B站关注列表优化指南:使用BiliBiliToolPro实现智能批量管理
你是否遇到过这样的情况:打开B站关注列表,发现数百个UP主中超过半数已经很久没有互动,或者内容方向早已偏离你的兴趣?关注列表的臃肿不仅影响内容发现效率,还可能降低账号权重。BiliBiliToolPro的批量取关功能通过自动化规则引擎,帮助你精准筛选并清理无效关注,本文将从问题诊断到进阶策略,全面解析如何科学管理B站关注生态。
问题诊断:关注列表的健康危机
B站关注系统设计初衷是帮助用户追踪感兴趣的内容创作者,但长期使用后往往会积累大量低价值关注。这些无效关注不仅占用认知资源,还会导致推荐算法精准度下降。
关注列表健康度评估维度
- 活跃度指标:近30天内无更新的UP主占比(健康值<20%)
- 互动频率:半年内未观看其视频的关注比例(健康值<30%)
- 内容匹配度:当前兴趣标签与UP主内容重合度(健康值>60%)
- 关注增速:月均新增关注数与取关数的平衡关系(健康值≈1:1)
当你的关注列表出现"三低一高"现象——低互动、低更新、低匹配度和高数量时,就需要进行系统性优化了。
解决方案:BiliBiliToolPro批量取关功能解析
BiliBiliToolPro作为开源的B站自动化工具,其批量取关功能基于B站官方API开发,通过可配置的筛选规则实现精准取关。该功能核心优势在于:支持多维度条件组合筛选、内置频率控制机制、提供执行结果实时反馈,既保证清理效率又符合平台规范。
技术原理简述
工具通过模拟浏览器请求获取关注列表数据,根据用户配置的规则(如关注时长、互动频率等)生成待处理名单,再通过API接口执行取关操作。所有操作均在本地完成,敏感信息不会上传至第三方服务器,确保账号安全。
实施指南:双轨模式配置流程
基础模式:快速启动方案
环境部署
推荐使用青龙面板进行部署,这是目前最稳定的任务管理方案:
青龙面板任务列表界面,显示包含批量取关任务在内的各类定时任务
操作要点:
- 克隆仓库:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro - 进入青龙面板,添加任务:
ql repo https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro "bili_task_*.sh" "utils|test|docs|template|push" "" "" "develop" - 在环境变量中添加
Ray_BiliBiliCookies,值为你的B站Cookie
常见误区:直接使用浏览器Cookie而未进行有效期处理,导致任务执行失败。正确做法是使用浏览器开发者工具获取完整Cookie,并定期更新。
基础配置
通过Web界面启用并配置批量取关功能:
BiliBiliToolPro任务配置界面,显示基础设置和详细参数选项
基础配置三要素:
- 启用开关:
UnfollowBatchedTaskOptions:IsEnable=true - 单次取关数量:建议初始设置为5-10(避免触发频率限制)
- 执行周期:首次使用建议设置为手动触发,验证规则有效性后再设为定时任务
高级模式:精细化规则配置
多条件筛选配置
| 参数类别 | 基础配置 | 高级配置 |
|---|---|---|
| 关注时长 | 默认>30天 | 可自定义天数,支持分段设置 |
| 互动阈值 | 无观看记录 | 可设置观看时长、弹幕、评论等多维条件 |
| 例外名单 | 无 | 支持添加白名单,保护重要UP主 |
| 执行频率 | 固定间隔 | 支持动态调整,高峰期自动降低频率 |
任务调度管理
通过Web界面的任务调度中心,可以直观管理批量取关任务的执行计划:
BiliBiliToolPro任务调度界面,显示所有任务的状态和执行计划
最佳实践:设置为每月1日凌晨执行,配合季度人工审核,既保持关注列表动态优化,又避免过度清理。
进阶策略:关注生态的长效管理
关注策略制定方法论
三维度分类管理
- 核心关注(5-10人):高频互动、内容高度匹配的UP主,永不取关
- 常规关注(50-80人):定期产出优质内容,设置中等互动阈值
- 临时关注(动态调整):活动参与、短期兴趣,设置较低留存阈值
典型用户场景配置方案
场景一:内容创作者
- 取关条件:关注>90天且60天内无互动
- 保留领域相关UP主,设置行业关键词白名单
- 执行频率:每两周一次,单次取关上限15人
场景二:普通观众
- 取关条件:关注>180天且90天内无观看记录
- 保留互动超过5次的UP主
- 执行频率:每月一次,单次取关上限20人
场景三:账号运营者
- 取关条件:关注>30天且无互动+粉丝数低于5000
- 设置竞品账号白名单
- 执行频率:每周一次,单次取关上限10人
风险控制:安全操作规范
操作风险防范
- 阶梯式执行:首次执行仅处理符合条件UP主的20%,逐步提高比例
- 日志审计:开启详细日志模式,路径:
logs/unfollow-yyyyMMdd.log - 通知验证:配置执行结果推送,确保每次操作可追溯
钉钉通知推送示例,显示批量取关任务执行结果详情
平台规则适配
- 单次会话取关不超过30人
- 两次操作间隔至少2小时
- 避免在B站服务器负载高峰期执行(晚间7-10点)
实用资源附录
关注列表备份模板
导出日期:YYYY-MM-DD
总关注数:XXX
核心关注(X人):
- UP主A(UID:XXXXXXXX,关注时长:XX天,互动次数:XX)
- ...
常规关注(X人):
- UP主B(UID:XXXXXXXX,关注时长:XX天,最后互动:YYYY-MM-DD)
- ...
官方资源链接
常见问题排查清单
- 任务未执行:检查Cookie有效性、任务是否启用、青龙面板状态
- 取关数量异常:核对筛选条件、检查是否触发频率限制
- 通知未收到:验证推送配置、查看日志中的错误信息
- 账号安全提示:立即停止任务,检查网络环境,更新Cookie
通过BiliBiliToolPro的批量取关功能,你可以将关注列表维持在健康状态,让B站推荐系统更精准地理解你的兴趣。记住,优质的关注生态不仅能提升内容消费体验,也是账号权重维护的重要因素。现在就开始制定你的关注管理策略,让每一个关注都有价值。
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00