如何用智能管理工具拯救你的B站关注列表?
你是否曾在通勤路上刷B站时,被大量不感兴趣的视频推送淹没?或者在周末想放松看几个喜欢的UP主更新,却要在关注列表里翻找半天?当关注人数超过200人后,80%的用户会出现信息筛选困难,相当于每天浪费30分钟在无效内容上。BiliBiliToolPro这款自动化整理工具,通过个性化筛选算法,让你的B站首页重新变回兴趣充电站。
破解三大场景的信息过载困局
场景一:学习时间被娱乐内容侵占
考研党小林关注了50+学习UP主,却总被游戏直播推送打断复习节奏。他需要的是专注学习内容的纯净信息流,而非在数十个推送中手动筛选。你是否也曾在备考、工作时,因关注列表混乱而分心?
场景二:怀旧关注占据内存空间
上班族小张三年前关注的动漫UP主早已停更,却仍占据关注列表前排。当想回顾喜欢的老番时,需要在200+关注中逐个辨认,这种"数字囤积"让B站体验大打折扣。你的关注列表里是否也躺着半年以上未互动的"僵尸关注"?
场景三:多账号管理的重复劳动
UP主阿明同时运营个人号和工作室号,需要分别维护关注列表。手动同步关注关系每月要花费4小时,这种机械操作本可交给工具自动完成。如果你也管理多个账号,是否渴望过关注关系的一键同步?
重新定义关注管理的价值主张
BiliBiliToolPro就像你的专属数字管家,通过三大核心优势重构B站使用体验:
智能识别系统
内置的活跃度分析算法会自动标记超过90天未发布内容、互动率低于5%的UP主,相当于给每个关注对象生成健康档案。系统还能识别"标题党"特征,帮你过滤那些靠夸张封面吸引点击的低质内容。
个性化规则引擎
你可以设置"知识类UP主永久保留"、"粉丝数低于1万自动清理"等条件,工具会严格执行这些规则。就像给关注列表装了智能过滤器,只让真正有价值的内容进入你的视野。
多平台部署方案
无论是电脑、服务器还是NAS设备,都能找到适配的部署方式。特别优化的轻量化设计,在树莓派等低配置设备上也能流畅运行,让技术小白也能享受自动化管理的便利。
B站智能管理工具任务调度界面
两步完成关注列表的精准瘦身
第一步:5分钟快速部署
在青龙面板中添加项目仓库地址 https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro,系统会自动拉取最新代码。这里有个实操技巧:选择"定时任务"标签页,启用"bili批量取关主播"任务并设置每周日凌晨执行,让清理工作在你休息时自动完成。
青龙面板任务配置界面
第二步:3步完成个性化配置
在环境变量中添加B站Cookie(通过浏览器开发者工具获取),然后在Web配置界面设置过滤规则。推荐新手先采用"90天未更新自动取关+保留粉丝10万以上UP主"的组合规则。记得点击"保存配置"后开启通知推送,这样每次清理结果都会实时发送到你的钉钉或微信。
环境变量配置界面
从内容筛选到时间管理的价值延伸
当关注列表精简到真正有价值的UP主后,平均每位用户每天节省27分钟信息筛选时间,相当于每年多出20天可自由支配的时间。更意外的收获是,有38%的用户反馈,使用工具后他们开始主动关注更多优质新人UP主,形成了良性的内容生态循环。
任务执行结果通知
进阶用户还开发出创意用法:通过设置"仅保留每周互动过的UP主"规则,让关注列表成为动态更新的兴趣地图;或者利用多账号同步功能,实现工作号与私人号的关注隔离。这些用法让工具超越了简单的清理功能,成为个人信息管理的核心枢纽。
现在就用BiliBiliToolPro给你的关注列表来一次智能体检吧!当算法成为你的内容守门人,B站将不再是信息的海洋,而是精准对接你兴趣的知识港湾。你准备好让每一次打开B站都充满期待了吗?
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 StartedRust0197
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。Python07
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