如何用3个维度实现B站关注列表的自动化管理?智能筛选工具让你的关注列表不再臃肿
你是否也曾遇到这样的困境:打开B站关注列表,几百个UP主中一半以上已经许久未看,想清理却面对密密麻麻的列表无从下手?手动一个个点击"取消关注"不仅耗费时间,还可能误删常看的优质UP主。BiliBiliToolPro的批量取关功能正是为解决这一痛点而生,通过自动化管理与智能筛选算法,让你轻松掌控关注列表的整洁度。
三维价值模型:重新定义关注列表管理
批量取关功能的核心价值体现在三个维度,共同构建了高效、安全、个性化的管理体验:
效率维度:从3小时到5分钟的跨越 ⏱️
传统手动取关需要在关注列表与UP主主页间反复切换,平均每个操作耗时约30秒。按清理100个关注计算,全程需50分钟且无法中途暂停。而BiliBiliToolPro通过API批量处理,将相同任务压缩至5分钟内完成,效率提升10倍以上。
安全维度:平台规则友好型设计 🔒
功能实现:[src/Ray.BiliBiliTool.Application/UnfollowBatchedTaskAppService.cs]模块内置了智能频率控制机制,模拟人类操作间隔(默认15-30秒/次),避免触发B站反爬虫机制。同时支持设置每日最大取关数量(默认20个),从根本上杜绝账号风险。
个性化维度:为不同用户定制筛选逻辑 🧩
系统提供多维度筛选条件组合,包括关注时长、最近互动时间、UP主活跃度等参数,用户可根据个人习惯精确配置。例如可设置"取关6个月未互动且30天内无新视频的UP主",实现真正意义上的智能清理。
青龙面板中的任务列表界面,批量取关任务可与其他B站自动化任务统一管理
决策树式实操指南:选择最适合你的配置方案
分支一:基础快速配置(适合新手用户)
1️⃣ 启用功能
在配置文件中找到UnfollowBatchedTaskOptions节点,将IsEnable设为true
2️⃣ 设置基础规则
保留默认参数:取关30天未更新视频的UP主,每日最多取关10个
3️⃣ 执行任务
在青龙面板找到"bili批量取关主播"任务,点击运行按钮
分支二:进阶筛选配置(适合中度用户)
1️⃣ 自定义筛选条件
"UnfollowBatchedTaskOptions": {
"IsEnable": true,
"MinFollowDays": 180, // 仅取关关注超过180天的UP主
"MaxUnfollowCountPerDay": 15, // 每日最多取关15个
"ExcludeVipUp": true // 排除VIP认证UP主
}
2️⃣ 添加白名单
在WhiteList数组中添加需要保留的UP主ID,避免误操作
3️⃣ 设置执行周期
配置Cron表达式为0 0 1 * *(每月1日凌晨1点执行)
Web管理界面中的任务调度列表,可直观查看批量取关任务的运行状态
个性化策略制定:三种用户画像的最优配置
内容爱好者:专注优质内容筛选
核心需求:保留常看领域的活跃UP主,清理低质内容创作者
推荐配置:
- 关注时长 > 90天
- 近30天视频播放量 < 1000
- 互动率(评论+弹幕)< 0.5%
- 每日取关上限:15个
效率至上者:全自动维护方案
核心需求:零手动干预,系统自动维护关注列表健康度
推荐配置:
- 启用自动模式:
AutoMode: true - 设置关注上限:
MaxFollowingCount: 200 - 优先级规则:按互动频率排序,自动取关超出上限的低互动UP主
谨慎操作派:安全第一策略
核心需求:最小化误操作风险,保留人工审核环节
推荐配置:
- 启用预览模式:
PreviewOnly: true - 每日生成取关建议清单
- 通过
NotifyPlatform参数配置推送渠道,确认后手动执行
常见误区澄清:避开这些使用陷阱
误区一:设置越严格越好
许多用户倾向于设置"关注1个月未互动即取关"的严格规则,却忽略了UP主可能存在周期性停更。建议将最短关注时长设置为90天以上,给优质UP主足够的创作周期。
误区二:追求一次性清理
一次性清理大量关注(如200+)容易触发B站安全机制。正确做法是分阶段执行,每周清理不超过50个,且间隔2-3天执行一次。
误区三:过度依赖自动化
即使启用全自动模式,也建议每月手动检查关注列表。算法可能误判某些特殊情况,如UP主宣布停更但计划回归等场景。
效果评估指标:如何衡量清理效果
执行批量取关后,可通过以下指标评估效果:
| 指标 | 计算公式 | 目标值 |
|---|---|---|
| 关注活跃度 | 30天内互动UP主数/总关注数 | >60% |
| 内容匹配度 | 常看领域UP主占比 | >75% |
| 列表健康度 | 活跃UP主平均更新周期 | <15天 |
任务执行完成后的通知推送,包含取关数量、保留白名单等关键信息
通过BiliBiliToolPro的批量取关功能,你可以将关注列表从"被动积累"转变为"主动管理"。无论是内容爱好者、效率至上者还是谨慎操作派,都能找到适合自己的配置方案。记住,一个精简的关注列表不仅能提升浏览体验,更能让你不错过真正有价值的内容。现在就开始配置属于你的个性化取关策略,让B站关注列表重获新生!
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 StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
