【免费下载】 BewlyBewly: 极致优化你的Bilibili体验
项目介绍
BewlyBewly 是一个专注于提升 Bilibili 用户界面体验的浏览器扩展项目。它不仅对页面进行了精细的设计调整与优化,还引入了类似 YouTube Vision OS 和 iOS 的设计理念,使整个界面更加美观且易于操作。
该项目基于 vitesse-webext 模板进行开发,极大地提高了开发效率并保证了项目的顺利进展。值得注意的是,尽管项目致力于全面改进用户体验,但考虑到资源及维护难度,暗黑模式仅适用于常用页面,而非常见的功能性或效能增强。
BewlyBewly 目前主要支持以下几种语言:
- 英语(English)
- 简体中文(简体中文)
- 正體中文(正體中文)
- 廣東話(廣東話)
项目快速启动
技术栈概览
BewlyBewly 使用了 Vue.js 作为核心框架,具体版本是 Vue.js 3 版本。项目采用了 MIT 许可证,这意味着它是完全开放源码的,您可以自由地查看、修改以及分发项目代码。以下是项目的部分技术配置文件列表:
tsconfig.jsontsup.config.tsunocss.config.tsvite.config.content.tsvite.config.ts
安装指南
在线安装
强烈建议在 Microsoft Edge 浏览器中通过 Google Chrome 网店进行在线安装。相比 Edge 插件商店,Chrome 网店更新速度更快,能够更迅速地修复关键性的 Bug。
Chrome 网店: https://chromewebstore.google.com/detail/bewlybewly/bbbiejemhfihiooipfcjmjmbfdmobobp
Edge 商店: https://microsoftedge.microsoft.com/addons/detail/bewlybewly/bbbiejemhfihiooipfcjmjmbfdmobobp
本地安装步骤
如果您想要自行编译或者调试 BewlyBewly 扩展,可以遵循以下步骤:
-
克隆仓库至本地:
git clone https://github.com/BewlyBewly/BewlyBewly.git -
切换到仓库目录:
cd BewlyBewly -
安装依赖包(确保您已经安装了 Node.js):
npm install -
启动本地开发环境:
npm run dev
此时,在您的 Chrome 或者 Edge 浏览器上打开 chrome://extensions/ 或者相应管理插件的页面,选择 "加载已解压的扩展程序" 并指向 BewlyBewly 的 dist 文件夹即可完成测试环境下的安装。
应用案例和最佳实践
为了最大化利用 BewlyBewly 提供的功能,推荐您采取以下策略以提高 Bilibili 上的观看体验:
自定义设置
个性化主题:BewlyBewly 支持自定义主题色,以匹配您的个人喜好。
高级搜索:借助集成的高级搜索功能,轻松找到您想看的内容。
资源高效利用
合理分配时间:利用过滤和分类功能有针对性地筛选视频,避免浪费时间在不感兴趣的领域。
社区互动参与
积极参与评论讨论:由于 BewlyBewly 提升了社区互动的易用性和可视化效果,这将鼓励更多用户参与到对话中去,共同构建积极健康的网络文化。
典型生态项目
在 BewlyBewly 生态系统中,有几个辅助项目也值得关注:
- Imgs: 存储了所有 BewlyBewly 使用的壁纸、searchBarCharacters 和 logo 图标等素材。
这些周边项目的建设进一步完善了 BewlyBewly 的整体功能和用户体验。无论是外观美化还是功能拓展,它们都紧密地结合在一起,构成了一个完整而强大的生态系统,使得 BewlyBewly 不仅仅是一款简单的浏览器扩展,而是成为了一个致力于为用户提供更好服务的平台。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00