如何拯救失控的B站关注列表?智能管理工具全攻略
2026-04-18 08:37:55作者:董灵辛Dennis
副标题:5分钟完成批量取关,让关注列表重获新生
一、痛点诊断:你的关注列表还好吗?
当B站关注人数超过200人后,90%的用户会面临三大困境:
- 信息过载:动态流被无关内容淹没,真正感兴趣的UP主更新被稀释
- 管理成本高:手动清理需3小时/次,每年耗费约1天时间
- 误操作风险:批量删除时容易误删重要关注对象
传统取关方式vs工具效率:3小时→5分钟,效率提升36倍。这种效率差距源于工具的自动化处理能力,让用户从机械重复的操作中解放出来。
二、工具优势:三维价值模型解析
1. 效率维度:全自动化流程
BiliBiliToolPro通过预配置的任务流程,实现从关注列表分析到执行取关的全自动化处理。系统每小时可处理500+关注关系,远超人工操作极限。
2. 安全维度:平台规则适配
内置频率控制(Rate Limiting)机制,严格遵守B站API调用规范,将账号风险系数降低90%。系统会智能调整操作间隔,避免触发平台反作弊机制。
3. 智能维度:多维度筛选引擎
基于机器学习的用户行为分析模型,可识别长期不活跃账号、低互动UP主等特征,实现精准筛选。用户可自定义筛选规则,满足个性化管理需求。
青龙面板任务列表界面,展示"bili批量取关主播"任务及其他自动化任务的运行状态
三、配置实践:系统部署四步法
环境准备:部署方式选择
推荐使用青龙面板部署,这是目前最稳定且易用的方案:
- 登录青龙面板后台
- 进入"定时任务"页面
- 点击"添加任务"按钮
- 填写基础信息并保存
验证点:任务添加后状态显示为"未运行",表示环境准备完成。
权限配置:安全获取Cookie
- 在浏览器中登录B站账号
- 按F12打开开发者工具
- 切换到"网络"标签页
- 刷新页面并复制Cookie信息
- 在青龙面板"环境变量"中添加
Ray_BiliBiliCookies变量
环境变量配置界面,箭头标注处为添加Cookie的位置
验证点:变量添加后状态显示为"已启用",值部分显示为星号掩码。
规则引擎:定制取关策略
- 进入Web管理界面的"Configurations"菜单
- 选择"Unfollow Batch"配置项
- 启用功能开关并设置参数:
- 单次取关数量限制
- 关注时间阈值(如6个月)
- 互动频率阈值(如从未观看)
- 保存配置并应用
批量取关功能配置页面,可设置多种筛选条件和执行参数
执行监控:结果追踪与验证
- 在青龙面板手动触发任务
- 查看任务日志确认执行状态
- 检查B站关注列表变化
- 配置执行结果推送通知
决策分支:根据账号等级选择执行频率
- 普通账号:建议每7天执行一次
- 会员账号:可每3天执行一次,利用会员API调用额度优势
验证点:执行后检查关注列表减少数量是否符合预期。
四、高级策略:场景化应用指南
轻度用户(关注<100人):定期维护模式
每月执行一次标准清理,保留近3个月有互动的UP主。配置参数:
- 关注时间阈值:90天
- 单次取关限制:20人
- 执行频率:0 0 1 * *(每月1日执行)
中度用户(100<关注<500人):智能筛选模式
结合互动数据和内容相似度进行筛选:
- 设置"观看时长<5分钟"的UP主为待清理对象
- 排除"特别关注"分组中的账号
- 启用"分批次执行"功能,每次处理50人
重度用户(关注>500人):分级管理模式
建立三级管理体系:
- 核心关注:手动管理,永不自动取关
- 常规关注:3个月无互动自动清理
- 临时关注:1个月无互动自动清理
原理图解:筛选算法通过计算用户与UP主的互动指数(观看时长×互动频率),结合关注时长,生成取关优先级排序,确保重要UP主不会被误清理。
五、下一步行动清单
- 立即备份当前关注列表,路径:设置→关注→导出列表
- 部署青龙面板并添加基础任务,仓库地址:https://gitcode.com/GitHub_Trending/bi/BiliBiliToolPro
- 配置首批取关规则,建议从"关注超过1年且3个月无互动"开始
批量取关功能核心实现:
- 应用层服务:src/Ray.BiliBiliTool.Application/
- 批量取关实现:src/Ray.BiliBiliTool.Application/UnfollowBatchedTaskAppService.cs
- 任务脚本:qinglong/DefaultTasks/bili_task_unfollowBatched.sh
通过这套智能管理方案,你将彻底摆脱关注列表失控的困扰,让B站体验回归纯粹与高效。现在就开始行动,5分钟后,你的关注列表将重获新生!
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0198
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 Notebook0129
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
项目优选
收起
暂无描述
Dockerfile
767
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
866
1.96 K
Ascend Extension for PyTorch
Python
725
901
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
238
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
631
Oohos_react_native
React Native鸿蒙化仓库
C++
357
427


