3步智能管理B站关注列表,让你的推荐流重获新生
BiliBiliToolPro是一款开源的B站自动任务工具,能够帮助用户解决关注列表臃肿、内容推荐质量下降、手动管理耗时三大痛点。通过自动化批量操作,它能智能识别并清理长期不活跃的关注,让你的B站首页重新充满感兴趣的内容。
问题诊断:你的关注列表是否已成信息迷宫?
识别推荐流的隐形障碍
当你打开B站首页,是否发现推荐内容越来越杂乱?那些曾经一时兴起关注的UP主,如今却像迷宫中的岔路,让你难以找到真正感兴趣的内容。关注列表的无序增长,正在悄悄吞噬你的浏览体验。
量化关注管理的时间成本
你是否计算过手动管理关注列表的时间?假设你有500个关注,每个关注需要30秒判断是否保留,一次完整清理就需要250分钟。这还不包括定期复查的时间成本,长期下来是一笔不小的时间投入。
分析无效关注的典型特征
哪些关注正在消耗你的信息精力?通常包括:半年以上未更新内容的UP主、关注后从未互动过的账号、内容风格已发生改变的创作者。这些无效关注就像手机里的冗余APP,占用空间却毫无价值。
价值主张:BiliBiliToolPro的三大技术突破
实现多维度智能筛选算法
BiliBiliToolPro采用创新的多维度筛选机制,不仅考虑UP主的更新频率,还结合你的互动数据(如观看时长、评论点赞)和内容相似度进行综合评估。这种智能筛选方式比单纯基于时间的筛选更精准,确保保留真正有价值的关注。
构建分布式任务调度系统
工具创新性地采用分布式任务调度架构,支持在青龙面板、Docker、K8s等多种环境部署。这种设计不仅保证了任务执行的稳定性,还能根据服务器负载自动调整执行时间,避免对B站服务器造成压力,同时确保任务按时完成。
打造可视化配置管理界面
相比传统的配置文件修改方式,BiliBiliToolPro提供直观的Web可视化界面,让用户可以通过拖拽和勾选轻松设置筛选规则。这种所见即所得的配置方式,大大降低了使用门槛,即使是非技术用户也能快速上手。
BiliBiliToolPro任务管理界面 - 展示了多种自动化任务的调度状态
实施路径:从部署到运行的三步法
1. 准备运行环境
首先需要部署BiliBiliToolPro,推荐使用青龙面板作为运行环境。通过以下命令克隆项目仓库:
git clone https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro
然后按照项目文档中的指引完成依赖安装和基础配置。这个过程就像为智能管家准备一个工作间,让它能够顺利开展后续工作。
2. 配置账号授权信息
在青龙面板的"环境变量"页面,添加名为Ray_BiliBiliCookies的变量,填入你的B站Cookie信息。环境变量——相当于给工具的操作手册,告诉它如何安全地访问你的B站账号。
BiliBiliToolPro环境变量配置 - 展示了账号授权和其他参数设置界面
⚠️ 注意:Cookie包含你的账号登录信息,请确保在安全环境下操作,不要分享给他人。建议定期更新Cookie以保障账号安全。
3. 定制智能筛选规则
登录BiliBiliToolPro的Web管理界面,进入"配置"页面。在这里你可以设置多种筛选条件:
- 关注时间阈值:如仅保留3个月内关注的UP主
- 内容活跃度:如自动取关60天未更新的账号
- 互动频率:如取关从未观看过其视频的UP主
设置完成后保存并启用任务,工具将按照你的规则自动执行关注管理。
BiliBiliToolPro配置界面 - 展示了详细的任务参数设置选项
💡 技巧:初次使用建议先设置宽松的筛选条件,观察工具运行效果后再逐步调整,避免误删重要关注。
场景延伸:不同用户的个性化使用指南
新手用户:快速启动基础清理
对于初次使用的用户,推荐使用默认配置快速启动基础清理功能。只需完成账号授权,启用"标准清理模式",工具将自动保留近3个月有互动的UP主,清理6个月未更新的账号。这种方式无需复杂设置,即可获得立竿见影的效果。
进阶用户:定制化筛选策略
如果你对关注管理有更精细的需求,可以尝试自定义筛选规则。例如:
- 为不同类型的UP主设置不同的保留期限(知识类1年,娱乐类3个月)
- 设置例外名单,保护你特别关注的创作者
- 配置定期执行计划,实现自动化维护
这些高级功能可以通过Web界面的"高级配置"选项实现,让工具更贴合你的使用习惯。
专业用户:API集成与二次开发
对于技术型用户,BiliBiliToolPro提供了完整的API接口,可以将关注管理功能集成到自己的应用中。项目的模块化设计也便于进行二次开发,添加自定义的筛选算法或扩展其他平台的支持。相关文档可以在项目的docs/目录下找到。
行动召唤:让你的B站体验焕然一新
立即尝试
- 访问项目仓库获取最新版本
- 按照文档指引完成10分钟快速部署
- 配置你的第一个清理任务,见证关注列表的蜕变
问题反馈
在使用过程中遇到任何问题,欢迎通过以下方式反馈:
- 项目Issues页面提交bug报告
- 加入官方交流群参与讨论
- 提交Pull Request贡献代码
BiliBiliToolPro任务执行通知 - 展示了清理任务完成后的详细报告
现在就开始行动,让BiliBiliToolPro为你打造一个清爽高效的B站关注列表,重新发现优质内容的乐趣!
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