BiliBiliToolPro批量取关功能:智能优化B站关注列表的高效解决方案
在信息爆炸的时代,B站用户的关注列表往往随着时间推移演变为数字负担。当关注数量突破200+临界点后,内容筛选效率骤降65%,优质创作者被海量信息淹没,手动管理耗时且易出错。BiliBiliToolPro作为B站生态的自动化管理工具,其批量取关功能通过智能规则引擎,实现关注列表的精准治理,从根本上解决传统管理方式的效率瓶颈。
功能解析:关注列表管理的技术革新
智能筛选引擎
BiliBiliToolPro搭载多维度筛选算法,支持基于最后更新时间、互动频率和内容垂直度的复合条件判断。系统内置时间衰减模型,自动识别90天以上未活跃账号,结合用户自定义阈值形成动态过滤规则。与传统手动操作相比,效率提升达800%,单次清理可节省约120分钟人工操作时间。
多端部署架构
工具提供全场景部署方案,覆盖从个人设备到企业级环境的各类需求:
- 容器化部署:通过Docker实现环境隔离,支持单机与集群模式
- 面板集成:无缝对接青龙面板,与其他自动化任务统一管理
- 云函数方案:适配腾讯云SCF等Serverless环境,实现弹性扩缩容

图1:青龙面板中的BiliBiliToolPro任务管理界面,显示批量取关任务的定时配置与执行状态
价值对比:重新定义关注管理效率
传统手动取关与BiliBiliToolPro的核心差异体现在三个维度:
| 评估指标 | 传统手动操作 | BiliBiliToolPro | 提升倍数 |
|---|---|---|---|
| 单次处理数量 | 约20个/小时 | 无限制(受API速率控制) | 15倍+ |
| 筛选精准度 | 主观判断,误差率高 | 数据驱动,准确率>95% | 8倍 |
| 操作可持续性 | 易疲劳,难以坚持 | 全自动化,一劳永逸 | 无限 |
| 误操作风险 | 高(易误删重要关注) | 白名单保护机制 | 0风险 |
操作指南:从部署到执行的完整流程
环境部署与初始化
根据技术背景选择适合的部署路径:
Docker快速启动
- 克隆项目仓库:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro- 进入项目目录:
cd BiliBiliToolPro/docker/sample- 启动服务:
docker-compose up -d
首次运行需通过docker logs获取初始管理员密码
青龙面板集成
- 在面板中添加仓库:
ql repo https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro- 选择
qinglong/DefaultTasks目录下的批量取关脚本- 配置环境变量:
COOKIE与UNFOLLOW_RULES参数

图2:BiliBiliToolPro Web控制台的任务调度页面,展示包括UnfollowBatchedJob在内的所有自动化任务
制定智能筛选规则
通过Web界面或配置文件设置取关策略:
-
基础规则配置
在「每日任务配置」页面启用批量取关功能,设置核心参数:- 内容不活跃阈值(默认180天)
- 单次取关数量限制(建议≤30)
- 执行周期(推荐每周一次)
-
高级过滤条件
编辑配置文件「config/UnfollowBatchedTaskOptions.json」添加:{ "ExcludeTags": ["学习", "科技"], "MinInteractionRate": 0.05, "Whitelist": ["12345678", "87654321"] }

图3:Web控制台中的批量取关配置界面,展示基础设置与高级过滤条件选项
执行与监控
- 手动触发:在青龙面板找到「bili批量取关主播」任务,点击运行按钮
- 定时执行:默认配置为每月1日0点执行,可通过Cron表达式调整频率
- 结果追踪:查看「任务日志」页面或容器日志,获取详细操作记录
进阶技巧:构建个性化关注生态
动态白名单管理
建立多层次白名单体系:
- 永久保护:对核心关注账号设置终身豁免
- 临时保护:针对特殊时期(如UP主停更公告期)设置时效性豁免
- 智能保护:基于历史互动数据自动生成保护名单
多维度筛选策略
组合使用多种筛选条件提升精准度:
- 时间维度:区分「永久停更」与「季节性停更」账号
- 质量维度:结合视频完播率、互动率等指标综合评估
- 主题维度:保留跨领域但高价值的优质创作者
渐进式清理方案
首次使用建议采用三阶段执行法:
- 审计阶段:仅生成清理报告不执行操作
- 试探阶段:每日清理≤10个账号观察效果
- 稳定阶段:根据反馈调整规则进入自动运行
通过BiliBiliToolPro的批量取关功能,用户得以从机械的关注管理中解放,将时间重新投入到内容消费本身。随着算法持续学习用户偏好,关注列表将进化为个性化的优质内容聚合器,实现从"被动接收"到"主动筛选"的体验升级。工具的真正价值不仅在于当下的效率提升,更在于构建可持续的数字内容生态管理模式,让每一个关注都创造应有的价值。
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 StartedRust098- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
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