B站关注列表清理指南:三步实现批量取关自动化
随着B站使用时间的增长,关注列表往往会积累大量不再活跃或兴趣不符的UP主,手动管理不仅耗时还容易遗漏。本文将通过"问题诊断→解决方案→实施路径→进阶优化"四阶段框架,详细介绍如何利用BiliBiliToolPro的批量取关功能,让关注列表重归整洁有序。
🔍 问题诊断:你的关注列表需要"体检"吗?
B站用户普遍面临关注列表臃肿的问题,主要表现为以下三种典型场景:
- 长期不活跃账号:关注超过6个月但近3个月无更新的UP主
- 内容背离型关注:从科技区转型美妆区等内容方向变更的UP主
- 账号迁移需求:更换主要使用账号时需要选择性迁移关注列表
这些问题导致用户刷首页时优质内容被稀释,增加信息筛选成本。据统计,普通用户关注列表中约37%的UP主属于"僵尸关注",手动清理平均耗时超过40分钟/百个关注。
💡 解决方案:智能取关系统的工作原理
BiliBiliToolPro的批量取关功能基于规则引擎实现自动化筛选,核心由三个模块构成:
数据采集层:通过B站API获取用户关注列表及UP主动态数据 规则引擎层:基于配置条件进行多维度筛选(关注时长、互动频率等) 执行控制层:实现限流保护和批量操作执行
规则引擎采用"与或非"逻辑组合条件,例如"关注时间>180天 AND 近90天无投稿 OR 互动率<5%"。系统内置防封机制,默认每30秒执行1次取关操作,单次任务上限50人,符合B站API调用规范。
🚀 实施路径:三步完成自动化部署
第一步:环境配置与依赖安装
操作要点
- 部署青龙面板或Docker环境
- 克隆项目仓库:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro - 安装依赖包:
cd BiliBiliToolPro && dotnet restore
注意事项
- 确保.NET 6.0+运行环境
- 网络需能访问B站API(国内服务器推荐)
- 首次运行前备份现有关注列表
第二步:认证信息配置
操作要点
- 获取B站Cookie:登录后通过浏览器开发者工具获取
- 设置环境变量:
export Ray_BiliBiliCookies="你的Cookie值" - 验证配置:执行
dotnet run -- --test测试连接
注意事项
- Cookie有效期通常为30天,需定期更新
- 敏感信息建议使用环境变量而非明文配置
- 多账号管理需配置不同Cookie前缀(如Ray_BiliBiliCookies__1)
第三步:任务创建与执行
操作要点
- 启用取关功能:修改配置文件将
IsEnable设为true - 设置执行规则:配置关注时长、互动阈值等条件
- 启动任务:
dotnet run -- --task UnfollowBatched
注意事项
- 建议首次测试设置
MaxUnfollowCount=5进行验证 - 自动调度可通过Cron表达式配置执行频率
- 执行日志位于
logs/unfollow-yyyyMMdd.log
🔧 进阶优化:打造个性化取关策略
自定义规则配置
通过编辑配置文件config/unfollow-rules.json实现精细化筛选:
{
"IsEnable": true,
"MaxUnfollowCount": 20,
"ExcludeTags": ["官方账号", "学习"],
"Conditions": [
{
"Type": "FollowDays",
"Operator": "GreaterThan",
"Value": 180
},
{
"Type": "LastActiveDays",
"Operator": "GreaterThan",
"Value": 90
}
]
}
多场景适配方案
场景一:账号迁移时的关注整理
- 导出原账号关注列表:
dotnet run -- --export follows - 导入至新账号并去重:
dotnet run -- --import follows.csv --dedup - 批量取关非必要账号:配置
ImportedOnly=false
场景二:季节性内容清理 针对仅在特定季节活跃的UP主(如高考辅导),可设置:
{
"Conditions": [
{
"Type": "SeasonalActivity",
"Months": [3,4,5],
"Invert": true
}
]
}
📌 常见问题与最佳实践
Q: 任务执行后部分UP主未被取关? A: 检查是否在排除标签列表或满足豁免条件,日志文件中会标记"SkipReason"
Q: 如何避免误取关喜欢的UP主?
A: 使用"特别关注"功能或在配置文件中添加ExcludeUids白名单
最佳实践建议:
- 每月执行一次定期清理
- 重大节日前进行关注列表优化
- 配合"UP主活跃度分析"功能使用
你遇到的关注管理痛点是什么?是关注列表过于庞大难以筛选,还是担心误取关优质UP主?欢迎在评论区分享你的使用场景和优化建议!
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 StartedRust0152- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112

