如何打造专属信息推送智能助手?让B站动态和直播不错过
你是否曾因错过关注UP主的直播而懊悔?或是刷B站时才发现喜欢的创作者早已更新动态?现在,有一款名为HarukaBot的工具能帮你解决这些烦恼!它就像你的专属信息小管家,能将B站的直播和动态实时推送到QQ,让你随时掌握喜爱内容的最新动态。
发现日常信息获取的小麻烦
想象一下,你是个游戏爱好者,特别关注某个游戏主播的直播。但因为工作或学习,你没法一直守在B站,结果等你有空打开软件时,主播的直播已经结束了,只能看看回放,那种错过实时互动的感觉真不好受。又或者,你喜欢的UP主更新了一个非常精彩的动态,可你几天没上B站,等看到时热度都过去了,没法和其他粉丝一起讨论,感觉自己脱节了。
还有,如果你是一个QQ群的管理员,群里的成员都喜欢某个领域的UP主。大家经常在群里问“XX今天直播了吗?”“YY更新动态了没?”,你作为管理员,总不能一直手动去查了再告诉大家,这样既浪费时间又容易出错。
用HarukaBot轻松解决问题
实时掌握UP主动态
HarukaBot就像长了一双“千里眼”,能时刻盯着你关注的UP主。一旦UP主开始直播,它会在很短的时间内就把消息推送到你的QQ群里,让你和群成员都能第一时间知道。而且,UP主发布新动态了,它也会马上推送,不用你自己去B站刷。
简单几步完成部署
要拥有这个智能助手其实很简单,不需要你是电脑高手。
准备工具:你只需要一台能联网的电脑,并且安装好Python环境和PDM包管理器(类似手机应用商店的软件管理工具)。
执行步骤:首先,把HarukaBot的项目复制到你的电脑上,在命令行输入相关指令就能完成。然后,用PDM安装所需的依赖,它会自动帮你把需要的“零件”都装好。最后,创建一个配置文件,填入你的机器人QQ账号和密码等信息。
⚠️注意:配置文件里的信息要准确填写,不然机器人可能无法正常工作哦。
验证方法:一切准备就绪后,启动机器人。如果看到控制台显示连接成功的信息,那就说明你的HarukaBot已经开始工作啦!
灵活管理推送内容
你可以根据自己的需求,设置哪些UP主的内容需要推送,是只推送直播,还是连动态一起推送。对于不同的QQ群,还能设置不同的推送规则,让每个群都能收到自己感兴趣的内容。
用户真实场景分享
游戏主播粉丝群
小明是一个游戏主播的忠实粉丝,他建了一个粉丝群。以前,群里的成员总是错过主播的直播。自从用了HarukaBot,只要主播一开始直播,群里就会收到推送,大家再也不会错过精彩的直播内容了,群里的互动也变多了。
二次元同好群
小红的QQ群里都是喜欢二次元的小伙伴,大家关注了很多动漫相关的UP主。HarukaBot帮他们把这些UP主的动态及时推送到群里,大家可以一起讨论新出的动漫资讯、精美的同人作品,群里的氛围特别好。
学习交流群
小李所在的学习交流群,大家会关注一些分享学习资源的UP主。有了HarukaBot,UP主更新学习视频或资料时,群里马上就能收到消息,大家可以及时获取学习内容,一起进步。
让HarukaBot更好用的小技巧
合理设置检查频率
你可以根据UP主的更新频率,调整HarukaBot检查信息的时间间隔。如果UP主更新比较频繁,就把间隔设短一点;如果更新不频繁,就设长一点,这样既能保证信息及时,又不会浪费电脑资源。
做好数据备份
定期把HarukaBot的数据库文件和配置文件备份一下,万一电脑出问题了,也能很快恢复,不会丢失之前的设置和订阅信息。
多账号分担任务
如果管理的群比较多,担心一个机器人账号忙不过来,或者怕推送消息太频繁影响群成员,可以考虑用多个QQ机器人账号来分担不同群的推送任务。
开始你的智能推送之旅吧
现在,你已经了解了HarukaBot的强大功能和使用方法。别再让信息滞后影响你的生活啦,赶紧动手部署一个属于自己的信息推送智能助手吧!根据你的实际需求,比如你关注的UP主类型、管理的群数量等,来设置最适合你的推送规则,让HarukaBot为你和你的QQ群带来更便捷、更及时的信息体验。
官方文档:docs/
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 Notebook0127
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


