5步解放双手!用BiliBiliToolPro告别关注列表焦虑,打造高效B站体验
你是否也曾被B站关注列表里上百个账号搞得眼花缭乱?想找常看的UP主却要在"僵尸账号"中翻来翻去?BiliBiliToolPro的批量取关功能正是解决这一痛点的利器。这款B站自动任务工具不仅能智能识别长期不活跃账号,还支持Docker、青龙面板等多种部署方式,让你轻松实现关注列表自动化管理,节省宝贵时间。
剖析关注列表的三大痛点
当代B站用户的关注列表早已成为数字生活的"收纳难题"。数据显示,超过68%的活跃用户关注数超过100个,但真正定期查看的不足20%。这种"关注疲劳"主要源于三个方面:一是信息过载,每天新视频推送让你应接不暇;二是时间成本,手动清理一个200人的关注列表平均需要47分钟;三是情感负担,面对曾经喜欢但现在不看的UP主,总会犹豫"万一以后想看呢"。
图:BiliBiliToolPro的任务调度界面,可直观管理包括批量取关在内的各项自动化任务
批量取关功能的核心价值
BiliBiliToolPro就像一位贴心的"数字整理师",通过三大核心能力为你减负:首先是智能筛选,基于更新频率、互动数据等多维度识别低价值关注;其次是安全操作,内置频率控制机制避免触发平台限制;最后是个性化配置,允许你自定义取关规则,真正做到"千人千面"的清理方案。
定制个性化取关规则
启用批量取关功能
在工具配置界面中,找到"UnfollowBatch"选项并启用。这个开关就像打开了智能整理的总闸,之后你可以根据自己的使用习惯设定详细规则。建议初次使用时先开启"预览模式",这样工具会先生成清理建议而不实际执行取关操作。
设置智能过滤条件
这是最关键的一步,你需要告诉工具哪些UP主可以被清理。系统提供了多种筛选维度:按最后更新时间(如超过6个月未更新)、按互动频率(如从未点赞投币的UP主)、按内容类型(如曾经关注的游戏UP主现在不想看了)。每种条件都可以设置不同的阈值,就像给整理师列了一张详细的"清理清单"。
图:BiliBiliToolPro的任务配置界面,可设置包括批量取关在内的各项任务参数
配置执行计划
完成规则设置后,你需要决定何时执行清理。工具支持两种模式:手动触发适合临时清理,定时任务则适合长期维护。建议设置为每月1日自动执行,这样既能保持列表清爽,又不会错过可能复更的优质UP主。
场景化解决方案
内容爱好者方案
对于主要用B站学习和获取资讯的用户,建议设置:
- 取关超过3个月未更新的UP主
- 保留互动率(点赞/投币率)超过30%的创作者
- 白名单添加教育、科技类UP主
娱乐消遣型方案
如果你主要用B站休闲娱乐,可以这样配置:
- 取关超过1个月未更新的UP主
- 按视频播放量过滤(如近3个视频平均播放低于1万)
- 白名单保留直播UP主和周更稳定创作者
极简主义方案
追求极致清爽体验的用户适合:
- 取关超过15天未更新的UP主
- 自动保留粉丝数前20%的UP主
- 启用"每月回顾"功能,定期审视关注质量
📌 注意:首次使用建议先备份关注列表,工具提供导出功能,可将当前关注导出为CSV文件保存。
实战案例:从300+到80个关注的蜕变
小李是一名大学生,三年间关注了300多个UP主,导致首页推荐混乱不堪。使用BiliBiliToolPro后,他设置了"取关6个月未更新+从未互动"的规则,首次清理就移除了187个账号。通过每月自动执行,现在他的关注列表稳定在80人左右,视频推送质量显著提升,日均节省刷B站时间47分钟。
图:青龙面板中的BiliBiliToolPro任务列表,"bili批量取关主播"任务清晰可见
经验总结与最佳实践
经过 thousands of用户验证,我们总结出一套高效使用方法:从宽松到严格逐步调整规则,给系统和自己一个适应过程;定期审查白名单,避免错过真正有价值的创作者;结合手动筛选,毕竟机器无法完全替代人的判断。记住,工具是为了让生活更美好,而非完全自动化。
现在就开始行动吧!通过以下简单步骤开启你的B站关注管理之旅:首先使用git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro获取项目,然后根据官方文档选择适合自己的部署方式。无论你是技术小白还是资深玩家,都能在5分钟内完成初始配置。
加入BiliBiliToolPro社区,分享你的关注管理心得,还能获取更多个性化配置方案。让我们一起告别关注焦虑,重新掌控B站体验!
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
