OpenBiliClaw架构解析Agent编排、灵魂画像、五层记忆与发现引擎全景图【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先理解你再主动从 B站、小红书、抖音、YouTube、X、知乎、Reddit、微博等平台与开放 Web 寻找内容。支持 deepseek harness 插件 | Local-first open-source cross-platform AI content discovery agent: understands you, then proactively finds content across Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo and the open web.support deepseek harness plugin项目地址: https://gitcode.com/gh_mirrors/op/OpenBiliClawOpenBiliClaw 是一个本地私有、开源的自进化跨平台 AI 内容发现 Agent。它先理解你再主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、微博等平台寻找内容。本文将从Agent 编排、灵魂画像、五层记忆与发现引擎四个维度完整拆解它的架构设计。一、整体架构7 层协作各司其职OpenBiliClaw 采用分层架构从上到下依次为详见 docs/architecture.md 与 docs/architecture-overview.md层级职责一句话理解用户交互层浏览器插件、桌面 Web、移动 Web、原生 App你看到的所有界面外部集成层Agent Bridge、Skill 协议让其他 AI 宿主能调用它Agent 核心层编排器 Soul Discovery Recommendation系统的大脑LLM 实例路由层多模型实例链、分模块路由灵活切换任意大模型多源适配层12 个内容平台的统一接入内容进货渠道保存同步编排层跨平台收藏/稍后再看同步本地保存一键同步网状记忆存储层五层记忆 SQLite 向量索引系统的记忆力二、Agent 编排层系统的总指挥Agent 核心层是整个系统的大脑源码位于 src/openbiliclaw/agent/它负责三件事任务调度— 决定何时做发现、何时更新画像、何时生成推荐文案并严格管控 LLM 并发交互任务与后台任务分车道排队Skill 系统— 技能以 Markdown 描述 JSON 工具注册表的形式声明支持内置技能与用户自定义技能覆盖「聊一聊」Agent Loop— 多跳工具调用循环Agent 可以连续调用读取画像、搜索内容、提交建议等工具并通过L2 审批门保护敏感写操作——任何硬写入都会先弹出审批卡片用户点头后才执行 对新手来说你可以把编排层理解为一个值班管家它自己不干具体活但知道谁该干活、什么时候干、干之前要不要先问一嘴。对外集成走协议中立的 src/openbiliclaw/integrations/其他 Agent 宿主可以通过能力协商capabilities manifest直接读取推荐、回答问题、闭环学习而无需触碰内部数据库。三、灵魂画像理解你这个人而不是你的点击灵魂画像由 Soul Engine 驱动源码在 src/openbiliclaw/soul/文档见 docs/modules/soul.md。它是 OpenBiliClaw 与普通推荐系统最本质的区别。传统推荐理解的是标签灵魂画像理解的是人。它会推断MBTI 与认知风格— 你的信息处理方式核心特质— 例如追求深度理解、耐心但挑剔价值观与审美倾向— 你真正在意的东西深层未被满足的需求— 为什么你会被某些内容吸引更妙的是它的可修正性用户覆盖层— 你手动编辑的画像会存在独立文件中叠加在 AI 画像之上AI 重建画像时绝不覆盖你的修改苏格拉底式对话— 系统会通过追问来验证假设你刷游戏实况是为了放松还是为了学习兴趣探针— 它敢主动猜测你可能没接触过、但会喜欢的领域猜对升级为正式兴趣猜错安静退出疑惑机制— 读不懂你的行为时它不会乱猜而是明确向你提问澄清画像还带有完整的变更台账soul_changelog.md每一次更新的时间、来源、变化摘要都可追溯、可回滚。四、五层记忆系统像朋友一样记住你记忆系统src/openbiliclaw/memory/设计文档 docs/memory-design.md是整个 Agent 理解深度的基石。它不是简单的标签 权重而是模仿人脑的分层网状结构记忆层回答的问题类比 事件层 Event发生了什么你记得他点过哪道菜 偏好层 Preference你喜欢什么你知道他爱吃辣 觉察层 Awareness你最近有什么变化他最近总在搜索咖啡 洞察层 Insight你为什么会这样他可能是想学手冲 灵魂层 Soul你像什么样的人你对他的整体印象三个关键设计让这套记忆活起来越往上越稳定— 一次偶然点击不会让人格画像抖动双向网状关联— 不只是自底向上提炼高层理解还会反过来指导解读新行为一个追求深度的人快速划走视频是嫌太浅而不是不感兴趣全程可解释— 任何一条画像结论都能向下追溯到具体事件不是黑盒在四层类型划分上核心 / 情景 / 语义 / 工作记忆核心记忆每次 LLM 调用都会自动注入相当于随身的对朋友的印象工作记忆只存在于当前会话进程退出即消失。五、发现引擎主动找货而不是被动等货发现引擎src/openbiliclaw/discovery/文档 docs/modules/discovery.md解决的核心问题是带着对你的理解去 12 个平台主动找内容。它的流水线可以概括为四步灵魂画像 → 关键词规划 → 多源抓取 → 候选评估 → 入池① 关键词规划— 统一的 KeywordPlanner 管理所有搜索词的生命周期。它还有一个会自我学习的灵感轴库每条轴按历史产出回填收益分高产轴被优先复用低产轴自动沉底甚至退役——系统的搜索策略本身就在进化。② 多源适配— src/openbiliclaw/sources/ 把内容从哪里来与怎么挑彻底解耦。B 站四策略搜索 / 热点 / 关联链 / 探索、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 全部通过统一的 SourceAdapter 协议挂载按可配置的来源比例默认5:1:1:1:...分配配额。③ 统一候选池— 所有来源的原始内容先落到discovery_candidates待评估池由 LLM 批量评估与这个用户的相关性同时输出时效三态新鲜 / 待复审 / 已过期。达标者才进入正式推荐池content_cache。④ 负样本锚定— 你最近踩过的雷会被抽取为负例直接喂给评估器让系统在候选阶段就学会避开你不喜欢的方向。六、推荐引擎五维打分 朋友式表达最后一步推荐引擎src/openbiliclaw/recommendation/文档 docs/modules/recommendation.md从池中挑出最该推的几条PoolCurator 五维评分— 相关性、时效加成、主题疲劳、来源单调度、惊喜度共同决定最终排序MMR 多样性— 用向量余弦把话题看着不同、其实是一类的内容打散一批推荐里不同方向更多双轴疲劳抑制— 你最近反复看过的主题会被快速降权count2 即触发强抑制朋友式文案— 推荐理由由 LLM 按你的语气风格生成像老朋友告诉你为什么你会喜欢这个而不是冷冰冰的猜你喜欢推荐完成后你的每一次点赞、踩、划走都会回流到记忆系统形成自进化闭环——这就是自进化 Agent名字的由来。七、本地优先数据 100% 属于你架构的底座是 src/openbiliclaw/storage/ 的 SQLite 存储行为事件、画像 JSON、候选池、推荐历史全部留在本机。核心承诺没有 OpenBiliClaw 运营的云端账号LLM 默认使用你自己的 API Key也支持本地 Ollama可完全离线支持冷备份、完整性检查与跨机器迁移导出.obcbackup→ 新机器导入失败自动回滚八、快速上手想亲眼看看这套架构如何运转只需四步装插件— 从 Chrome 应用商店一键安装浏览器插件装后端— 下载 macOS / Windows 桌面安装包开箱即用连接来源— 在装了插件的浏览器登录 B 站或选择其他平台打开界面— 访问http://127.0.0.1:8420/web即可开始源码安装则可直接对 AI 编程助手说按 docs/agent-install.md 部署几分钟完成环境配置。总结OpenBiliClaw 的架构可以浓缩成一条主线行为事件 → 五层记忆提炼 → 灵魂画像理解 → 发现引擎主动找货 ↑ ↓ └──────── 推荐反馈 · 对话学习 · 探针确认 ←── 朋友式推荐它用Agent 编排管理节奏用灵魂画像理解人用五层记忆沉淀理解用发现引擎主动破茧——所有数据留在你的硬盘上这个 Agent 怎么长完全你说了算 【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先理解你再主动从 B站、小红书、抖音、YouTube、X、知乎、Reddit、微博等平台与开放 Web 寻找内容。支持 deepseek harness 插件 | Local-first open-source cross-platform AI content discovery agent: understands you, then proactively finds content across Bilibili, Xiaohongshu, Douyin, YouTube, X, Zhihu, Reddit, Weibo and the open web.support deepseek harness plugin项目地址: https://gitcode.com/gh_mirrors/op/OpenBiliClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考