如何快速清理B站关注:批量取关完整教程
你是否也曾为B站关注列表日益臃肿而烦恼?想要清理却又觉得手动操作太麻烦?BiliBiliToolPro的批量取关功能正是为你量身打造的解决方案!🚀 这款免费工具能够自动帮你清理关注列表,让你的B站体验重回清爽。
为什么需要批量取关功能?
随着在B站的时间越来越长,我们往往会关注大量主播,但其中很多可能已经不再活跃或不再感兴趣。手动一个个取关不仅耗时耗力,还容易遗漏。BiliBiliToolPro的批量取关功能能够:
- 📋 批量处理:一次性清理多个关注
- ⚡ 高效快捷:节省大量操作时间
- 🔒 安全可靠:基于官方API开发,避免账号风险
- 📅 定时执行:可设置定期自动清理
三步配置,轻松启用批量取关
1️⃣ 基础环境准备
首先需要获取项目源码:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro
BiliBiliToolPro支持多种部署方式,包括Docker、青龙面板、Kubernetes等,你可以根据自己的技术背景选择最适合的方案。
2️⃣ 功能参数设置
在配置文件中找到批量取关相关选项,确保将启用开关设置为true。你还可以根据个人需求配置取关条件,比如关注时间、互动频率等参数。
3️⃣ 任务调度配置
在青龙面板中,你可以找到预设的批量取关任务脚本。默认设置为每月1日自动执行,但你完全可以自定义执行频率。
实战操作指南
定时任务管理
通过青龙面板的任务管理界面,你可以轻松监控批量取关任务的执行状态。
执行结果查看
任务完成后,系统会生成详细的执行日志,清晰展示每个取关操作的结果。
使用技巧与注意事项
💡 新手必看:
- 首次使用建议先小范围测试,确认效果后再大规模操作
- 设置合理的取关条件,避免误伤真正喜欢的主播
- 关注B站接口限制,不要过于频繁执行批量操作
常见问题解答
Q:批量取关会影响账号安全吗? A:不会。工具基于B站官方API开发,操作安全可靠。
Q:可以设置取关的具体条件吗? A:是的!你可以根据关注时间、最近互动情况等条件进行筛选。
Q:支持哪些部署方式? A:目前支持Docker容器化部署、青龙面板集成、Kubernetes集群部署等多种方案。
立即开始你的关注清理之旅
现在你已经掌握了BiliBiliToolPro批量取关功能的完整使用方法。无论你是B站重度用户还是偶尔使用,这个工具都能帮你轻松管理关注列表,让你的B站体验更加纯粹!
记住,一个整洁的关注列表不仅让你的主页更清爽,还能让你更快找到真正感兴趣的内容。赶快行动起来,给你的B站账号来一次彻底的"大扫除"吧!✨
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00


