OpenBiliClaw内容发现Agent
OpenBiliClaw内容发现Agent 是 AI Skill Hub 本期精选AI工具之一。综合评分 7.8 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
OpenBiliClaw内容发现Agent 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 OpenBiliClaw内容发现Agent 的版本更新，及时通知重要功能变化。
OpenBiliClaw内容发现Agent 是一款基于 Python 开发的开源工具，专注于 AI智能体、内容推荐、B站工具 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
OpenBiliClaw内容发现Agent 是一款基于 Python 开发的开源工具，专注于 AI智能体、内容推荐、B站工具 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install openbiliclaw
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install openbiliclaw
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/whiteguo233/OpenBiliClaw
cd OpenBiliClaw
pip install -e .
# 验证安装
python -c "import openbiliclaw; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
openbiliclaw --help
# 基本用法
openbiliclaw input_file -o output_file
# Python 代码中调用
import openbiliclaw
# 示例
result = openbiliclaw.process("input")
print(result)
# openbiliclaw 配置文件示例（config.yml） app: name: "openbiliclaw" debug: false log_level: "INFO" # 运行时指定配置文件 openbiliclaw --config config.yml # 或通过环境变量配置 export OPENBILICLAW_API_KEY="your-key" export OPENBILICLAW_OUTPUT_DIR="./output"
简介
📸 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 |
✨ 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，像心理咨询师一样理解你
- 🔮 猜测兴趣系统 — 基于心理学桥接逻辑主动猜测你可能喜欢的未知领域，猜对升级、猜错退出，持续打破信息茧房
- 🌐 跨平台内容源 — 从 B 站起步，已扩展到小红书、抖音、YouTube 初始化信号 / 抖音 search / hot / feed discovery 和通用 Web，架构支持持续接入更多平台。你的兴趣不再被单一平台割裂
- 🔍 多源发现策略 — B 站四策略（搜索 · 关联链 · 趋势 · 跨域探索）+ 小红书三层安全发现 + 抖音插件签名 search / hot / feed，跨平台协同工作
- 🎯 智能多样性 — PoolCurator 五维评分 + 跨源跨轮主题配额（任意 topic ≤10% 池子占比） + share-aware 池子修剪保护小源；告别"一刷都是 AI"
- ⚡ "换一批"瞬间响应 — popup reshuffle ~0.6s（v0.3.0 从 2.6s 优化下来），连续刷不卡顿
- 💬 有温度的推荐 — 不是"因为你看过类似视频"，而是像朋友一样解释为什么你会喜欢
- 🔄 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
- 🧩 浏览器插件（Chrome / Edge / Brave / Arc 等） — 侧边栏展示推荐、跨站行为采集（B 站 + 小红书 + 抖音 + YouTube）、对话交互、认知更新卡片推送，装上就能用
- 🔬 自动化评测优化 — 5 个模块各有 LLM-as-judge 的 SGD/RL 自优化循环，prompt 质量随轮次自动提升，不需要人工调参
- 🔒 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 provider — 可选 Ollama + bge-m3，不需要额外 embedding API Key 也能跑相似度计算（CPU 即可，跨 Mac/Win/Linux）
- 🔧 完全可控 — 给每个模块单独换 LLM、直接编辑画像、写自定义 Skill 扩展发现策略
🚀 快速开始
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、抖音和 YouTube 页面显示侧边栏、采集你的反馈，并把浏览器登录态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。
- 打开 OpenBiliClaw Releases，找到最新的
extension-v* - Chrome / Edge / Brave 下载
openbiliclaw-extension-v*.zip；Firefox 下载openbiliclaw-extension-v*-firefox.zip - 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」 - 将下载的
.zip文件拖入页面安装
<details> <summary>Firefox 用户：下载 Firefox 包临时加载（Firefox 140+）</summary>
Firefox 用 sidebar_action 而不是 Chrome 的 sidePanel，所以 release 会提供独立的 openbiliclaw-extension-v*-firefox.zip。下载后先解压，再通过 about:debugging 临时加载；也可以从源码本地构建同一个 Firefox 包：
```bash unzip openbiliclaw-extension-v*-firefox.zip -d openbiliclaw-firefox
2. AI 一句话部署后端
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。看不懂就选默认；小红书、抖音和 YouTube 数据只有你明确同意才会进入初始画像。
如果后端跑在局域网另一台机器上，用 openbiliclaw start --host 0.0.0.0 --port 8420 启动后端，并在插件设置页把「后端地址」改成那台机器的局域网 IP（例如 192.168.1.100）。
使用 uv (推荐)
uv sync
或使用 pip
python -m venv .venv source .venv/bin/activate pip install -e ".[dev]"
#### 手动配置
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。
🖥️ 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 Runtime 看板 · 惊喜推荐轮播 · 画像侧栏 |
 横向双卡片推荐流 封面左 + 推荐理由右 · 喜欢 / 不感兴趣 / 聊一聊 |
 画像详情面板 核心特质 · MBTI 推断 · 兴趣树 · 猜测兴趣 · 认知风格 |
|
📱 移动端 Web 预览
 手机推荐页 惊喜推荐 · 推荐原因环绕头图 看看 / 喜欢 / 不感兴趣 / 聊一聊 |
 手机画像页 核心画像、兴趣、认知更新 |
 手机对话页 与插件共享主聊天历史 |
<details> <summary>更多截图</summary>
 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 |
</details>
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
#### 运行
可选：启用本地 Ollama 作为独立 embedding provider（无需额外 API Key）
openbiliclaw setup-embedding
📌 v0.3.89 / extension v0.3.44 重要更新（2026-05-22）
- 💬 惊喜推荐原地聊 —— 移动端 Web 和插件的「聊一聊」现在都在惊喜推荐卡片内展开 composer，不再把你丢到对话 tab。
- 🧵 多轮历史不串线 —— 每条惊喜推荐都有自己的多轮气泡历史，左右切换候选、side panel reload 或 pending 回复完成后都能按内容恢复。
- 🔁 durable chat 对齐 —— 惊喜推荐内聊统一走
/api/chat/turns的scope=delight，pending / completed / failed 状态都在局部 UI 中就地更新。 - 📱 iOS 输入不缩放 —— 内联 composer 输入框保持 16px 字号，避免 iOS Safari focus 时自动放大页面。
完整变更详见 docs/changelog.md。
---
或: npm run package:firefox # 额外打成 openbiliclaw-extension-v*-firefox.zip
```
加载方式：
- 打开
about:debugging#/runtime/this-firefox - 点「Load Temporary Add-on…」
- 选解压目录里的
manifest.json（或源码构建后的extension/dist-firefox/manifest.json）
注意：Firefox 临时加载在浏览器重启后会失效；正式签名 / AMO 上架仍在规划中。
</details>
可选：抖音内容发现（需先启用 [sources.douyin]；search / hot / feed 用后台插件签名）
openbiliclaw discover --source douyin
创新的本地隐私AI方案，融合Agent自进化能力与内容推荐场景。架构设计合理，但需验证B站合规性和实际推荐效果。
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：OpenBiliClaw 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
经综合评估，OpenBiliClaw内容发现Agent 在AI工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | OpenBiliClaw |
| 原始描述 | 开源AI工作流：OpenBiliClaw 是纯本地、私有、开源的自进化跨平台内容发现 Agent：从跨平台使用、项目反馈与对话中持续深化心理画像，带着对你的理解主动去 B 站、。⭐319 · Python |
| Topics | AI智能体内容推荐B站工具跨平台本地隐私自进化开源 |
| GitHub | https://github.com/whiteguo233/OpenBiliClaw |
| License | MIT |
| 语言 | Python |
收录时间：2026-05-19 · 更新时间：2026-05-20 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。