BiliBiliToolPro批量管理工具:关注列表高效清理全指南
你是否曾因B站关注列表中数百个不再活跃的UP主而困扰?BiliBiliToolPro作为一款功能强大的B站自动任务工具,提供了高效的批量取关功能,让你轻松管理关注列表。这款工具支持docker、青龙、k8s等多种部署方式,能够智能识别并批量取消关注,帮助你保持关注列表的清爽有序。
一、关注管理困境:识别与分析问题根源
B站作为国内领先的视频社区,用户关注列表随着时间推移往往会变得臃肿不堪。主要问题表现为:长期未更新内容的UP主占据关注位、曾经感兴趣但现在内容风格变化的创作者、以及误关注的账号等。手动清理不仅耗时,还容易遗漏或误操作,而频繁操作又可能触发平台限制。
传统清理方式存在三大痛点:单账号操作效率低下(平均每个账号清理需1-2小时)、难以按条件精准筛选、缺乏执行记录和回溯机制。这些问题使得关注列表管理成为B站用户的一大困扰。
二、解决方案:BiliBiliToolPro批量取关功能解析
BiliBiliToolPro的批量取关功能通过自动化脚本和智能筛选机制,彻底解决了手动管理的痛点。该功能核心优势在于:
- 多维度筛选:支持按活跃度、关注时长、内容类型等条件筛选
- 智能执行控制:内置频率限制算法,避免触发平台反作弊机制
- 多账号支持:可同时管理多个B站账号的关注列表
- 完整日志记录:详细记录每次操作,支持结果验证和问题排查
图1:青龙面板中批量取关任务的配置界面,显示了任务名称、定时规则和执行状态
该功能的实现基于项目中的UnfollowBatchedJob模块,源码位于src/Ray.BiliBiliTool.Application/UnfollowBatchedTaskAppService.cs,通过API接口与B站服务器交互,实现批量操作。
三、实施步骤:从零开始配置批量取关功能
3.1 环境准备与部署
- 确保服务器已安装Docker环境
- 克隆项目仓库:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro - 进入项目目录:
cd BiliBiliToolPro - 按照项目文档部署青龙面板或其他支持的部署方式
3.2 安全配置策略
正确配置B站Cookie是功能正常运行的关键,操作步骤如下:
- 在浏览器中登录B站账号
- 通过开发者工具获取Cookie信息
- 在青龙面板中添加环境变量
Ray_BiliBiliCookies - 将Cookie值粘贴到变量中并保存
图2:BiliBiliToolPro的Web配置界面,可设置取关条件和执行参数
3.3 智能筛选规则设置
通过Web配置界面设置取关条件,主要参数如下:
| 参数名称 | 功能说明 | 推荐值 |
|---|---|---|
| 启用状态 | 控制功能开关 | true |
| 单次取关数量 | 每次执行最多取关人数 | 10-20 |
| 最小关注天数 | 关注超过此天数的UP主才会被考虑 | 30天 |
| 活跃度阈值 | 近90天发布视频少于此值将被筛选 | 3个 |
| 保留标签列表 | 带有这些标签的UP主将被保留 | 生活,科技 |
3.4 执行与监控流程
- 在青龙面板中找到"bili批量取关主脚本"任务
- 点击"运行"按钮手动触发,或设置定时执行
- 任务执行过程中可通过日志实时监控进度
- 执行完成后查看结果通知或日志文件
四、优化建议:提升批量取关效率与安全性
4.1 执行策略优化
为避免触发B站限制并提高清理效率,建议采用以下策略:
- 分批次执行:对于关注人数超过100的账号,分3-5次完成清理
- 间隔执行:两次取关操作间隔至少24小时
- 时间选择:避免在B站服务器负载高峰期执行(如晚间8-10点)
- 数量控制:新用户首次使用建议设置单次取关数量不超过10
4.2 常见问题排查
任务未执行:
- 检查Cookie是否过期(有效期通常为7-30天)
- 确认环境变量名称是否正确(区分大小写)
- 查看青龙面板任务日志定位错误
取关数量异常:
- 检查筛选条件是否设置合理
- 确认是否达到当日取关上限
- 验证网络连接稳定性
4.3 效率提升技巧
- 标签管理:提前为需要保留的UP主添加特殊标签
- 定期维护:设置每月固定日期自动执行清理任务
- 多账号同步:通过配置文件实现多账号统一管理
- 结果验证:定期导出关注列表与执行记录比对
图3:批量取关任务完成后的钉钉通知示例,包含执行结果和关键数据
五、总结与资源推荐
BiliBiliToolPro的批量取关功能为B站用户提供了高效、安全的关注列表管理解决方案。通过本文介绍的配置和优化方法,你可以轻松实现关注列表的自动化清理,提升B站使用体验。
推荐资源:
- 详细配置指南:docs/configuration.md
- 任务脚本示例:qinglong/DefaultTasks/
- 常见问题解答:docs/questions.md
现在就开始使用BiliBiliToolPro的批量取关功能,让你的B站关注列表重获清爽,专注于真正感兴趣的内容!定期维护关注列表不仅能提升浏览体验,也是数字生活管理的重要一步。
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 StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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