OpenBiliClaw：把推荐系统的逻辑反过来——你来决定看什么

你刷 B 站的时候，推荐的内容真的是你想看的吗？

推荐系统的本质是一个中间商。它站在你和内容之间，用十几个加权指标——点击率、完播率、广告价值、用户留存——压成一个分数来决定你能看到什么。听起来很科学，但这些权重是平台定的，最终优化的是平台的利益，不是你的时间。

结果就是：越推越像你已经看过的，信息茧房越来越厚，偶尔的惊喜全靠运气。更糟的是，每个平台都是孤岛——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 站从来不会推给你。

OpenBiliClaw 想把这件事反过来。

它是什么

OpenBiliClaw（whiteguo233/OpenBiliClaw）是一个本地运行、完全开源的跨平台内容发现 AI Agent。

它不优化平台指标，它先深度理解你这个人，然后根据对你的理解，跨平台主动去找你会喜欢的内容。

• GitHub: 647 star，MIT 开源
• 支持平台: B 站 / 小红书 / 抖音 / YouTube（持续扩展）
• 数据: 100% 留在你本机的 SQLite 文件，无云端，无账号
• 入口: Chrome 插件 + 本地 Python 后端 + 桌面/移动 Web

核心原理：先懂你，再找内容

这是与传统推荐最根本的差异。

传统推荐的逻辑是：“你点了这个，所以给你更多这个。” 协同过滤靠的是和你相似的人的行为，本质上永远推已知领域的已知内容。

OpenBiliClaw 的逻辑是：先构建一个五层灵魂画像，然后用心理学桥接逻辑主动猜测你可能感兴趣但从未接触过的领域。

事件层  →  你具体做了什么（看了什么、怎么反应的）
偏好层  →  从行为归纳出你的内容口味
觉察层  →  你的认知风格、信息处理方式
洞察层  →  推断 MBTI、核心特质、深层心理需求
灵魂层  →  整体人格素描，你是什么样的人

举个例子：一个关注机械表的人，可能对建筑美学感兴趣；一个看量子物理科普的人，可能对哲学有共鸣。系统会主动往这些方向探测，猜对了升级为正式兴趣，猜错了安静退出，不影响你。

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。

和其他方案的对比

	B站等平台官方推荐	关键词过滤插件	OpenBiliClaw
推荐逻辑	协同过滤 + 平台权重	标签匹配	五层心理画像
内容来源	单一平台	单一平台	跨平台（B站·小红书·抖音·YouTube）
信息茧房	越推越窄	不解决	主动猜测兴趣破茧
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

普通用户怎么用：三步上手

第一步：装浏览器插件（2 分钟）

插件是主要入口，负责在 B 站/小红书/抖音/YouTube 页面显示侧边栏、采集反馈，并把登录态安全地交给本地后端。

👉 Chrome 应用商店一键安装 — 点「添加至 Chrome」即可。

支持 Chrome、Edge、Brave、Arc 等所有 Chromium 内核浏览器。

第二步：启动本地后端（5-10 分钟）

推荐方式：Docker（最省事）

git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw

# 启动后端
docker compose up -d --build

# 交互式初始化（选 LLM、配置 Embedding、登录 B 站）
python3 scripts/agent_bootstrap.py --mode docker --interactive-confirm --wait-for-extension-cookie

没有 Docker 的用户：Python 直接运行

# 安装依赖
uv sync  # 或 pip install -e ".[dev]"

# 复制配置文件
cp config.example.toml config.toml

# 交互式初始化
openbiliclaw init

初始化时需要选择一个 LLM：

LLM 方案	推荐程度	说明
DeepSeek API	⭐⭐⭐ 推荐	便宜，效果好，默认首选
本地 Ollama	⭐⭐ 可用	完全离线，效果稍弱
Gemini API	⭐⭐ 可用	云端，效果好，需要科学上网
OpenAI 兼容接口	⭐⭐ 可用	任意兼容 v1 接口皆可

Embedding 模型（用于记忆检索）：

• 有 Ollama → 选 bge-m3（完全免费离线）
• 没有 Ollama → 选 Gemini Embedding（需要 API key）

第三步：开始使用（日常）

后端启动后，打开浏览器访问 http://127.0.0.1:8420/web，就是你的个人推荐首页。

桌面 Web：惊喜推荐 Hero + 为你推荐的内容网格，每张卡片都有”为什么推荐给你”的朋友式解释。

手机使用：访问 http://127.0.0.1:8420/m（需要手机和电脑在同一局域网）。

日常操作：

• 看到推荐 → 点「喜欢 / 多来点 / 少来点 / 没兴趣」给反馈
• 想调教画像 → 点「聊一聊」，直接告诉它你想看什么方向
• 看 B 站时 → 插件侧边栏会出现，你在平台上的行为自动被学习

它真正有价值的地方

信息茧房破壁：绝大多数”反茧房”工具本质上是换了个茧房。OpenBiliClaw 是少数真正从心理学角度出发、主动在你未知领域探索的工具。

跨平台记忆整合：你的 B 站喜好会影响小红书的推荐，你在 YouTube 看的内容会反哺整体画像。这在任何单一平台上都做不到。

数据主权是真的：不是说说而已。所有画像数据存在本机 SQLite，没有云端同步，关掉后端就什么都访问不到。你可以随时导出、修改甚至删除自己的画像。

可解释性：每条推荐都会告诉你为什么。不是”猜你喜欢”的黑盒，是”因为你上周看了 X，我推测你对 Y 领域有潜在兴趣”的逻辑链。

需要注意的地方

• 需要自己的 LLM API Key（或本地 Ollama），每次推荐会消耗少量 token
• 冷启动有个过程：前几天的推荐可能不准，它需要观察你的行为才能建立画像
• 目前 B 站支持最完整，小红书/抖音/YouTube 功能仍在扩展中
• 不是 B 站官方工具，使用涉及浏览器 Cookie，需要对此有基本了解

---

如果你觉得 B 站越刷越无聊、推荐越来越同质化，或者想把散落在各平台的兴趣真正整合起来，OpenBiliClaw 值得花一个下午认真试一试。

GitHub: whiteguo233/OpenBiliClaw
Chrome 插件: chromewebstore.google.com/detail/cdfjfkdjjhdaccbldipkjhpibnfbiamg
项目主页: whiteguo233.github.io/OpenBiliClaw/

OpenBiliClaw: Reversing the Recommendation System — You Decide What You See

When you scroll Bilibili, are the recommendations actually what you want to watch?

A recommendation system is fundamentally a middleman. It stands between you and content, weighing a dozen metrics — click-through rate, completion rate, ad value, user retention — compressed into a score that decides what you get to see. It sounds scientific, but those weights are set by the platform, ultimately optimizing for the platform’s interests, not your time.

The result: recommendations converge on what you’ve already watched, the information bubble thickens, and genuine surprises are just luck. Even worse, every platform is an island — three years of mechanical keyboard videos on Bilibili means nothing on Xiaohongshu; your coffee gear wishlist on Xiaohongshu never influences your Bilibili feed.

OpenBiliClaw wants to reverse this.

What It Is

OpenBiliClaw (whiteguo233/OpenBiliClaw) is a locally-running, fully open-source cross-platform content discovery AI agent.

It doesn’t optimize platform metrics. It first deeply understands you as a person, then uses that understanding to proactively search for content you’d love — across platforms.

• GitHub: 647 stars, MIT license
• Supported platforms: Bilibili / Xiaohongshu / Douyin / YouTube (expanding)
• Data: 100% stays in a local SQLite file — no cloud, no account
• Interface: Chrome extension + local Python backend + desktop/mobile web

Core Principle: Understand First, Then Find Content

This is the fundamental difference from traditional recommendation.

Traditional recommendation: “You clicked this, so here’s more of this.” Collaborative filtering relies on people similar to you — it can only surface known content in known domains.

OpenBiliClaw: build a five-layer soul portrait, then use psychological bridging to actively probe interests you’ve never encountered.

Events    → What you actually did (what you watched, how you reacted)
Preferences → Content tastes inferred from behavior
Awareness → Cognitive style, information processing patterns
Insights  → Inferred MBTI, core traits, deep psychological needs
Soul      → Overall personality sketch — who you are as a person

Example: someone interested in mechanical watches might resonate with architectural aesthetics; someone who watches quantum physics videos might connect with philosophy. The system probes these directions — if it guesses right, the interest gets promoted; if wrong, it quietly retreats.

Collaborative filtering will never recommend “no one has taken this path before” content. OpenBiliClaw will.

Three-Step Setup for Regular Users

Step 1: Install the Browser Extension (2 minutes)

👉 Chrome Web Store — one-click install — click “Add to Chrome.”

Works with Chrome, Edge, Brave, Arc, and all Chromium-based browsers.

Step 2: Start the Local Backend (5-10 minutes)

Recommended: Docker

git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw

docker compose up -d --build

python3 scripts/agent_bootstrap.py --mode docker --interactive-confirm --wait-for-extension-cookie

Without Docker: Python directly

uv sync
cp config.example.toml config.toml
openbiliclaw init

During setup, choose an LLM:

LLM Option	Recommendation	Notes
DeepSeek API	⭐⭐⭐ Best	Cheap, effective, default choice
Local Ollama	⭐⭐ Works	Fully offline, slightly weaker
Gemini API	⭐⭐ Works	Cloud, needs VPN outside China
Any OpenAI-compatible	⭐⭐ Works	Any v1-compatible endpoint

Step 3: Daily Use

After the backend starts, open http://127.0.0.1:8420/web for your personal recommendation homepage — content grid with friend-style explanations for every recommendation.

• See a recommendation → click “Like / More of this / Less of this / Not interested” to give feedback
• Want to adjust your profile → click “Chat,” tell it what you want
• Browse Bilibili normally → the extension’s sidebar appears and learns from your behavior automatically

Why It’s Genuinely Valuable

Real bubble-breaking: Most “anti-bubble” tools just replace one bubble with another. OpenBiliClaw is one of the few that genuinely probes unknown territory using psychological inference.

Cross-platform memory: Your Bilibili preferences influence Xiaohongshu recommendations. Your YouTube viewing feeds back into your overall portrait. No single platform can do this.

Real data sovereignty: All profile data lives in local SQLite. No cloud sync — shutting down the backend means zero access to your data from the outside.

Explainability: Every recommendation tells you why. Not a “you might like this” black box — it’s “because you watched X last week, I suspect you have latent interest in Y.”

Things to Know

• Requires your own LLM API key (or local Ollama) — each recommendation cycle uses a small amount of tokens
• Cold start takes time: the first few days of recommendations may not be accurate — it needs to observe your behavior to build a portrait
• Bilibili support is most complete; Xiaohongshu/Douyin/YouTube features are still expanding
• Not an official Bilibili tool — uses browser cookies; requires basic comfort with that

---

If Bilibili feels increasingly repetitive, or you want to genuinely integrate interests scattered across multiple platforms, OpenBiliClaw is worth a serious afternoon experiment.

GitHub: whiteguo233/OpenBiliClaw
Chrome extension: chromewebstore.google.com/detail/cdfjfkdjjhdaccbldipkjhpibnfbiamg
Project page: whiteguo233.github.io/OpenBiliClaw/