OpenBiliClaw 是一款纯本地、私有的开源跨平台内容发现 Agent，整合 B 站、小红书、抖音、YouTube、X、知乎等平台，通过自进化心理画像主动推荐内容破信息茧房。所有数据存本机 SQLite，LLM 用自己 API Key，支持跨设备 Web 访问。

🎤 引言

你在 B 站看了三年机械键盘测评，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。每个内容平台都是一座孤岛，你的兴趣被切成碎片散落在不同的数据库里。

更糟的是，平台推荐系统的优化目标从来不是"你满意"，而是"你留下 + 广告曝光 + 创作者生态 + 留存时长"的加权平均。推荐越来越像你已经看过的东西，偶尔的惊喜全靠运气。

OpenBiliClaw 想做一件相反的事：先深度理解你，再跨平台主动帮你找内容。797 stars、MIT 协议、Python 后端 + 浏览器插件架构，数据 100% 留在本机 SQLite——这不是又一个云端推荐服务，而是一个真正属于你自己的内容发现 Agent。

⭐ 核心功能

五层灵魂画像（不是点击率建模）

OpenBiliClaw 不是从视频出发匹配标签，而是从你这个人出发：

层级含义
事件层你看过、点过、跳过、收藏的具体内容
偏好层反复出现的行为模式
觉察层你对自己偏好的认知（通过对话采集）
洞察层AI 对你潜在动机的推断
灵魂层MBTI + 认知风格 + 深层心理需求

理解的是你这个人，不是你的点击记录。系统会通过 MBTI 推断、认知风格分析、深层需求挖掘，构建出自然语言描述的"人格素描"。

主动破茧房（核心差异）

这是 OpenBiliClaw 和传统推荐最根本的区别：主动猜测你可能感兴趣但从未接触过的领域。

  • 关注机械表 → 猜你可能喜欢建筑美学
  • 看量子物理科普 → 猜你可能对哲学感兴趣
  • 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，不强行推

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。

跨平台聚合

平台已落地能力
B 站初始化信号 + 全功能
小红书初始化信号
抖音初始化信号 + search/hot/feed
YouTube初始化信号
X (Twitter)初始化信号 + 服务端内容发现
知乎插件 search/hot/feed/creator/related discovery
Web通用多类源

你在 B 站的兴趣、小红书的种草、抖音的偏好、YouTube 的观看记录，会通过这个 Agent 被连成一张图，而不是各自为政。

三种入口，三端一致

  • 浏览器插件：在 B 站、小红书、抖音等页面内显示侧边栏，采集你的反馈并把登录态交给本地后端。
  • 桌面 Web：http://127.0.0.1:8420/web 提供大屏推荐首页。
  • 移动 Web：http://<电脑IP>:8420/m/ 手机扫码访问，可保存到主屏幕当 App 用。

100% 本地数据

  • 所有画像、行为记录、反馈历史都存在本机 SQLite。
  • LLM 默认用你自己的 API Key（任何兼容 OpenAI 协议的都可以）。
  • 也可实验性复用本机 Codex CLI 的 ChatGPT OAuth 凭据。
  • 没有云端、没有账号、没有任何人能看你的画像。

像朋友一样解释推荐理由

传统推荐只说"猜你喜欢"，OpenBiliClaw 会告诉你为什么：

  • "你过去三个月看了 12 期哲学对谈，这个视频可能在认知风格上契合你"
  • "你关注机械表，这个频道讲瑞士机芯工艺可能对味"
  • "你之前标记过'不感兴趣 AI 新闻'，所以这次略过"

反馈即学习

  • 喜欢 / 不感兴趣 / 稍后 / 收藏 / 聊一聊 五个动作都会即时影响后续推荐。
  • 直接和它对话调教："最近想看点硬核科幻"、"少推汽车相关内容" → 立刻生效。
  • 不喜欢的推荐多了，它会主动退出该兴趣方向，不再硬塞。

📥 安装与使用

OpenBiliClaw 的部署流程设计得很贴心，普通用户也能跑通。

步骤 1 · 安装浏览器插件

支持所有兼容 Manifest V3 的浏览器：Chrome / Edge / Brave / Arc / Vivaldi / Opera。

推荐从 Latest Release 下载最新版手动安装（Chrome 商店因审核排期可能滞后几天到一两周）：

  1. 下载 openbiliclaw-extension-v*.zip（Firefox 选 *-firefox.zip）
  2. 打开 chrome://extensions/ 开启"开发者模式"
  3. 把 .zip 拖进去安装

或者省事方式：Chrome 应用商店一键安装，由浏览器自动更新。

步骤 2 · 部署后端

两种方式选一：

  • 🖥️ 下载桌面安装包（最省事）：同一个 Release 页面有 macOS .dmg / Windows .exe 双击即用，自带本地 embedding、常驻托盘。当前为未签名实验性预发布，macOS DMG 内有首次打开说明。

  • 🤖 让 AI 助手部署（想改源码 / 深度定制选它）：把下面这段话发给 Claude Code / Codex CLI / Cursor / Windsurf 等：

    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 助手会自动克隆仓库、安装依赖、启动后端、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。

步骤 3 · 登录内容平台

在装了插件的同一个浏览器里登录 B 站（默认初始来源），也可勾选 小红书 / 抖音 / YouTube / X / 知乎。初始化至少需要一个已登录且能取到信号的来源。

步骤 4 · 打开 Web 界面

  • 桌面：http://127.0.0.1:8420/web
  • 手机：插件里扫二维码访问 http://<电脑局域网 IP>:8420/m/，保存到主屏幕

进阶部署（Docker / 源码）

需要 Docker Compose 或手动从源码编译的用户，详见 docs/docker-deployment.md 和 docs/BUILD.md。

🎯 适用场景

谁最适合 OpenBiliClaw？

  • 被算法茧房困住的重度内容消费者：B 站、小红书、抖音、YouTube 都重度使用，但感觉推荐越来越窄，想找点真正"没见过但可能喜欢"的内容。
  • 跨平台兴趣分裂的普通用户：在 A 平台种草、B 平台找教程、C 平台看深度，但没人帮你把它们连起来。
  • 注重隐私的内容爱好者：不想让自己的兴趣画像被任何云端平台掌握，也不想让推荐系统反过来操纵自己。
  • AI 编程助手 / LLM 折腾爱好者：项目本身也是 Claude Code skill 之一，可以直接 git clone 加到 .claude/skills/ 用。
  • 心理学 / MBTI 爱好者：项目对 MBTI、认知风格、深层心理需求的建模比较深入，画像本身值得玩。
  • 家用服务器 / NAS 用户：跑在自托管后端上，跨设备 Web 访问，可以全家共用画像又不污染个人数据。

🔍 对比 / 替代方案

跨平台内容推荐 / 兴趣管理这个赛道，OpenBiliClaw 的位置非常独特：

平台官方推荐

  • B 站 / 小红书 / 抖音 / YouTube / X 各自的算法：优化目标是平台留存 + 广告 + 创作者生态，不是你的满意度。单平台内效果不错，但跨平台完全不互通。

关键词过滤 / RSS 派

  • RSSHub + RSS 阅读器：完全自建信息流，但需要自己维护订阅源，不会主动猜你可能喜欢什么。
  • 关键词过滤插件（如 B 站 / 抖音的各种屏蔽工具）：解决"不想要什么"，不解决"应该看什么"。

AI 推荐 Agent 派

  • RecTools / 各类 embedding 推荐框架：技术玩具，需要自己搭前端、写 prompt、接 API。
  • Notion AI / 飞书智能伙伴：偏向工作场景，不是内容消费。
  • Perplexity / You.com：搜索 + 总结，不是"长期兴趣建模"。

OpenBiliClaw 的差异化

  • ✅ 跨平台 + 长期画像：不是单次搜索，是持续学习的"灵魂画像"。
  • ✅ 主动破茧：基于心理学桥接主动猜测新兴趣方向，不是被动匹配已有记录。
  • ✅ 100% 本地：SQLite + 本地后端，没有任何云端依赖。
  • ✅ 可定制：换 LLM、改画像、手写 Skill 都行。
  • ✅ 浏览器插件 + 桌面 Web + 移动 Web 三端一致。
  • ⚠️ 需要自己提供 LLM API Key（OpenAI / Claude / 本地 Ollama 都可）。
  • ⚠️ Chrome 商店版本滞后：想用最新功能得手动从 GitHub Release 装。

⚠️ 注意事项

客观地讲几个坑：

  • 需要 LLM API Key：OpenAI / Claude / 本地 Ollama / 任何 OpenAI 兼容服务都可以，但自己付费或自己跑模型。没有 Key 装好也跑不起来。
  • 初始化至少需要一个已登录平台：默认用 B 站，但小红书 / 抖音 / YouTube 等需要自己在浏览器登录后再开 OpenBiliClaw。
  • 桌面安装包是"未签名的实验性预发布"：macOS 首次打开需要右键 → 打开 → 确认；Windows 会有 SmartScreen 警告，需要点"仍要运行"。介意签名问题的用户请走源码或 Docker 部署。
  • Chrome Web Store 版本滞后：作者明说"受审核排期影响，版本通常会滞后几天到一两周"。想第一时间用新功能得从 GitHub Release 手动装。
  • 抖音 / 小红书依赖插件 + 真实页面操作：平台 UI 一变可能暂时失效，Issues 区里这类反馈不少，修复节奏取决于作者。
  • 画像质量取决于反馈密度：用了几天但很少点"喜欢 / 不感兴趣 / 聊一聊"的话，画像会很粗糙，推荐自然一般。主动调教是必须的。
  • 数据迁移是单机的：换电脑 = 从零开始画像（虽然 SQLite 文件可拷贝，但 LLM 上下文切换有成本）。
  • 项目相对早期：v0.3.145 版本号还在 0.x，API 接口和配置格式可能小幅变化，长期使用需要偶尔关注升级日志。
  • LINUX DO 社区是主要讨论区：作者本人活跃在 LINUX DO（https://linux.do/t/topic/1978894），QQ / 微信群也活跃，但 GitHub Issues 不是最快反馈通道。
  • 需要本机常驻后端服务：不耗电但占内存（Python + embedding 模型），低配机器可能需要权衡。

✅ 总结

OpenBiliClaw 重新定义了"内容推荐"这件事的边界：不是平台替你决定你能看什么，而是你自己养的 Agent 跨平台主动帮你找。

  • ✅ 跨平台整合 B 站 / 小红书 / 抖音 / YouTube / X / 知乎 / Web
  • ✅ 五层灵魂画像：事件 → 偏好 → 觉察 → 洞察 → 灵魂
  • ✅ 主动破茧房，心理学桥接猜新兴趣
  • ✅ 100% 本地，SQLite + LLM API Key 完全自持
  • ✅ 像朋友一样解释推荐理由
  • ✅ 三端一致：浏览器插件 + 桌面 Web + 移动 Web
  • ✅ MIT 协议，可深度定制，可作 Claude Code skill
  • ⚠️ 需要自备 LLM API Key
  • ⚠️ 桌面安装包未签名，需手动确认
  • ⚠️ Chrome Web Store 版本滞后于 GitHub Release
  • ⚠️ 抖音 / 小红书等依赖真实页面操作，平台 UI 变动会影响效果
  • ⚠️ 画像质量取决于用户主动反馈密度

推荐指数：⭐⭐⭐⭐⭐ （5/5）

适合：被算法茧房困住的重度内容消费者、跨平台兴趣分裂的用户、注重隐私的内容爱好者、AI 折腾爱好者、心理学/MBTI 玩家、自托管 NAS 用户。

不适合：只用单一平台且对推荐满意、没耐心主动反馈调教、不愿意自备 LLM API Key、追求"开箱即用零配置"的用户。

如果你对自己的兴趣被平台算法切碎、被茧房困住感到不爽，这个工具可能是 2026 年最值得花一个下午装一下的开源项目。

🦀 OpenBiliClaw — Understand only you.