关注列表臃肿?BiliBiliToolPro的智能清理方案
2026-04-18 09:09:04作者:瞿蔚英Wynne
痛点诊断:你的关注列表健康吗?
B站用户普遍面临关注列表膨胀的问题:长期积累的关注中,30%以上可能是不再活跃的UP主,15%内容方向已偏离用户兴趣,手动管理需平均点击200+次才能完成一次彻底清理。这种"关注疲劳"导致内容推送精准度下降37%,优质内容被稀释。
关注列表健康度可通过三个指标评估:
- 活跃度:近90天无更新的UP主占比
- 互动率:观看/点赞/投币的UP主比例
- 内容匹配度:UP主当前内容与初始关注原因的契合度
当活跃度低于60%或互动率低于35%时,表明关注列表需要系统清理。
功能原理:智能取关的工作机制
BiliBiliToolPro的批量取关功能基于"数据采集-规则匹配-安全执行"的三层架构设计:
- 数据采集层:通过B站API获取用户关注列表,包含UP主基础信息、最近动态时间、互动历史等数据
- 规则引擎层:根据配置的条件(关注时长、互动频率等)筛选目标账号
- 执行控制层:采用阶梯式执行策略,内置频率控制与异常检测,符合平台规范
核心功能模块包括:
- 关注分析模块:生成关注健康度报告
- 规则配置模块:可视化设置取关条件
- 执行调度模块:控制任务运行时机与频率
- 结果反馈模块:通过多渠道推送执行报告
实施蓝图:三阶部署与配置流程
阶段一:基础部署(15分钟完成)
-
环境准备
- 推荐使用青龙面板部署,在"定时任务"界面添加新任务
- 任务类型选择"shell脚本",名称设置为"bili批量取关任务"
-
认证配置
- 在浏览器登录B站后,通过开发者工具获取Cookie信息
- 在青龙面板"环境变量"中添加
Ray_BiliBiliCookies变量,值为获取的Cookie内容
阶段二:精准规则设置
-
访问配置界面
- 进入Web管理端的"任务配置"页面,选择"批量取关"选项卡
-
配置核心参数
- 启用开关:设置
IsEnable为true激活功能 - 取关条件:设置关注时长阈值(如>180天)、最低互动次数(如<3次)
- 数量限制:设置单次最大取关数量(建议初期设为5-10)
- 排除名单:添加需要保留的UP主UID
- 启用开关:设置
阶段三:智能调度与监控
-
设置执行计划
- 在"任务调度"界面配置执行周期(建议每周一次)
- 选择执行时间段(避开B站服务器高峰期)
-
配置通知渠道
- 绑定钉钉/企业微信等通知方式
- 开启执行结果推送,包含取关数量、异常信息等关键数据
效能提升:多场景应用策略
个人账号管理场景
数字极简主义实践:
- 每月执行一次关注列表审计
- 维持活跃UP主数量在50-80之间
- 建立"观察区"分类,对新关注账号设置30天考察期
实施效果:内容推送精准度提升40%,日均有效观看时长增加25分钟
多账号管理场景
矩阵运营策略:
- 为每个账号配置独立Cookie与取关规则
- 设置差异化执行时间,避免IP关联风险
- 统一监控多账号关注健康度
安全熔断机制
系统内置多重保护措施:
- 频率控制:单次请求间隔>3秒,单日取关上限50个
- 异常检测:连续失败3次自动暂停任务
- 紧急停止:支持通过通知渠道发送指令终止执行
功能边界说明
适用范围:
- 支持标准B站账号(不含企业号/机构号)
- 适用于关注数量>100的账号优化
- 兼容Windows/macOS/Linux多平台部署
限制条件:
- 无法恢复已执行的取关操作,请提前备份关注列表
- 受B站API限制,部分历史互动数据可能获取不全
- 极端情况下可能触发B站安全验证,需手动处理
总结:构建健康的内容生态
BiliBiliToolPro的批量取关功能不仅是一个清理工具,更是一种数字生活管理方式。通过科学的关注列表管理,用户可以:
- 提升内容消费质量
- 减少信息焦虑
- 培养有目的性的关注习惯
定期进行关注列表"体检",让B站使用体验回归纯粹与高效。健康的关注生态,从精准管理每一个关注开始。
登录后查看全文
热门项目推荐
相关项目推荐
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 Notebook0126
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。Python06
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
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425



