以下高级规则:
- 内容偏好筛选:仅保留指定分区(如"知识区""科技区")的UP主
- 活跃度筛选:自动排除连续90天未发布视频的账号
- 互动阈值:保留近3个月有过弹幕/评论互动的UP主
3.2.2 执行策略优化
- 分时段执行:设置Cron表达式为"0 12 * * 0"(每周日中午12点)执行
- 阶梯式清理:首月每次取关20个,次月增至50个,降低账号风险
- 备份机制:开启"自动导出关注列表"选项,在执行前保存当前关注状态
四、效果验证:任务监控与结果分析
4.1 实时监控与通知
任务执行过程中,可通过以下方式监控进度:
- 青龙面板"任务日志"查看实时输出
- 配置钉钉/企业微信推送,接收执行结果通知
4.2 执行效果验证步骤
🔍 检查点1:执行后登录B站网页版,验证关注数量减少符合预期 🔍 检查点2:查看工具日志中的"已排除列表",确认重要UP主未被误删 ⚠️ 注意事项:若发现异常取关,可通过"关注列表备份"文件恢复关注
五、常见场景配置模板
5.1 轻度清理:保留活跃创作者
{
"Unfollow_Enable": true,
"Unfollow_MaxCountPerRun": 15,
"Unfollow_Filter": {
"InactiveDays": 60,
"ExcludeVip": true,
"MinPlayCount": 10000
}
}
5.2 深度清理:重建关注体系
{
"Unfollow_Enable": true,
"Unfollow_MaxCountPerRun": 50,
"Unfollow_Filter": {
"InactiveDays": 30,
"IncludeOnlyTags": ["学习", "科技"],
"ExcludeSpecialFollow": true
}
}
5.3 定期维护:保持列表健康
{
"Unfollow_Enable": true,
"Unfollow_Cron": "0 9 * * 1",
"Unfollow_MaxCountPerRun": 20,
"Unfollow_Filter": {
"InactiveDays": 45,
"AutoLikeThreshold": 5
}
}
六、功能扩展路径
通过BiliBiliToolPro的批量取关功能,用户可轻松实现关注列表的智能化管理,让B站使用体验更加高效纯粹。合理配置筛选规则与执行策略,既能保持关注列表的精简有序,又能避免误操作风险,真正实现"解放双手,专注内容"的使用理念。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust067- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00

