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 StartedRust065- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
热门内容推荐
最新内容推荐
如何快速提升编程技能:80+实用应用创意项目完全指南80个实战项目:如何用App Ideas快速提升编程技能终极指南:如何用Android Asset Studio快速生成Android应用图标资源如何快速上手Ollama:本地运行Kimi、GLM、DeepSeek等主流大模型的完整指南终极指南:如何快速生成专业级Android应用图标如何快速部署本地AI模型:Ollama完整指南如何通过80+个应用创意项目快速提升编程技能:终极学习指南如何快速部署本地AI模型:Ollama完整指南与实战教程80个实战项目创意:从零到一提升编程技能的完整指南终极应用创意宝典:100+实战项目助你快速提升编程技能
项目优选
收起
暂无描述
Dockerfile
686
4.44 K
Ascend Extension for PyTorch
Python
538
661
Claude 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 Started
Rust
368
64
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
405
320
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++
952
912
Oohos_react_native
React Native鸿蒙化仓库
C++
336
385
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.58 K
921
暂无简介
Dart
934
233
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
135
216
昇腾LLM分布式训练框架
Python
145
172


