如何用BiliBili-Lucky-Draw自动参与B站抽奖活动?解放双手的终极薅羊毛神器!
BiliBili-Lucky-Draw是一款专为B站用户设计的自动抽奖工具,能够帮助你自动扫描并参与Up主的抽奖活动,实现关注、转发动态等操作,让你轻松薅羊毛,提高中奖几率。
一、BiliBili-Lucky-Draw是什么?
常刷B站的伙伴们,是不是每次看到Up主的抽奖活动都心动不已?毕竟“抽奖总得试试,万一中奖了呢”!但一波关注+转发之后,往往是“从不缺席,从不中奖”的无奈。
BiliBili-Lucky-Draw自动抽奖工具就是来解决这个问题的!它能自动扫描有抽奖活动的Up主动态,帮你完成关注和转发操作,解放双手,让你有更多时间看二次元动漫,轻松参与B站抽奖活动,提高中奖率。
1.1 工具工作原理
本程序内置扫描脚本,会挖掘那些经常转发抽奖动态的用户,每天定时扫描他们的动态信息,再通过抽奖动态识别与转发脚本来自动参与活动。转发后的效果如下:
图:BiliBili-Lucky-Draw自动转发抽奖动态效果展示
二、BiliBili-Lucky-Draw安装教程
2.1 环境准备
确保你的系统中安装了Python 3.6或更高版本,并且已经配置好了Git。
2.2 克隆项目代码
打开终端或命令提示符,运行以下命令来克隆项目到本地:
git clone https://gitcode.com/gh_mirrors/bi/BiliBili-Lucky-Draw
2.3 Docker一键部署(推荐)
2.3.1 获取B站Cookie
在浏览器进入B站,登录后按照下图获取cookie值:
图:BiliBili-Lucky-Draw获取B站Cookie步骤截图
2.3.2 设置Cookie和本机IP
在项目的.env文件中,将获取的cookie值和本机实际IP填入相应位置:
图:BiliBili-Lucky-Draw配置文件参数设置界面
2.3.3 执行Docker命令
编译命令:
docker-compose build
运行容器:
docker-compose up -d
Tip:如果要停止容器,可以使用命令:
docker-compose down
2.4 确认部署成功
等待Docker运行成功后,访问your_ip:5555/ui/sessions,点击正在执行的项目,查看是否正常运行。
三、BiliBili-Lucky-Draw功能特点
- 自动扫描抽奖活动:定时扫描指定用户的动态,发现抽奖活动
- 自动参与抽奖:自动完成关注Up主、转发动态等抽奖要求
- Docker一键部署:简化部署流程,新手也能轻松上手
- Cookie自动管理:支持二维码登录,自动生成和续期Cookie
- 动态管理:自动删除过期动态,保持账号整洁
四、注意事项
声明: 此脚本仅用于学习和测试,请于运行测试完成后自行删除,请勿滥用!
五、更新日志
- [x] 项目采用Docker部署
- [x] 扫描B站二维码登录,自动生成Cookie
- [x] 登录过期自动续期Cookie
- [x] 每日任务执行情况推送
- [x] Docker服务编排,一键部署
- [x] 过期动态自动删除
- [x] 自动转发UP主抽奖动态列表
六、总结
BiliBili-Lucky-Draw作为一款实用的B站自动抽奖工具,能够帮助用户轻松参与各类抽奖活动,解放双手,提高中奖几率。通过简单的配置和部署,即可让工具自动完成关注、转发等操作,让你在享受B站内容的同时,不错过任何中奖机会!
如果觉得这个项目有用,欢迎给项目点赞支持,有问题也可以提出Issue交流。
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