openbiliclaw
維護狀態: 活躍whiteguo233/openbiliclaw
本地私有、開源的自進化跨平臺 AI 內容發現 Agent:先理解你,再主動從 B站、小紅書、抖音、YouTube、X、知乎、Reddit、微博等平臺與開放 Web 尋找內容。(支援 deepseek harness 外掛) | 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)
2,929
星數
137
Fork
Python
語言
MIT
授權條款
2026-03-07
建立於
2026-08-19
最近推送
README
🦀 OpenBiliClaw
通用个性化内容推荐 Agent——本地运行、跨平台理解你、只为你一个人构建
A general-purpose personalized content discovery Agent — runs on your machine, understands only you
🆕 重要更新:OpenBiliClaw 现在可以装进 DeepSeek Harness
新增 DSH 客户端插件 —— 把 OpenBiliClaw 装进 DeepSeek Harness:DSH 界面常驻第四栏(推荐 / 内容库 / 对话 / 画像 / 设置),并注册 22 个 Agent Bridge 工具,让 DSH 里的 Agent 也能读推荐、答探测、闭环学习——边用 DSH 干活,边刷跨平台个性化内容。→
github.com/whiteguo233/dsh-openbiliclaw📱 想要原生 App?Flutter 移动端客户端(Android / iOS / Web / 桌面)在独立仓库
OpenBiliClaw-mobile:推荐、对话、画像、收藏 / 稍后再看 / 30 天历史一应俱全,连接同一本地后端。
10 秒看懂 OpenBiliClaw
一个纯本地、私有、开源的自进化跨平台内容发现 Agent:从你的跨平台使用、反馈和对话中持续深化心理画像,带着对你的理解主动去 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博与开放 Web 找内容。
| 跨平台 | 本地优先 | 可调教 |
|---|---|---|
| B 站 / 小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Linux.do / Bangumi / V2EX / 微博 / Web | 数据默认留在本机 SQLite | 喜欢、不感兴趣、聊天反馈都会改变后续推荐 |
喜欢这个方向?欢迎 Star 支持项目继续适配更多平台。
快速开始
普通用户只需四步;Firefox、Docker、脚本和手动部署等备用路径都在 安装与部署详情。
-
装插件 —— Chrome 应用商店一键安装(自动更新),或从 Latest Release 下载 zip 手动安装(最新功能先到,商店版可能滞后几天)。
-
装后端 —— 从同一个 Latest Release 下载桌面安装包(macOS
.dmg/ Windows.exe,开箱即用、常驻菜单栏/托盘)。每个平台有两种安装包:精简版(默认,首启自动下载向量模型 bge-m3)与-with-embedding完整版(已内置 bge-m3 ~1.1GB,离线开箱即用)——网络差 / 想离线的选完整版,其余选精简版。想改源码或深度定制,就把下面这句话粘给 Claude Code / Codex CLI / Cursor 等 AI 编程助手: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) -
连接来源 —— 在装了插件的浏览器登录 B 站(默认初始化来源),或改选小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Linux.do / V2EX / 微博;Linux.do、Bangumi、V2EX 与微博均可做公开发现,登录 Linux.do、V2EX 或微博后还能在初始化时只读导入个人信号,Bangumi 可用公开用户名初始化画像。微博公开发现无需登录,个人收藏 / 关注 / 互动初始化需要已登录微博浏览器态。
-
打开界面 —— 浏览器访问
http://127.0.0.1:8420/web;手机扫插件二维码打开http://<电脑局域网 IP>:8420/m/,保存到主屏幕即可当 App 用;想要原生 App 体验,可安装独立仓库的 Flutter 客户端(Android / iOS / Web / 桌面,安装包见 Latest Release),在设置里填后端地址即可连接同一后端。
用户交流群
![]() QQ 用户群 |
![]() Discord 社区 扫码或点击加入,链接长期有效 |
为什么需要 OpenBiliClaw?
名字起源于 B 站(
Bili= Bilibili,Claw= 爪子),项目最早只支持 B 站。从 v0.3.0 起已扩展为通用跨平台 Agent,覆盖 B 站 / 小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Linux.do / Bangumi / V2EX / 微博与通用 Web,持续接入更多内容平台。
推荐系统本质上是一个中间商——平台站在海量内容和海量用户之间做匹配分发。现代推荐系统远比「优化点击率」复杂:它同时权衡点击率、完播率、点赞/投币概率、停留时长、用户留存、创作者生态健康、广告收入等十几个目标,把它们加权压成一个分数来排序。听起来很科学,但问题在于:这些权重是平台定的,优化目标归根结底是平台的——用户满意度只是被当作留存和变现的手段,而非目的本身。你以为你在挑内容,其实是中间商在替你决定你能看到什么。结果就是:推荐越来越像你已经看过的东西,偶尔的惊喜全靠运气。
而且每个平台都是一座孤岛。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 站从来不会推给你。你的兴趣被割裂在不同平台的数据库里,没有人帮你把它们连起来。
OpenBiliClaw 反过来。 它是一个本地运行的 AI Agent——先深度理解你,再根据对你的理解跨平台主动搜寻你会喜欢的内容。项目从 B 站起步,现已覆盖小红书、抖音、YouTube、X(Twitter)、知乎、Reddit、Linux.do、Bangumi、V2EX、微博和开放 Web:
🧠 先懂你,再找内容
不是从视频出发匹配标签,而是从你出发。通过行为分析推断 MBTI、认知风格、深层心理需求,构建五层灵魂画像(事件→偏好→觉察→洞察→灵魂)。它理解的是你这个人,不是你的点击记录。
🔮 根据理解主动探索,而非被动匹配
这是和传统推荐最核心的差异:系统会基于对你的理解,主动猜测你可能感兴趣但从未接触过的领域。一个关注机械表的人可能会喜欢建筑美学,一个看量子物理科普的人可能对哲学感兴趣——它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。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。
🔒 100% 本地,100% 你的
核心行为、推荐和对话数据留在你硬盘上的 SQLite,配置、画像、凭据与缓存也只保存在本机文件中。LLM 默认用你自己的 API Key,也可实验性复用本机 Codex CLI 的 ChatGPT OAuth 凭据。没有 OpenBiliClaw 运营的云端账号,没有任何人能看到你的画像。这个 Agent 怎么长,完全你说了算——反馈推荐、对话调教、换 LLM、迁移或改数据库,随你。
💡 和其他推荐工具的对比
各平台官方推荐 关键词过滤插件 OpenBiliClaw 推荐逻辑 协同过滤 标签匹配 心理画像 + 五层记忆 内容来源 单一平台 单一平台 跨平台(B 站 · 小红书 · 抖音 · YouTube · X · 知乎 · Reddit · Linux.do · Bangumi · V2EX · 微博 · Web) 信息茧房 越推越窄 不解决 猜测兴趣主动破茧 数据归属 平台所有 通常云端 100% 本地 推荐解释 "猜你喜欢" 无 像朋友一样告诉你为什么 可定制 不可以 低 换 LLM / 改画像 / 写 Skill
📸 功能预览
核心入口现在有五个: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,另有独立仓库的原生 Flutter 客户端(OpenBiliClaw-mobile)覆盖 Android / iOS / Web / 桌面,以及把同一套面板搬进 DSH Web 界面的 DSH 客户端插件(第四栏 + 22 个 Agent Bridge 工具)。桌面端、移动端 Web、原生客户端和 DSH 插件都只调用本地 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 |
🖥️ 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 惊喜推荐 Hero · 为你推荐网格 · 朋友式推荐理由 |
![]() 推荐卡片网格 封面 + 推荐理由 · 喜欢 / 不感兴趣 / 稍后 / 收藏 / 聊一聊 |
![]() 画像 + 实时看板 侧栏 Runtime 看板 + 后台动态 · 人格素描 · 核心特质 · MBTI 推断 |
|
📱 移动端 Web 预览
![]() 手机推荐页 惊喜推荐 + 池子状态 · 朋友式推荐原因 看看 / 喜欢 / 稍后 / 收藏 / 不感兴趣 / 聊一聊 |
![]() 手机画像页 人格素描 · 核心特质 · 深层需求 · MBTI |
![]() 手机对话页 与插件共享主聊天历史 |
📱 想要原生 App?独立仓库 OpenBiliClaw-mobile(Flutter)提供 Android / iOS / Web / Linux / macOS / Windows 客户端:推荐、对话、画像、收藏 / 稍后再看 / 30 天历史、消息收件箱一应俱全,B 站封面走 CDN 直连省两跳。Android 签名 APK 与 iOS 自签名 IPA 从 Latest Release 下载(iOS 需用个人 Apple 账号重签)。当前为新特性预览版,尚未经过长期实测。
更多截图
![]() 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 |
最近更新
📌 最新版本:v0.3.208(2026-08-18)
- 来源周期回拉默认全关 —— 每个平台可单独开关,避免后台自动弹前台标签页打扰浏览。
- 后台 LLM 预算 + Embedding 熔断 —— 防止无人值守时持续烧模型额度,embedding 端点异常会自动冷却。
- 修复来源任务抢焦点 —— 知乎停用后不再打开任务页,defer 暂缓假设也不再错误出现在待确认列表。
完整变更详见 docs/changelog.md。
安装与部署详情
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:它会在受支持站点显示侧边栏、采集你的反馈,并承接知乎、Reddit、Linux.do、V2EX、微博等登录态只读任务。Linux.do、V2EX 与微博的任务 tab 和普通行为采集隔离;微博公开 discovery 由后端独立完成,个人初始化才使用微博 host permission 和同源任务桥。
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;另提供 Safari(macOS) 构建,Release 自动附带 openbiliclaw-extension-v*-safari.dmg(配置 Apple 凭据时为 Developer ID 签名 + 公证;未配置时为 ad-hoc 实验包,需在 Safari 开启「允许未签名扩展」),也可本地经 Apple safari-web-extension-converter 转成 Xcode 工程后安装(详见 Safari 构建文档)。
推荐方式 · 从 Latest Release 聚合页下载最新版手动安装(拿到最新功能与修复 —— Chrome 应用商店受审核排期影响,版本通常会滞后几天到一两周):
- 打开 OpenBiliClaw Latest Release,也就是最新
openbiliclaw-v*用户下载聚合页 - Chrome / Edge / Brave 下载
openbiliclaw-extension-v*.zip;Firefox 若 release 提供openbiliclaw-extension-v*-firefox.xpi就直接安装,否则下载openbiliclaw-extension-v*-firefox.zip并按下方about:debugging临时加载;Safari(macOS)下载openbiliclaw-extension-v*-safari.dmg,打开后首次运行 App,再到 Safari 设置 → 扩展里勾选 OpenBiliClaw - 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」 - Chrome / Edge / Brave 将下载的
.zip文件拖入页面安装;Firefox 的.xpi可直接打开确认安装,临时 zip 需要先解压再加载manifest.json
省事方式 · Chrome 应用商店一键安装(安装后由浏览器自动更新,适合不想手动升级的人;缺点是版本可能滞后于 Releases):
👉 在 Chrome 应用商店安装 OpenBiliClaw —— 打开后点「添加至 Chrome」即可。
插件更新取决于安装渠道:Chrome Web Store / Edge Add-ons,以及审核通过后的 Firefox AMO 上架版由浏览器自动更新;从 GitHub Release 下载的 Chrome zip / Firefox signed XPI / Firefox 临时 zip / Safari dmg、开发者模式加载或 Firefox 临时加载的用户,需要下载新版安装包并按同样方式重新加载。Firefox AMO 上架审核是异步的,listed 版本公开前请从 Release 使用 *-firefox.zip 临时加载;审核通过后由 Firefox 自动更新。后端设置里的“自动更新”开关只更新本地后端源码,不会更新浏览器插件。
Firefox 用户:正式安装与临时调试(Firefox 140+)
Firefox 用 sidebar_action 而不是 Chrome 的 sidePanel,所以 release 会提供独立产物:
openbiliclaw-extension-v*-firefox.xpi:Mozilla AMO unlisted 签名后的正式安装包;仅在发布环境启用 AMO signing 且凭据可用时生成,普通 Firefox Release / Beta 可以直接安装。openbiliclaw-extension-v*-firefox.zip:未签名开发包,只用于about:debugging临时加载或 AMO 签名输入。普通 Firefox 直接安装它会提示“未通过验证 / could not be verified”。
临时调试或源码构建时使用:
unzip openbiliclaw-extension-v*-firefox.zip -d openbiliclaw-firefox
# 或从源码构建
git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw/extension
npm install
npm run build:firefox # 产出 dist-firefox/
npm run package:firefox # 额外打成未签名 openbiliclaw-extension-v*-firefox.zip
# AMO 凭据配置后可签名成正式安装包:
# AMO_JWT_ISSUER=... AMO_JWT_SECRET=... npm run sign:firefox:only
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;如果 release 提供已签名 .xpi,普通用户应优先使用 .xpi。
2. 部署后端(二选一)
普通用户直接用桌面安装包最省事;想改源码、换 LLM、深度定制就用 AI 一句话部署。
方式 A:下载桌面安装包(实验性,最省事)
到 Latest Release 的 openbiliclaw-v* 聚合发布页下载对应系统的安装包。这个聚合页会同步展示:
-
当前后端源码 tag:
backend-v* -
当前插件 release:
extension-v*,并附openbiliclaw-extension-v*.zip/openbiliclaw-extension-v*-firefox.zip(Firefox 临时调试);启用 AMO signing 时还会附openbiliclaw-extension-v*-firefox.xpi(Firefox 正式安装) -
当前桌面安装包 release:
desktop-v*,同版本桌面 channel 完成后会附可用的.dmg/.exe;缺失 channel 显示未发布,不回填上一版资产 -
macOS:从发布页下载与你的 Mac 匹配的 DMG:Apple 芯片用
OpenBiliClaw-macos-v*-arm64.dmg;Intel 用OpenBiliClaw-macos-v*-x64.dmg(如发布页提供)。打开后推荐双击安装并启动 Install OpenBiliClaw.command:它会校验新包、退出旧实例、原子替换「应用程序」中的 app,再启动刚安装的版本;传统拖拽仍可用,但升级时需先退出旧版并在替换后手动重开。 -
Windows:下载
OpenBiliClaw-windows-*-Setup.exe,双击安装。安装或升级成功后,安装器会结束旧实例并从安装目录自动启动刚安装的新版本(静默安装也一样)。
安装包自带本地 Ollama + bge-m3 embedding,开箱即用;也内置默认内容源依赖,包括 X 的 twitter-cli 和 Reddit 的 rdt-cli(Reddit rdt 命令后端会优先使用已连接插件同步的 reddit_session,插件不可用时可手动运行 rdt login,未登录会 fallback 插件)。启动后常驻 macOS 菜单栏 / Windows 系统托盘,右键可「打开 Web 界面 / 查看运行日志 / 退出」。数据与 AI / 脚本安装复用同一个目录:~/OpenBiliClaw(macOS / Linux)/ %USERPROFILE%\OpenBiliClaw(Windows),升级或卸载不会动它;旧安装包曾写入的 ~/Library/Application Support/OpenBiliClaw / %LOCALAPPDATA%\OpenBiliClaw 会在新版本首次启动时非覆盖拷贝回来。若 config.toml / config.local.toml 损坏导致启动失败,桌面包会把坏文件备份为 *.invalid 并重新生成默认配置,随后打开 /setup/ 重新初始化;data/ 不会被删除。
⚠️ macOS 安全阻挡(应用尚未签名 / 公证):
当前 Release 是 ad-hoc signed、未 notarized。首次打开安装助手或应用时如果提示“无法验证开发者”或“未经安全验证”,请右键 / Control-click 对应项目 →「打开」→ 在弹窗里再点「打开」;也可以到「系统设置 → 隐私与安全性」点击「仍要打开」。
如果提示“
OpenBiliClaw.app已损坏,无法打开。您应该将它移到废纸篓”,通常是下载隔离属性导致。确认包来自本项目 Releases 后运行:APP="/Applications/OpenBiliClaw.app" xattr -dr com.apple.quarantine "$APP"然后再次打开应用。
Windows:SmartScreen 弹窗点「更多信息 → 仍要运行」。
这是实验性预发布:未签名、随后端版本滚动更新,适合只想最快试用、不碰命令行的人。要二次开发 / 改源码请用下面的方式 B。
方式 B:AI 一句话部署(可定制 / 可改源码)
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。自动初始化前会真实验证全局 LLM 实例链和独立 embedding 服务;有一个不通就先停下让你修配置。小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、V2EX 与微博数据只有你明确同意才会进入初始画像;微博个人事件需要已登录微博浏览器和扩展,公开发现仍可匿名进行。
Chrome Web Store / AMO 发布包默认只声明本机后端权限。让插件连接局域网另一台机器或远程域名时,在设置里选择协议并填写地址,浏览器会请求该 scheme://host/* 的可选权限;WebExtension host permission 无法跨浏览器限定端口,但实际请求仍固定到配置端口。公网地址强制 HTTPS。后端需先用 ext-key generate 和 ext-key enable 开启默认关闭的设备认证。
有公网域名时,最短路径是叠加 docker-compose.https.yml,由 Caddy 自动申请和续期证书;PC、手机和插件共用 https://<域名>。命令与安全门禁见 HTTPS 部署指南。
3. 在同一个浏览器登录内容平台
默认登录 B 站 并勾选 B 站来源即可生成第一版画像和推荐;如果不想接 B 站,也可以改勾已登录的小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Linux.do / V2EX,或选择 Bangumi 并填写公开用户名。至少保留一个能拉到画像信号的来源;未登录 Linux.do / V2EX 和未填身份的 Bangumi 仍可公开 discovery,但不能单独完成画像初始化。
4. 打开桌面端或移动端 Web
后端启动后会同时托管桌面端和移动端 Web,都只调用本地 API,不做 Cookie 同步或平台登录。
openbiliclaw start
- 桌面端:浏览器直接访问
http://127.0.0.1:8420/web(或http://127.0.0.1:8420/,自动跳转)。大屏两栏布局,推荐流、30 天历史、画像、聊天、消息和设置全在一页。 - 移动端:点击插件顶部的手机图标扫二维码,或手动输入
http://<电脑局域网 IP>:8420/m/。适合手机上刷推荐、回看 30 天历史、看画像和与阿B聊天。 - Flutter 原生客户端:从 Latest Release 下载 Android APK(新机型选
arm64-v8a,老设备选armeabi-v7a)直接安装,或下载 iOS 未签名 IPA 用个人 Apple 账号重签;装好后右上角设置里填后端 IP / 端口即可连接同一后端(Web / iOS / macOS 默认127.0.0.1:8420,Android 模拟器默认10.0.2.2:8420,真机填电脑局域网 IP,远程部署填服务器 IP 并建议开启密码门禁)。
首次运行
openbiliclaw init时会询问是否允许局域网访问(默认 Y)。如果选了 N 或想改回来,编辑config.toml的[api].host(0.0.0.0= 通过可用的 IPv4 / IPv6 局域网访问,127.0.0.1= 仅本机)。二维码优先使用 IPv4;仅有 IPv6 时会自动生成带方括号的 IPv6 地址。
打开 /m/ 后可以把手机页面保存成桌面快捷入口:iPhone / iPad 用 Safari 的「分享 → 添加到主屏幕」;Android Chrome / Chromium 浏览器用菜单里的「安装应用」或「添加到主屏幕」。局域网 HTTP 在部分 Android 浏览器上可能只生成快捷方式;如果想要更稳定的完整 PWA 安装提示,建议在可信环境里用 HTTPS 反代访问本机后端。
页面底部收敛为「推荐 / 内容库 / 画像 / 对话」四个一级 Tab。内容库内再按「稍后再看 / 收藏 / 历史记录」切换:前两项管理保存列表;历史记录按「主动点开过 / 出现过但没点开 / 最近移除」分页展示近 30 天内容,同一内容的多个移除原因会一起显示,收藏和稍后再看可以分别恢复。旧的稍后、收藏和历史直达链接会自动迁移到对应内容库子项。
不用 AI 助手:直接跑一句话安装脚本
macOS / Linux / WSL2(Bash):
curl -fsSL https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/scripts/install.sh | bash
Windows 原生(PowerShell,不需要 Docker / WSL2):
[Net.ServicePointManager]::SecurityProtocol = [Net.ServicePointManager]::SecurityProtocol -bor [Net.SecurityProtocolType]::Tls12; iwr https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/scripts/install.ps1 -UseBasicParsing | iex
脚本依赖 git 和 Python 3.11+。它会自动克隆仓库,然后先在终端向导里收集首选 LLM 实例、embedding、B 站 Cookie,以及小红书 / 抖音 / YouTube 的 opt-in 决策,再安装依赖、启动后端和健康检查;确认齐全后会先验证全局 LLM 实例链和 embedding 服务都能真实响应,再自动运行 init,完成画像生成和首轮发现。X / 知乎 / Reddit / Linux.do / Bangumi / V2EX / 微博可在启动后的 /setup/ 或设置页显式开启;Linux.do、Bangumi、V2EX 与微博的公开 discovery 无需登录,微博个人初始化需要已登录微博浏览器和扩展,Bangumi 个人初始化需要公开用户名。不确定的选项直接回车或选默认。
高级:Docker 部署
适合已经安装 Docker 的用户,自带 Ollama embedding sidecar。预构建镜像无需克隆源码:
mkdir -p ~/openbiliclaw && cd ~/openbiliclaw
curl -fsSLO https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docker-compose.prebuilt.yml
docker compose -f docker-compose.prebuilt.yml up -d
# 然后打开 http://127.0.0.1:8420/setup/ 完成初始化
也可以把下面这句粘给 AI 编程助手,走终端向导 + 自动 init:
请按照 https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docs/docker-deployment.md 的说明帮我用 Docker Compose 部署 OpenBiliClaw 后端(务必用 Bash 的 curl 下载这个文档,不要用 WebFetch)
源码构建、升级与排查详见 Docker 部署指南。
高级:多源登录与插件链路
OpenBiliClaw 不保存你的平台密码,也不替你绕过登录。需登录的来源复用当前浏览器里的会话,匿名来源只读公开内容;两者都不会越过你能访问的边界。
| 源 | 登录方式 | 不登录的影响 |
|---|---|---|
| B 站 | 在装了插件的浏览器打开 https://www.bilibili.com 正常登录 | 拉不到观看历史 / 收藏 / 关注,画像会明显变弱 |
| 小红书 | 在同一浏览器打开 https://www.xiaohongshu.com 正常登录 | 小红书 discovery 和详情抓取不可用 |
| 抖音 | 在同一浏览器打开 https://www.douyin.com 正常登录 | init --yes-douyin、fetch-douyin 和 discover --source douyin 的 search / hot / feed 可能返回 0 条 |
| YouTube | 在同一浏览器打开 https://www.youtube.com 正常登录 | init --yes-youtube 和 fetch-youtube 可能返回 0 条;仍可用 import-youtube 从 Takeout 导入 |
| X(Twitter) | 在同一浏览器打开 https://x.com 正常登录 | init --yes-x、fetch-x 和 X discovery 拉不到数据(服务端重放需要 auth_token+ct0,登录后扩展自动同步) |
| 知乎 | 在同一浏览器打开 https://www.zhihu.com 正常登录 | init --yes-zhihu、fetch-zhihu、discover --source zhihu 和 discover-zhihu* 拉不到数据 |
在同一浏览器打开 https://www.reddit.com 正常登录;插件会同步 reddit_session 给日常 discovery 的 rdt-cli,rdt login 仅作为插件不可用时的 fallback |
fetch-reddit --mode bootstrap 拉不到初始化信号;rdt credential 未同步时 rdt 路径会 fallback 到插件任务 |
|
| Linux.do | 在同一浏览器打开 https://linux.do 正常登录;公开 discovery 无需登录 | 未登录时 fetch-linuxdo 和 init --yes-linuxdo 拉不到书签 / 点赞 / 阅读记录,但 search / hot / feed / creator / related discovery 仍可用 |
| Bangumi | 无需登录;可选填公开用户名读取公开收藏,或填个人令牌读取私密收藏;插件在 bgm.tv / bangumi.tv 仅做账号身份自动识别(不读 Cookie、不采集浏览行为) | 未填用户名时不能把 Bangumi 作为唯一画像初始化来源,但匿名 search / ranked / 按日期 discovery 仍可用 |
| V2EX | 无需登录;可选填 PAT;guided init / 增量任务在扩展中读取本人主题、本人回复、收藏主题和收藏 Node 的公开渲染字段 | 未连接扩展时仍可匿名 search / node / tab / hot / latest discovery;收藏 scope 需要实际登录态 |
小红书、抖音、YouTube、知乎和 Linux.do 走 Chrome 插件任务链路,Reddit 日常 discovery 默认走随后端安装的 rdt-cli、初始化信号仍走插件,X 的 discovery 走服务端 cookie 重放;这些读取链路都不需要你额外启动 CDP 调试 Chrome。Linux.do 上游请求全部在真实站点 tab 内以同源 GET 执行,_t 只作登录布尔,Cookie 值和原始响应不会上传。Reddit/X、YouTube、小红书、抖音与知乎原生保存 executor 已 6/6 接入并通过 fixture 测试;2026-07-14 的真实账号回归中,六平台 favorite 与 watch-later/fallback 均得到 synced/already_synced。Linux.do 不提供任何站内写回。[sources.browser].cdp_url 只保留给通用 Web / 自定义网页源的浏览器抓取场景。
高级:本地 embedding / Ollama
如果你不想给 embedding 单独配置 API Key,或担心远程 embedding 配额,可以装一次 Ollama 后使用本地 bge-m3:
# macOS
# 安装并启动官方 Ollama.app(会创建 ollama 命令行入口)
open https://ollama.com/download/mac
# Linux
curl -fsSL https://ollama.com/install.sh | sh && ollama serve &
macOS / Windows 用户可以从 ollama.com/download 安装官方 App。启动 Ollama 后运行:
uv run openbiliclaw setup-embedding
向导会自动拉取 bge-m3(约 1.1GB,CPU 可跑)并写入配置。
高级:手动安装与 discovery 调试
人类维护者可以参考 docs/agent-install.md(给智能体看的精简契约)和 docs/agent-deployment.md(详细排查说明)。
手动安装
# 克隆项目
git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw
# 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
# 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
# 一键初始化(拉取历史 · 生成画像 · 首轮发现)
openbiliclaw init
# 可选:启用本地 Ollama 作为独立 embedding provider(无需额外 API Key)
openbiliclaw setup-embedding
# 手动触发内容发现
openbiliclaw discover
# 可选:抖音内容发现(需先启用 [sources.douyin];search / hot / feed 从首页 DOM 操作触发)
openbiliclaw discover --source douyin
# 可选:Linux.do 书签 / 点赞 / 阅读记录只读 smoke(默认不写 memory)
openbiliclaw fetch-linuxdo
# 可选:Linux.do 正式发现(search / hot / feed / creator / related)
openbiliclaw discover-linuxdo --limit 30
# 等价:openbiliclaw discover --source linuxdo --limit 30
# 可选:独立调试抖音 search / hot / feed 召回
openbiliclaw discover-douyin --keyword 机械键盘 --source search,feed --no-cache --no-evaluate
# 可选:微博公开 discovery(需先启用 [sources.weibo];公开读取不写画像)
openbiliclaw discover --source weibo
openbiliclaw discover-weibo 机械键盘
openbiliclaw discover-weibo-hot
openbiliclaw discover-weibo-creator 1234567890
# 查看推荐
openbiliclaw recommend
# 查看用户画像
openbiliclaw profile
开发者也可以从源码构建插件:
cd extension
npm install
npm run package
🤖 接入 OpenClaw / Hermes / WorkBuddy Agent
OpenBiliClaw 仓库内置了一个 workspace skill 和版本化的 Agent Bridge。把仓库挂到任何支持 skill 或本地 JSON CLI 的 Agent 宿主(OpenClaw / Hermes / WorkBuddy / Claude Code / Codex CLI / Cursor 等),宿主就能直接调用你本机上的 OpenBiliClaw。
接入之后能干什么
- ✨ 主动推荐 — 系统在后台持续发现内容,遇到高分惊喜时通过 WebSocket 主动推送给 OpenClaw,OpenClaw 再转述给你——你不需要开口问
- 🔮 主动追问兴趣 — 系统猜测你可能对某个方向感兴趣,支持 confirm / reject / defer / chat 四态反馈,画像自动更新
- 🧭 主动确认避雷 — 系统也会确认你可能想避开的内容形态,支持四态反馈;只有确认后才写入过滤偏好
- 💬 苏格拉底式对话 — 带 durable
turn_id的多轮对话,重试或切换宿主后仍可读取历史 - 📖 读当前灵魂画像 — MBTI、核心特质、深层需求、兴趣领域
- 🎯 按需拉多源推荐 — 支持平台范围、换一批、追加、库存可用量和完整内容元数据
- 💬 把反馈写回学习闭环 — 推荐和惊喜卡片反馈都支持 durable 幂等
- 💾 本地优先保存 — 收藏 / 稍后再看先落本地;外部同步必须显式授权
- 🔄 同步 B 站账号行为 — 拉历史、收藏、关注等长期信号,注入记忆系统
一句话让 OpenClaw 完成接入
把下面这段粘给 OpenClaw(或 Claude Code / Codex CLI / Cursor),它会自动读指南并完成接入:
请按照 https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/docs/openclaw-quickstart.md 的说明帮我把当前仓库接入 Agent Bridge(目标宿主是 OpenClaw;务必用 Bash 的 curl 下载这个文档,不要用 WebFetch — 会丢关键指令)
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 --request-id feedback-4268-like-1,重试复用该 ID)
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:
更多「桌面與應用程式」外掛
open-design
作者 nexu-io
DeepSeek Harness 的開源 AI 設計外掛,本地優先桌面應用,讓編碼智慧體變身設計引擎,生成原型、落地頁、幻燈片、圖片與影片,支援多種格式匯出。
deepseek-harness-desktop
作者 anywhere-labs
為 DeepSeek Harness (DSH) 外掛生態打造的現代化桌面端解決方案。萬物皆「外掛」,桌面本身也是「外掛」。
deeptide
作者 paean-ai
由 DeepSeek 出品的 Swift 原生 macOS 程式設計智慧體,主打原生流暢體驗。
wesight
作者 freestylefly
開源桌面 AI 智慧體工作區,一鍵配置 Claude Code、Codex、OpenClaw、Hermes Agent,並支援自定義 LLM 模型路由。















