OpenBiliClaw完全解析一个主动为你搜索12大平台内容的本地私有AI内容发现Agent【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClawOpenBiliClaw 是一款本地私有、开源的自进化 AI 内容发现 Agent它运行在你自己的电脑上先从你的浏览、反馈和对话中构建一份属于你一个人的「灵魂画像」再带着这份理解主动去 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找你会喜欢的内容。没有云端账号没有平台中间商推荐数据 100% 留在本机 SQLite 文件里。10秒看懂它和普通推荐流有什么区别传统推荐是「平台定规则你被动刷」OpenBiliClaw 反过来是一个只为你一个人构建的本地推荐 Agent——先理解你再跨平台主动找内容并且愿意像朋友一样解释推荐理由你的每次点赞、点踩和聊天都会立即改变后续推荐。整个闭环只有四步信号进入—— 浏览器插件在已登录的平台读取你的浏览行为不上传 Cookie 与原始响应生成画像—— 本地后端把行为翻译成兴趣、认知风格与深层需求解释推荐—— 卡片告诉你「为什么你会喜欢这条」而不是「猜你喜欢」反馈闭环—— 喜欢 / 不感兴趣 / 聊一聊下一轮推荐立刻调整为什么你需要一个本地私有的内容发现工具先说三个真实痛点推荐权重是平台定的点击率、完播率、广告收入被压成一个分数你的满意度只是留存的手段结果就是「越推越像你看过的东西」信息茧房协同过滤只会把你锁在已知的兴趣里偶尔的惊喜全靠运气平台都是孤岛你在 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 站永远推不到你。OpenBiliClaw 的定位正是针对这三点的替代方案各平台官方推荐OpenBiliClaw本地私有推荐推荐逻辑协同过滤心理画像 五层记忆内容来源单一平台跨平台 12 来源信息茧房越推越窄兴趣探针主动破茧数据归属平台所有100% 留在本机推荐理由“猜你喜欢”像朋友一样解释为什么12大平台内容源主动发现而不是等你刷到这是 OpenBiliClaw 和关键词过滤插件最本质的差异。各平台官方 API 直连或插件任务桥把候选内容拉进统一待评估池由共享评估器结合你的灵魂画像批量打分再经过平台配额 → 主题去重 → 跨平台混排最终进入推荐池。来源发现方式是否需要登录B 站搜索 · 趋势榜 · 关联链 · 跨域探索需要复用浏览器会话小红书 / 抖音 / YouTube初始化导入 · 搜索 · 热点 · 推荐流需要X · 知乎 · Reddit搜索 · 热榜 · 关注作者 · 相关需要Linux.do · V2EX · 微博搜索 · 热门 · 最新 · 作者公开发现无需登录Bangumi · GitHub官方只读 API · 搜索 · 排名无需登录可选公开用户名通用 Web浏览器 LLM 抽取任意网页几个值得注意的设计细节安全取数后端不代登录、不爬你看不到的内容需要账号态的来源复用浏览器已有会话公开来源只读公开数据智能多样性主题配额 跨平台混排 小源保护告别「一刷全是同一个平台、同一个话题」换一批瞬间响应reshuffle 约 0.6 秒三层去重账本保证连续刷不重复、不卡顿发现引擎的完整机制可以阅读 内容发现引擎文档多源适配层源码在 src/openbiliclaw/sources/。灵魂画像先懂你这个人而不是你的点击记录打开桌面端的「我的画像」页你会看到一份用自然语言写成的深度分析人格素描、核心特质、深层需求、MBTI 推断全部由本地后端从你的行为数据中推理得出。它的技术内核是五层洋葱模型事件 → 偏好 → 觉察 → 洞察 → 灵魂偏好层LLM 从你的事件流中抽取结构化偏好带衰减与合并兴趣越久未活跃权重越低觉察层对近期行为生成结构化观察笔记「最近开始关注县域经济」洞察层基于觉察与画像生成待确认的假设猜对了升级为正式兴趣灵魂层人格画像、MBTI、认知风格与深层心理需求每 12 小时还有一次自动「画像整理」合并重复的兴趣主题、归档长期不活跃的标签——画像会像人一样新陈代谢而不是无限膨胀。用户手动编辑的画像部分存在独立的覆盖层AI 重建不会覆盖你的修改。灵魂引擎的架构详见 灵魂引擎文档核心实现在 src/openbiliclaw/soul/。兴趣探针主动探索你从未接触过的领域这是和传统推荐最核心的差异。系统会基于心理学桥接逻辑主动猜测你可能感兴趣但从未接触过的方向关注机械表的人可能对建筑美学有好感看量子物理科普的人可能对哲学感兴趣。探针有四档距离near / lateral / bridge / wildcard从「相邻兴趣」一路探到「大胆的跳跃」猜对了你确认或聊天中表现出明显兴趣→ 升级为正式兴趣搜索策略立刻向这个方向发力猜错了→ 安静退出并进入冷却期不会反复打扰态度模糊→ 点「暂时忽略」阶梯式搁置 7 天、14 天不会一句「有点意思」就被写成长期兴趣同时还有对称的避雷探针系统主动确认你想避开的内容形态只有你明确确认后才会写入过滤偏好。PC、浏览器插件、手机一套推荐体验三个入口后端启动后同时托管桌面端与移动端 Web浏览器插件负责平台内交互与登录会话三者共享同一份本地数据入口地址 / 方式适合场景浏览器插件Chrome / Edge / Brave / Firefox / Safari 商店安装平台内侧边栏推荐 行为采集桌面端 Webhttp://127.0.0.1:8420/web大屏推荐首页、画像编辑、30 天历史移动端 Web手机扫插件二维码打开/m/加到主屏当 App 用普通用户的上手流程其实只有四步装插件Chrome 应用商店一键安装或从 Latest Release 下载 zip 手动安装装后端macOS / Windows 桌面安装包开箱即用或把一句话发给 AI 编程助手自动部署见 Agent 部署指南登录来源在装了插件的浏览器登录 B 站等目标平台打开界面桌面访问/web手机扫二维码设置页对每个平台来源都给出诚实的状态标注「凭证已就绪 / 状态待验证 / 无需登录」不会假装成功。像朋友一样解释推荐理由的推荐卡片推荐卡片不止是「封面 标题」。每条推荐都附带一段朋友口吻的理由——它会引用你的近期兴趣轨迹、说明这条内容和你口味的契合点甚至点明「这是 search 来源不是你日常刷到的重复款」。卡片下方是完整的操作区去看看 / 聊一聊 / 喜欢 / 稍后再看 / 收藏 / 不感兴趣。点「聊一聊」可以直接就这条内容和 Agent 展开苏格拉底式对话对话中的偏好信号会自动回写画像。跨平台混排后的效果大致如下——B 站、Reddit 等不同来源的卡片按主题而非平台聚集在一起另外两个实用能力本地优先收藏 / 稍后看先写本机 SQLite外部同步需显式授权和30 天内容历史区分「点开过 / 出现过但没点开 / 最近移除」移除可一键恢复。完全本地数据流向与隐私边界隐私是 OpenBiliClaw 的立身之本数据流向非常简单浏览器插件 → 你电脑上的本地后端 → 本机 SQLite / 数据文件没有任何 OpenBiliClaw 运营的云端账号插件不会向开发者服务器发送数据LLM 默认使用你自己的 API Key也可完全本地化Ollama bge-m3 embeddingCPU 可跑配置、画像、凭据全部在本机文件中跨机器迁移可一键导出 / 导入.obcbackup为明文注意在可信设备间传递可选公网部署时Caddy 自动证书 应用密码双保险完整的隐私政策见 隐私政策常见问题macOS 安全阻挡、插件连不上后端、embedding 配置等可查 FAQ。进阶文档与源码导航想深入了解或二次开发的话这些是入口README.md —— 快速开始与功能总览docs/index.md —— 一站式文档导航架构设计 与 架构总览图 —— 模块关系与数据链路配置参考 · CLI 参考记忆系统设计 —— 多层网状记忆源码后端核心 src/openbiliclaw/soul/画像、discovery/发现、recommendation/推荐浏览器插件 extension/想从源码安装的话克隆仓库即可git clone https://gitcode.com/whiteguo233/OpenBiliClaw cd OpenBiliClaw uv sync cp config.example.toml config.toml openbiliclaw init总结把推荐主权拿回自己手里OpenBiliClaw 做的事情可以浓缩成一句话用本地私有的 AI Agent把散落在 12 个平台里的兴趣拼成一个完整的你再主动跨平台去找你会喜欢的内容。越用越懂你每一步反馈都算数数据从头到尾不出你的硬盘。如果你受够了信息茧房和「猜你喜欢」这就是一个值得试的开源方案。【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考