10 秒看懂 OpenBiliClaw

一个纯本地、私有、开源的自进化跨平台内容发现 Agent：从你的跨平台使用、反馈和对话中持续深化心理画像，带着对你的理解主动去 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Bangumi 等来源找内容。

安装浏览器插件 · 让 AI 助手部署后端

_{喜欢这个方向？欢迎 Star 支持项目继续适配更多平台。}

快速开始

普通用户只需四步；Firefox、Docker、脚本和手动部署等备用路径都在 安装与部署详情。

1. 装插件 —— Chrome 应用商店一键安装（自动更新），或从 Latest Release 下载 zip 手动安装（最新功能先到，商店版可能滞后几天）。

2. 装后端 —— 从同一个 Latest Release 下载桌面安装包（macOS .dmg / Windows .exe，开箱即用、常驻菜单栏/托盘）。每个平台有两种安装包:精简版(默认,首启自动下载向量模型 bge-m3)与 -with-embedding 完整版(已内置 bge-m3 ~1.1GB,离线开箱即用)——网络差 / 想离线的选完整版,其余选精简版。想改源码或深度定制,就把下面这句话粘给 Claude Code / Codex CLI / Cursor 等 AI 编程助手：

   请按照 https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docs/agent-install.md 的说明帮我部署 OpenBiliClaw 后端(务必用 Bash 的 curl 下载这个文档,不要用 WebFetch — 会丢关键指令)
   

3. 连接来源 —— 在装了插件的浏览器登录 B 站（默认初始化来源），或改选小红书 / 抖音 / YouTube / X / 知乎 / Reddit；Bangumi discovery 无需登录，若要用公开收藏初始化画像则填写公开用户名。

4. 打开界面 —— 浏览器访问 http://127.0.0.1:8420/web；手机扫插件二维码打开 http://<电脑局域网 IP>:8420/m/，保存到主屏幕即可当 App 用。

用户交流群

QQ 用户群

Discord 社区 扫码或点击加入，链接长期有效

为什么需要 OpenBiliClaw？

名字起源于 B 站（Bili = Bilibili，Claw = 爪子），项目最早只支持 B 站。从 v0.3.0 起已扩展为通用跨平台 Agent，覆盖 B 站 / 小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Bangumi 与通用 Web，持续接入更多内容平台。

推荐系统本质上是一个中间商——平台站在海量内容和海量用户之间做匹配分发。现代推荐系统远比「优化点击率」复杂：它同时权衡点击率、完播率、点赞/投币概率、停留时长、用户留存、创作者生态健康、广告收入等十几个目标，把它们加权压成一个分数来排序。听起来很科学，但问题在于：这些权重是平台定的，优化目标归根结底是平台的——用户满意度只是被当作留存和变现的手段，而非目的本身。你以为你在挑内容，其实是中间商在替你决定你能看到什么。结果就是：推荐越来越像你已经看过的东西，偶尔的惊喜全靠运气。

而且每个平台都是一座孤岛。你在 B 站看了三年机械键盘，小红书完全不知道；你在小红书种草的咖啡器具，B 站从来不会推给你。你的兴趣被割裂在不同平台的数据库里，没有人帮你把它们连起来。

OpenBiliClaw 反过来。 它是一个本地运行的 AI Agent——先深度理解你，再根据对你的理解跨平台主动搜寻你会喜欢的内容。项目从 B 站起步，现已扩展到小红书、抖音、YouTube、X（Twitter）、知乎、Reddit 和 Bangumi，后续还会覆盖更多内容平台：

🧠 先懂你，再找内容

不是从视频出发匹配标签，而是从你出发。通过行为分析推断 MBTI、认知风格、深层心理需求，构建五层灵魂画像（事件→偏好→觉察→洞察→灵魂）。它理解的是你这个人，不是你的点击记录。

🔮 根据理解主动探索，而非被动匹配

这是和传统推荐最核心的差异：系统会基于对你的理解，主动猜测你可能感兴趣但从未接触过的领域。一个关注机械表的人可能会喜欢建筑美学，一个看量子物理科普的人可能对哲学感兴趣——它用心理学桥接逻辑主动出击，猜对了升级为正式兴趣，猜错了安静退出。协同过滤永远不会推给你「没人从这条路径走过」的内容，但 OpenBiliClaw 会。

🔒 100% 本地，100% 你的

所有数据留在你硬盘上的一个 SQLite 文件里。LLM 默认用你自己的 API Key，也可实验性复用本机 Codex CLI 的 ChatGPT OAuth 凭据。没有云端，没有账号，没有任何人能看到你的画像。这个 Agent 怎么长，完全你说了算——反馈推荐、对话调教、换 LLM、改数据库，随你。

💡 和其他推荐工具的对比

	各平台官方推荐	关键词过滤插件	OpenBiliClaw
推荐逻辑	协同过滤	标签匹配	心理画像 + 五层记忆
内容来源	单一平台	单一平台	跨平台（B 站 · 小红书 · 抖音 · YouTube · X · 知乎 · Reddit · Bangumi · 更多）
信息茧房	越推越窄	不解决	猜测兴趣主动破茧
数据归属	平台所有	通常云端	100% 本地
推荐解释	"猜你喜欢"	无	像朋友一样告诉你为什么
可定制	不可以	低	换 LLM / 改画像 / 写 Skill

📸 功能预览

核心入口现在有三个：浏览器插件负责平台内交互和登录会话，桌面端 Web（/web）提供大屏推荐首页，移动端 Web（/m）适合手机使用。桌面端和移动端都只调用本地 API，Cookie 同步和平台任务仍由插件承担。

智能推荐 像朋友一样解释为什么你会喜欢

灵魂画像 自然语言描述的深度人格分析

结构化特质 MBTI · 核心特质 · 深层需求

对话调教 聊天告诉它你想看什么

🖥️ 桌面端 Web 预览

启动后端后访问 http://127.0.0.1:8420/web（或直接 http://127.0.0.1:8420/，会自动跳转），即可在浏览器大屏上使用推荐首页。

桌面推荐首页 惊喜推荐 Hero · 为你推荐网格 · 朋友式推荐理由	推荐卡片网格 封面 + 推荐理由 · 喜欢 / 不感兴趣 / 稍后 / 收藏 / 聊一聊
画像 + 实时看板 侧栏 Runtime 看板 + 后台动态 · 人格素描 · 核心特质 · MBTI 推断

📱 移动端 Web 预览

手机推荐页 惊喜推荐 + 池子状态 · 朋友式推荐原因 看看 / 喜欢 / 稍后 / 收藏 / 不感兴趣 / 聊一聊

手机画像页 人格素描 · 核心特质 · 深层需求 · MBTI

手机对话页 与插件共享主聊天历史

更多截图

推荐反馈 点赞 / 多来点 / 少来点 / 没兴趣

价值偏好与兴趣 内在驱动力 · 猜测兴趣方向

认知风格 信息处理偏好 · 内容口味

最近更新

📌 最新版本：v0.3.181（2026-07-20）

• 推荐不再被单一来源霸占 —— 候选池份额全链路生效，修掉「reddit 占满 300 池、bangumi / 抖音 / YouTube 长期为 0」的四层饿死盲区。
• PC Web 平台 Tab 成为真正的推荐作用域 —— 切到某平台后「换一批 / 加载更多」只从该平台选片，并显示各平台真实可推库存。
• 惊喜推荐等正式文案就绪才出现 —— 不再把兜底文案当成朋友式推荐词提前推给你。
• 按真实反馈调节奏 —— 初始化不再给不靠谱的耗时预估，改报已用时与真实进度；惊喜卡自动轮播从 4 秒放慢到 60 秒。

完整变更详见 docs/changelog.md。

安装与部署详情

普通用户的正常流程是：先安装浏览器插件，再把一句话发给 AI 助手安装后端，在同一个浏览器登录内容平台；如果要在手机上使用，再打开移动端 Web。脚本、Docker 和手动部署只作为备用路径，放在下面折叠区。

1. 安装浏览器插件

插件是主要入口：它会在 B 站、小红书、抖音、YouTube、X 和知乎页面显示侧边栏、采集你的反馈，并把知乎 / Reddit 等登录态任务安全地交给本地后端使用。

插件基于 Manifest V3，支持所有兼容 Chrome 插件的浏览器，包括 Chrome、Edge、Brave、Arc、Vivaldi、Opera 等。

推荐方式 · 从 Latest Release 聚合页下载最新版手动安装（拿到最新功能与修复 —— Chrome 应用商店受审核排期影响，版本通常会滞后几天到一两周）：

1. 打开 OpenBiliClaw Latest Release，也就是最新 openbiliclaw-v* 用户下载聚合页
2. Chrome / Edge / Brave 下载 openbiliclaw-extension-v*.zip；Firefox 若 release 提供 openbiliclaw-extension-v*-firefox.xpi 就直接安装，否则下载 openbiliclaw-extension-v*-firefox.zip 并按下方 about:debugging 临时加载
3. 打开扩展管理页面（Chrome：chrome://extensions/ · Edge：edge://extensions/ · Brave：brave://extensions/），开启右上角「开发者模式」
4. Chrome / Edge / Brave 将下载的 .zip 文件拖入页面安装；Firefox 的 .xpi 可直接打开确认安装，临时 zip 需要先解压再加载 manifest.json

省事方式 · Chrome 应用商店一键安装（安装后由浏览器自动更新，适合不想手动升级的人；缺点是版本可能滞后于 Releases）：

👉 在 Chrome 应用商店安装 OpenBiliClaw —— 打开后点「添加至 Chrome」即可。

插件更新取决于安装渠道：Chrome Web Store / Edge Add-ons（以及未来 AMO 上架版）由浏览器自动更新；从 GitHub Release 下载的 Chrome zip / Firefox signed XPI / Firefox 临时 zip、开发者模式加载或 Firefox 临时加载的用户，需要下载新版安装包并按同样方式重新加载。后端设置里的“自动更新”开关只更新本地后端源码，不会更新浏览器插件。

unzip openbiliclaw-extension-v*-firefox.zip -d openbiliclaw-firefox

# 或从源码构建
git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw/extension
npm install
npm run build:firefox          # 产出 dist-firefox/
npm run package:firefox        # 额外打成未签名 openbiliclaw-extension-v*-firefox.zip
# AMO 凭据配置后可签名成正式安装包：
# AMO_JWT_ISSUER=... AMO_JWT_SECRET=... npm run sign:firefox:only

2. 部署后端（二选一）

普通用户直接用桌面安装包最省事；想改源码、换 LLM、深度定制就用 AI 一句话部署。

方式 A：下载桌面安装包（实验性，最省事）

到 Latest Release 的 openbiliclaw-v* 聚合发布页下载对应系统的安装包。这个聚合页会同步展示：

• 当前后端源码 tag：backend-v*

• 当前插件 release：extension-v*，并附 openbiliclaw-extension-v*.zip / openbiliclaw-extension-v*-firefox.zip（Firefox 临时调试）；启用 AMO signing 时还会附 openbiliclaw-extension-v*-firefox.xpi（Firefox 正式安装）

• 当前桌面安装包 release：desktop-v*，同版本桌面 channel 完成后会附可用的 .dmg / .exe；缺失 channel 显示未发布，不回填上一版资产

• macOS：从发布页下载与你的 Mac 匹配的 DMG：Apple 芯片用 OpenBiliClaw-macos-v*-arm64.dmg；Intel 用 OpenBiliClaw-macos-v*-x64.dmg（如发布页提供）。打开后先看 DMG 里的 首次打开说明 First Launch.html，再把 OpenBiliClaw 拖进「应用程序」。

• Windows：下载 OpenBiliClaw-windows-*-Setup.exe，双击安装。

安装包自带本地 Ollama + bge-m3 embedding，开箱即用；也内置默认内容源依赖，包括 X 的 twitter-cli 和 Reddit 的 rdt-cli（Reddit rdt 命令后端会优先使用已连接插件同步的 reddit_session，插件不可用时可手动运行 rdt login，未登录会 fallback 插件）。启动后常驻 macOS 菜单栏 / Windows 系统托盘，右键可「打开 Web 界面 / 查看运行日志 / 退出」。数据与 AI / 脚本安装复用同一个目录：~/OpenBiliClaw（macOS / Linux）/ %USERPROFILE%\OpenBiliClaw（Windows），升级或卸载不会动它；旧安装包曾写入的 ~/Library/Application Support/OpenBiliClaw / %LOCALAPPDATA%\OpenBiliClaw 会在新版本首次启动时非覆盖拷贝回来。若 config.toml / config.local.toml 损坏导致启动失败，桌面包会把坏文件备份为 *.invalid 并重新生成默认配置，随后打开 /setup/ 重新初始化；data/ 不会被删除。

⚠️ macOS 安全阻挡（应用尚未签名 / 公证）：

• 当前 Release 是 ad-hoc signed、未 notarized。首次打开如果提示“无法验证开发者”或“未经安全验证”，先把应用拖进「应用程序」，再右键 / Control-click OpenBiliClaw.app →「打开」→ 在弹窗里再点「打开」；也可以到「系统设置 → 隐私与安全性」点击「仍要打开」。

• 如果提示“OpenBiliClaw.app 已损坏，无法打开。您应该将它移到废纸篓”，通常是下载隔离属性导致。确认包来自本项目 Releases 后运行：

  APP="/Applications/OpenBiliClaw.app"
  xattr -dr com.apple.quarantine "$APP"
  

  然后再次打开应用。

• Windows：SmartScreen 弹窗点「更多信息 → 仍要运行」。

这是实验性预发布：未签名、随后端版本滚动更新，适合只想最快试用、不碰命令行的人。要二次开发 / 改源码请用下面的方式 B。

方式 B：AI 一句话部署（可定制 / 可改源码）

把下面整句粘给 Claude Code、Codex CLI、Cursor、Windsurf 或其他 AI 编程助手即可。括号里的限制是给 AI 助手看的，你不用理解。

请按照 https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docs/agent-install.md 的说明帮我部署 OpenBiliClaw 后端(务必用 Bash 的 curl 下载这个文档,不要用 WebFetch — 会丢关键指令)

AI 助手会克隆仓库、安装依赖、用局域网可访问的默认绑定启动后端（0.0.0.0:8420）、做健康检查，并问几个有默认值的问题。自动初始化前会真实验证 LLM provider 和 embedding 服务；有一个不通就先停下让你修配置，不会硬跑出空画像。看不懂就选默认；小红书、抖音、YouTube、X、知乎和 Reddit 数据只有你明确同意才会进入初始画像。Bangumi discovery 无需登录；只有你填写公开用户名时，公开收藏才会参与初始化画像。

Chrome Web Store / AMO 发布包默认只声明本机后端权限。让插件连接局域网另一台机器或远程域名时，在设置里选择协议并填写地址，浏览器会请求该 scheme://host/* 的可选权限；WebExtension host permission 无法跨浏览器限定端口，但实际请求仍固定到配置端口。公网地址强制 HTTPS。后端需先用 ext-key generate 和 ext-key enable 开启默认关闭的设备认证。

3. 在同一个浏览器登录内容平台

默认登录 B 站 并勾选 B 站来源即可生成第一版画像和推荐；如果不想接 B 站，也可以在初始化来源选择里取消它，改勾已登录的 小红书 / 抖音 / YouTube / X / 知乎 / Reddit，或选择无需登录的 Bangumi 并填写公开用户名。至少保留一个能拉到画像信号的来源；未填用户名的 Bangumi 仍可做匿名 discovery，但不能单独完成画像初始化。

4. 打开桌面端或移动端 Web

后端启动后会同时托管桌面端和移动端 Web，都只调用本地 API，不做 Cookie 同步或平台登录。

openbiliclaw start

• 桌面端：浏览器直接访问 http://127.0.0.1:8420/web（或 http://127.0.0.1:8420/，自动跳转）。大屏两栏布局，推荐流、画像、聊天、消息和设置全在一页。
• 移动端：点击插件顶部的手机图标扫二维码，或手动输入 http://<电脑局域网 IP>:8420/m/。适合手机上刷推荐、看画像、和阿B聊天。

首次运行 openbiliclaw init 时会询问是否允许局域网访问（默认 Y）。如果选了 N 或想改回来，编辑 config.toml 的 [api].host（0.0.0.0 = 局域网可达，127.0.0.1 = 仅本机）。

打开 /m/ 后可以把手机页面保存成桌面快捷入口：iPhone / iPad 用 Safari 的「分享 → 添加到主屏幕」；Android Chrome / Chromium 浏览器用菜单里的「安装应用」或「添加到主屏幕」。局域网 HTTP 在部分 Android 浏览器上可能只生成快捷方式；如果想要更稳定的完整 PWA 安装提示，建议在可信环境里用 HTTPS 反代访问本机后端。

页面包含「推荐 / 稍后 / 收藏 / 画像 / 对话」五个底部 Tab：推荐页支持「换一批 / 加载更多 / 喜欢 / 不感兴趣 / 稍后再看 / 收藏 / 写一句 / 聊一聊」，稍后和收藏页管理「稍后再看 / 收藏」列表，画像页展示人格素描、核心特质、兴趣和认知更新，对话页与插件共享主聊天历史。

curl -fsSL https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/scripts/install.sh | bash

[Net.ServicePointManager]::SecurityProtocol = [Net.ServicePointManager]::SecurityProtocol -bor [Net.SecurityProtocolType]::Tls12; iwr https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/scripts/install.ps1 -UseBasicParsing | iex

mkdir -p ~/openbiliclaw && cd ~/openbiliclaw
curl -fsSLO https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docker-compose.prebuilt.yml
docker compose -f docker-compose.prebuilt.yml up -d
# 然后打开 http://127.0.0.1:8420/setup/ 完成初始化

请按照 https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docs/docker-deployment.md 的说明帮我用 Docker Compose 部署 OpenBiliClaw 后端(务必用 Bash 的 curl 下载这个文档,不要用 WebFetch)

# macOS
# 安装并启动官方 Ollama.app（会创建 ollama 命令行入口）
open https://ollama.com/download/mac

# Linux
curl -fsSL https://ollama.com/install.sh | sh && ollama serve &

uv run openbiliclaw setup-embedding

# 克隆项目
git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw

# 使用 uv (推荐)
uv sync

# 或使用 pip
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

# 复制配置模板
cp config.example.toml config.toml

# 编辑配置（设置 LLM API Key 等）
vim config.toml

# 一键初始化（拉取历史 · 生成画像 · 首轮发现）
openbiliclaw init

# 可选：启用本地 Ollama 作为独立 embedding provider（无需额外 API Key）
openbiliclaw setup-embedding

# 手动触发内容发现
openbiliclaw discover

# 可选：抖音内容发现（需先启用 [sources.douyin]；search / hot / feed 从首页 DOM 操作触发）
openbiliclaw discover --source douyin

# 可选：独立调试抖音 search / hot / feed 召回
openbiliclaw discover-douyin --keyword 机械键盘 --source search,feed --no-cache --no-evaluate

# 查看推荐
openbiliclaw recommend

# 查看用户画像
openbiliclaw profile

cd extension
npm install
npm run package

🤖 接入 OpenClaw / AI 编码助手

OpenBiliClaw 仓库内置了一个 workspace skill。把仓库挂到任何支持 skill 的 AI 编码助手（OpenClaw / Claude Code / Codex CLI / Cursor 等），助手就能直接调用你本机上的 OpenBiliClaw。

接入之后能干什么

• ✨ 主动推荐 — 系统在后台持续发现内容，遇到高分惊喜时通过 WebSocket 主动推送给 OpenClaw，OpenClaw 再转述给你——你不需要开口问
• 🔮 主动追问兴趣 — 系统猜测你可能对某个方向感兴趣，生成一个假设和问题，通过 OpenClaw 主动来问你"这个方向你认不认？"——你回答后画像自动更新
• 🧭 主动确认避雷 — 系统也会确认你可能想避开的内容形态，OpenClaw 可用 next-avoidance-probe / respond-avoidance-probe 完成确认；只有确认后才写入过滤偏好
• 💬 苏格拉底式对话 — 不止是确认兴趣，OpenClaw 可以跟你深聊：追问动机、提出假设、确认理解，越聊越懂你
• 📖 读当前灵魂画像 — MBTI、核心特质、深层需求、兴趣领域
• 🎯 按需拉个性化推荐 — 带解释、带置信度、带主题标签
• 💬 把反馈写回学习闭环 — like / dislike / comment 即时更新画像与池子评分
• 🔄 同步 B 站账号行为 — 拉历史、收藏、关注等长期信号，注入记忆系统

一句话让 OpenClaw 完成接入

把下面这段粘给 OpenClaw（或 Claude Code / Codex CLI / Cursor），它会自动读指南并完成接入：

请按照 https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docs/openclaw-quickstart.md 的说明帮我把当前仓库接入 OpenClaw(务必用 Bash 的 curl 下载这个文档,不要用 WebFetch — 会丢关键指令)

用户使用示例

接入后不只是"你问它答"——系统会主动找你。以下是两个最核心的场景：

场景一：系统主动推一条惊喜内容

OpenClaw 在后台开着 listen，某次 refresh 后系统发现了一条高分内容：

OpenClaw（收到 WebSocket 推送 delight.candidate，主动找你）：

刚发现一条你可能会意外喜欢的： 《为什么说回县城你也躺不平》 — 县域经济的明斯基时刻。你最近一直在盯地缘政治和宏观债务，这条用硬核推演把土地财政和债务周期的齿轮咬合讲清楚了。[BV1KMwuzdEcB]

要不要看看？

你："这条非常到位。"

OpenClaw（内部执行 submit-feedback --recommendation-id 4268 --feedback-type like）

你没有开口要推荐——是系统主动捅过来的。

场景二：系统主动追问你的兴趣

OpenClaw 收到 interest.probe 事件（或主动拉取 next-probe），发现有一个猜测兴趣假设待确认：

OpenClaw（主动找你）：

我从你最近的轨迹里嗅到你可能对【建筑美学】（比如：参数化设计、混凝土美学）感兴趣——你最近看了很多关于结构和空间的内容。这个方向你自己认不认？

你："嗯对，最近在看很多参数化设计的东西，安藤忠雄那种清水混凝土的美感很戳我。"

OpenClaw（内部执行 chat --message "嗯对，最近在看很多参数化设计的东西……"，返回苏格拉底式追问）：

你说的这个方向我有个猜测——你是不是其实更在意底层结构而不只是结论？安藤忠雄那种用最少元素构建最大张力的方式，跟你平时看大模型逻辑时追求的"把齿轮咬合讲清楚"好像是同一种审美驱动。你觉得呢？

对话内容自动回写进灵魂画像——下一轮推荐就会把建筑美学纳入正式兴趣，搜索策略也会开始往这个方向发力。

场景三：你也可以主动要推荐

当然，传统的"你问→它答"也完全支持：

你："给我推三条今天值得看的 B 站内容。"

OpenClaw（内部执行 recommend --limit 3，整理后回复）

整个闭环都是本地的——OpenClaw 只是调 CLI 桥接，画像和数据仍留在你自己的 SQLite 文件里，一条都不会上云。

📖 完整命令参考与常见问题，见 OpenClaw 接入指南。

✨ 核心特性

• 🧠 五层灵魂画像 — 事件→偏好→觉察→洞察→灵魂，推断 MBTI、认知风格和深层需求（详解）
• 🔮 兴趣探针 — 基于心理学桥接主动猜测你可能喜欢的未知领域，猜对升级为正式兴趣，猜错安静退出
• 🧭 避雷探针 — 主动确认你想避开的内容形态和风格边界，确认后才写入过滤偏好
• 🌐 跨平台内容源 — B 站 / 小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Bangumi / 通用 Web，兴趣不再被单一平台割裂（详解）
• 🎯 智能多样性 — 主题配额 + 跨平台混排 + 小源保护，告别「一刷都是 AI」
• ⚡ 「换一批」瞬间响应 — reshuffle ~0.6s，连续刷不卡顿
• 💬 有温度的推荐理由 — 像朋友一样解释为什么你会喜欢，而不是「因为你看过类似视频」
• 🔄 持续学习 — 苏格拉底式对话 + 行为分析 + 反馈即时生效，越用越懂你
• ⭐ 本地优先收藏 / 稍后看 — 推荐卡先写本地 SQLite，自动同步默认关闭；B站和六个扩展平台均支持收藏与原生稍后看/收藏回退，2026-07-14 七平台两类动作真实账号回归均为 synced/already_synced
• 🧩 浏览器插件 — Chrome / Edge / Brave / Arc / Firefox，侧边栏推荐 + 跨站行为采集，装上就能用
• 🚀 图形化引导初始化 — 安装包 /setup/、桌面 Web 和插件都能点一下完成初始化，不碰命令行
• 🔬 自动化评测优化 — 5 个模块各带 LLM-as-judge 自优化循环，prompt 质量随轮次自动提升
• 🔒 完全私有 — 所有数据本地 SQLite，LLM 用你自己的 Key，每个实例只为你一个人构建
• 🔌 本地 embedding — 可选 Ollama + bge-m3，CPU 即可，无需额外 API Key
• 🔧 完全可控 — 按模块换 LLM、直接编辑画像、写自定义 Skill 扩展发现策略

🏛️ 架构概览

interactive（对话 / 配置探测）───────────────────────┐
                                                    ├─ runtime total gate (default 4) ─ provider
background ─ background admission (default 3) ──────┘
             ├─ refill: expression > evaluation > supply
             │  ├─ 低库存 supply 含探索词 / 来源抽取
             │  └─ while queued: guarantee 2, may borrow all 3
             │     expression owner: 8 immediate / 3s fixed tail / 60 drain / 30×2 provider
             └─ maintenance: at most 1 while refill waits;
                parked when canonical available = 0

引导初始化：信号 → 偏好 → 完整画像提交 → 发现 → 评估 → 推荐文案 → canonical 内容可用
                                                     └→ 终态后再调度可选探针

┌────────────────────────────────────────────────┐
│          浏览器插件（Chrome / Firefox）           │
│   行为采集 · MAIN-world tap（评论/弹幕·xhs强信号）│
│   Cookie 同步 · 平台任务 · 侧边栏推荐             │
└──────────────────────┬─────────────────────────┘
                       │ REST API / WebSocket
                       │ + 桌面 Web (/web) · 移动 Web (/m) · QR LAN-IP
                       │ + ping 预检降级 → /web · /setup · /m → 配置后重启
┌──────────────────────▼─────────────────────────┐
│                  Agent 编排层                    │
│ Skill · 对话 · Runtime · 反馈 10s 可撤销提交屏障    │
├─────────┬──────────┬───────────┬───────────────┤
│  Soul   │  Memory  │ Discovery │ Recommendation │
│ 灵魂画像 │ 五层记忆  │多源发现+准入│   推荐与表达     │
├─────────┴──────────┴───────────┴───────────────┤
│ 初始化屏障：完整画像落盘 → 发现/评估/表达 → 可浏览推荐 │
│   LLM 适配层 · 多平台源适配（SourceAdapter）        │
│  来源族注册表：alias · strategy · URL host             │
│             → pool 统计 · 已看身份                     │
│ Bangumi 官方匿名 API → search/ranked/latest producer → shared eval │
│ API projected 库存 → 3×30 worker → 串行入池；OpenClaw 首批≤4 → copy≤4/不拆分重试 → 四端 │
│ 惊喜就绪门：正式推荐词/主题就绪 → 打分并原子快照 → 四端 │
│ API/OpenClaw 启动钩子 → 历史恢复/原子维护 → 再暴露 LLM │
│ 换屏快路：PoolServeSnapshot → 独立 Serve DB worker → recommendation+shown 短事务 │
│ 平台定向（仅 PC Web Tab）：source_platform → 平台候选（不跨平台补位）→ 同一排序/文案/持久化 │
│ 平台库存：platform-availability → 同一 canonical 可推集合 → total == Σ by_platform │
│ 后台维护：独立 DB worker → ≤50 行/批 → 释放写锁；未变化跳过 / 10min 巡检 │
│ /api/saved/* · 保存 Router · B 站原生保存 Adapter      │
│ 六平台 Adapter → ExtensionNativeSaveBroker → extension_native_save_jobs │
│ 六平台 source task multiplex：xhs / dy / yt / x / zhihu / reddit       │
│ extension_native_save_jobs -> /api/sources/<slug>/next-task -> installed extension │
│ exact OpenBiliClaw / YouTube Watch Later 目标 → 安全 task-result          │
│ trusted-local E2E 精确授权 → 单 item saved sync → 六字段安全 callback      │
│ unsupported_adapter_missing 可重试 · unsupported_content_type local-only │
│ Canonical ID · Local-first SavedSync · Task Poll · SQLite（事件 · 候选池 · 推荐 · 保存/任务）│
│ 六平台 adapter → broker → shared MV3 recovery barrier → Reddit/X/YT/XHS/DY/Zhihu executor（6/6 fixture + real-account）│
└────────────────────────────────────────────────┘

Web / CLI / OpenClaw → SocraticDialogue → 成功：user+agent 历史 → 后台学习（绕过后台门禁，保留总并发）
                                      │                      └新避雷：共享清池 → content_cache
                                      └失败/超时：回滚临时历史 → 安全错因 / failed turn

桌面首屏：推荐 hydration │ runtime hydration │ health/profile/activity/config 次级 hydration（三分支独立）

海外请求：设置页 `[network].mode` → 系统代理（默认）/ 直连 / 自定义代理 → LLM、YouTube、Bangumi、更新；国内平台保持独立直连

远程扩展连接采用显式、默认关闭的设备认证：ext-key generate → 配置仅存摘要 → /api/auth/extension-token 换短会话；HTTP 使用 Bearer Header，WebSocket / 图片代理仅携带短会话 query。

完整架构细节（runtime 状态机、候选池计数、画像覆盖层等）见 架构设计 与 可视化架构图。

内容发现引擎

多源适配架构——通过 SourceAdapter 协议统一接入不同平台，每个平台有自己的发现方式：

发现之后的统一流程：

• 安全取数 — 后端不代登录、不爬你看不到的内容；所有平台复用你浏览器里已有的登录会话，首轮画像信号只在你点「开始初始化」后按所选来源拉取。
• 连续统一评估 — 各来源原始候选进入同一待评估池，默认 3×30 worker 任一完成即补位；调度只计可用、待文案与已评估 durable 库存，串行 admission 按实时 headroom 封顶，raw 不会虚增库存。
• 多样性选择 — 平台配额 → 主题去重 → 风格均衡 → 跨平台混排 → 数量封顶；开箱只启用 B 站，其余平台在设置里显式打开。

各平台任务链路、候选池计数、fallback 策略等完整机制见 内容发现引擎文档。

灵魂引擎

从用户行为中推断：

• 人格画像 — 自然语言描述的用户画像
• MBTI — 四维度 + 置信度
• 认知风格 — 信息处理偏好
• 深层需求 — 心理层面的内容驱动力
• 猜测兴趣 — 系统推测的潜在兴趣方向（分子料理、建筑美学、制表工艺...）

🏗️ 项目结构

OpenBiliClaw/
├── src/openbiliclaw/          # Python 后端核心
│   ├── agent/                 # Agent 编排和 Skill 系统
│   ├── soul/                  # 用户灵魂引擎 (深度画像 · MBTI · 兴趣/避雷探针)
│   ├── memory/                # 多层网状记忆系统
│   ├── discovery/             # 内容发现引擎 (多源策略 · 待评估池 · 配额均分 · 多样性选择)
│   ├── recommendation/        # 推荐与表达引擎 (跨平台混排)
│   ├── sources/               # 多源适配层 (SourceAdapter 协议)
│   │   ├── bilibili_adapter   # B 站 (API 直连)
│   │   ├── bangumi_client     # Bangumi 官方匿名 v0 API 客户端
│   │   ├── bangumi            # Bangumi 条目 / 公开收藏归一化
│   │   ├── xiaohongshu_adapter # 小红书 (扩展代理)
│   │   ├── xhs_tasks          # 小红书插件任务队列 / bootstrap_profile
│   │   ├── dy_tasks           # 抖音插件任务队列 / bootstrap_profile + search + hot + feed
│   │   ├── yt_tasks           # YouTube 插件任务队列 / bootstrap_profile
│   │   ├── zhihu_tasks        # 知乎插件任务队列 / bootstrap_events + search/hot/feed/creator/related
│   │   ├── reddit_tasks       # Reddit bootstrap 插件任务 / extension fallback discovery / rdt 默认 discovery helpers
│   │   └── web_adapter        # 通用 Web (Playwright + LLM)
│   ├── youtube/               # YouTube Takeout 离线导入解析
│   ├── api/                   # 本地 FastAPI (配置回滚 / 降级模式 / popup API)
│   ├── runtime/               # 后台刷新、feedback 合并、presence gate、autostart/Ollama、降级 RuntimeContext
│   ├── bilibili/              # B 站接入层 (WBI 签名 · 速率控制)
│   ├── llm/                   # 多模型 LLM 适配 + 结构化 JSON 容错
│   └── storage/               # 数据存储层
├── extension/                 # Chrome 浏览器插件 (B 站 + 小红书 + 抖音 + YouTube + X + 知乎 + Reddit + 自启动/配置修复)
├── skills/                    # 内置 Skill 定义
├── docs/                      # 项目文档
└── tests/                     # 测试 (1900+)

🛠️ 技术栈

📖 文档

• 文档导航 — 一站式文档入口
• 常见问题 FAQ — 安装 / 连接 / 更新高频问题速查
• 项目规格说明书 — 完整的项目设计与规划
• 架构设计 — 系统架构详解
• 记忆系统设计 — 多层网状记忆架构
• 内容发现引擎 — 多源发现 + 平台配比 + 多样性选择
• 灵魂引擎 — 深度画像 + MBTI + 兴趣猜测
• CLI 参考 · 配置参考
• 开发指南 — 如何参与贡献

📜 更新日志

最新版本见上方 最近更新；完整历史见 docs/changelog.md。普通用户从 Latest Release 的 openbiliclaw-v* 聚合页下载插件包和可用桌面安装包；自动化频道 release 仍分别保留 backend-v*、extension-v*、desktop-v*。

🗺️ 后续规划

OpenBiliClaw 的目标是做你的全网个性化内容入口——从 B 站起步，已覆盖小红书、抖音、YouTube、X、知乎、Reddit、Bangumi 与通用 Web，下一步：

• 更多内容源 — V2EX、微博、各类 BBS / 论坛……每个平台都是一个 SourceAdapter，架构已经验证可扩展
• 跨平台兴趣融合 — 你在 B 站看的机械键盘 + 小红书种草的咖啡器具 + 抖音点赞收藏的短视频偏好 + YouTube 长视频观看和订阅 + X 点赞收藏的资讯 = 一个完整的你。画像融合让推荐不再割裂
• 更智能的发现 — 跨平台关联推荐（"你在小红书关注了咖啡器具，B 站有个手冲咖啡纪录片你可能喜欢"，或用抖音 feed 口味补足短视频兴趣）
• 社区生态 — 用户自定义 SourceAdapter、共享发现策略、贡献平台适配器

🤝 贡献

欢迎贡献！请查看 开发指南 了解如何参与。

🙏 致谢

• 感谢 @addtion99 在 #8 提出浏览器插件后端地址 / 端口可配置需求，并给出 popup 侧实现思路。
• 感谢 @jiaobenhaimo 在 #53 贡献 Safari 扩展、稍后再看、YouTube 搬运检测、营销号过滤等功能设计与实现，其中 OR-join 去重修复和稍后再看功能已合入主线。
• 感谢 @tangle111-design 在 #69 贡献 style_key 观看模式、推荐语气、B 站初始化和 LLM / 画像流程方面的功能探索；相关思路已拆分评审并选择性合入主线。
• 感谢 @DongLanQwQ0 在 #102 贡献桌面 Web 侧栏折叠动画、delight 卡片拖拽死区、栈式 toast 通知等交互细节打磨，已合入主线。
• 感谢 @DongLanQwQ0 在 #110 贡献桌面 Web 主题引擎 oklch 化重构，引入 --hue-primary 单一控制点与 12 色相可调拾色器、五级强调色阶与统一交互态，已合入主线。
• 感谢 @wuwafly3 在 #100 贡献 DashScope（阿里百炼）多模态 embedding provider 与「封面 image-only 向量」的设计与实现；相关能力经评审、修复（网络路由 / 保存校验）并重做为线上封面视觉链路（惊喜与正常推荐一致消费）后合入主线（见 #116）。

⭐ Star History

如果 OpenBiliClaw 帮你找回了对推荐流的控制权，点个 Star 是对「继续适配更多平台」最直接的投票。

隐私速览

默认数据流向：浏览器插件 → 你配置的本地 OpenBiliClaw 后端 → 本机 SQLite。插件不会把数据发送到 OpenBiliClaw 开发者运营的服务器。若你配置云端 LLM / embedding，相关内容会按你的配置发送给对应服务商。详见 隐私政策。

📄 License

MIT