企业官网建设流程全解析

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/OpenBiliClaw

OpenBiliClaw 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：

1. 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）
2. 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
3. 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」
4. 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：

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。

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：

普通用户的上手流程其实只有四步：

1. 装插件（Chrome 应用商店一键安装，或从 Latest Release 下载 zip 手动安装）
2. 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）
3. 登录来源（在装了插件的浏览器登录 B 站等目标平台）
4. 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 embedding，CPU 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