🆕 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。

安装浏览器插件 · 让 AI 助手部署后端

_{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。

1. 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）。

2. 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)
   

3. 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。

4. 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：v0.3.204（2026-08-11）

• 周期账号回拉默认关闭 —— 升级后不会自动打开平台标签页，手动初始化、手动同步和正常 discovery 保持不变。
• Linux.do 后台 discovery 更稳定 —— content-script 瞬时未就绪时会在同一任务和标签页内有界恢复，不再连续制造失败任务。
• V2EX 三种关键词模式恢复 Search 召回 —— 混合、灵感和传统关键词都能进入正式搜索与共享评估链。

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。

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）：

1. 打开 OpenBiliClaw Latest Release，也就是最新 openbiliclaw-v* 用户下载聚合页
2. 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
3. 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」
4. 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、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。当前 Firefox AMO 0.3.204 已接受 listed 提审但仍为 unreviewed，正式公开前请从 Release 使用 *-firefox.zip 临时加载；审核通过后再由 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。

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

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。

curl -fsSL https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/scripts/install.sh | bash

[Net.ServicePointManager]::SecurityProtocol = [Net.ServicePointManager]::SecurityProtocol -bor [Net.SecurityProtocolType]::Tls12; iwr https://raw.githubusercontent.com/whiteguo233/OpenBiliClaw/main/scripts/install.ps1 -UseBasicParsing | iex

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

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)

# 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 &

uv run openbiliclaw setup-embedding

# 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]"

# 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

# 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

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：

OpenClaw（主动找你）：

我从你最近的轨迹里嗅到你可能对【建筑美学】（比如：参数化设计、混凝土美学）感兴趣——你最近看了很多关于结构和空间的内容。这个方向你自己认不认？

你："嗯对，最近在看很多参数化设计的东西，安藤忠雄那种清水混凝土的美感很戳我。"

OpenClaw（内部执行 chat --message "嗯对，最近在看很多参数化设计的东西……"，返回苏格拉底式追问）：

你说的这个方向我有个猜测——你是不是其实更在意底层结构而不只是结论？安藤忠雄那种用最少元素构建最大张力的方式，跟你平时看大模型逻辑时追求的"把齿轮咬合讲清楚"好像是同一种审美驱动。你觉得呢？

对话内容自动回写进灵魂画像——下一轮推荐就会把建筑美学纳入正式兴趣，搜索策略也会开始往这个方向发力。

场景三：你也可以主动要推荐

当然，传统的"你问→它答"也完全支持：

你："给我推三条今天值得看的 B 站内容。"

OpenClaw（内部执行 recommend --limit 3，整理后回复）

整个闭环都是本地的——Agent 宿主只是调 CLI 桥接，画像和数据仍留在你自己的 SQLite 文件里，一条都不会上云。

📖 完整命令参考与常见问题，见 Agent Bridge 接入指南 和 能力说明。宿主启动后先执行 capabilities，不要缓存旧的功能子集。

✨ 核心特性

• 🧠 五层灵魂画像 — 事件→偏好→觉察→洞察→灵魂，推断 MBTI、认知风格和深层需求（详解）
• 🔮 兴趣探针 — 基于心理学桥接主动猜测你可能喜欢的未知领域，猜对升级为正式兴趣，猜错安静退出
• 🧭 避雷探针 — 主动确认你想避开的内容形态和风格边界，确认后才写入过滤偏好
• 🌐 跨平台内容源 — B 站 / 小红书 / 抖音 / YouTube / X / 知乎 / Reddit / Linux.do / Bangumi / V2EX / 微博 / 通用 Web，兴趣不再被单一平台割裂（详解）
• 🎯 智能多样性 — 主题配额 + 跨平台混排 + 小源保护，告别「一刷都是 AI」
• ⚡ 「换一批」瞬间响应且默认去重 — reshuffle ~0.6s；当前卡、推荐历史和持久化已看账本三层排除，连续刷不卡顿也不靠“忽略当前”开关
• 💬 有温度的推荐理由 — 像朋友一样解释为什么你会喜欢，而不是「因为你看过类似视频」
• 🔄 持续学习 — 苏格拉底式对话 + 行为分析 + 反馈即时生效，越用越懂你
• ⭐ 本地优先收藏 / 稍后看 — 推荐卡先写本地 SQLite，自动同步默认关闭；桌面 Web 刷新后首屏就显示保存数量徽标；B站和六个扩展平台均支持收藏与原生稍后看/收藏回退，2026-07-14 七平台两类动作真实账号回归均为 synced/already_synced
• 🕘 30 天内容历史 — 插件、桌面与移动端统一显示点开过、出现未点和最近移除；按页懒加载封面，移除的本地收藏 / 稍后看可一键恢复
• 🧩 浏览器插件 — Chrome / Edge / Brave / Arc / Firefox，侧边栏推荐 + 跨站行为采集，装上就能用
• 📱 Flutter 原生客户端 — 独立仓库 OpenBiliClaw-mobile，Android / iOS / Web / Linux / macOS / Windows 连接同一本地后端；B 站封面 CDN 直连省两跳
• 🚀 图形化引导初始化 — 安装包 /setup/、桌面 Web 和插件都能点一下完成初始化，不碰命令行
• 📦 跨机器迁移 — 桌面配置页一键导出 / 导入可移植配置、SQLite、画像、Cookie 与图片缓存；导入先校验暂存，可查询 / 取消，重启后带回滚副本应用。.obcbackup 含明文敏感信息，但不含源机 API 登录密码 / 会话签名密钥或扩展设备 key
• 🔬 自动化评测优化 — 5 个模块各带 LLM-as-judge 自优化循环，prompt 质量随轮次自动提升
• 🔒 完全私有 — SQLite、配置、画像与缓存都留在本机，LLM 用你自己的 Key，每个实例只为你一个人构建
• 🔌 本地 embedding — 可选 Ollama + bge-m3，CPU 即可，无需额外 API Key
• 🔧 完全可控 — 同类型 LLM 可配置多个独立渠道，拖拽全局 / 模块故障切换链；也可直接编辑画像、写自定义 Skill

🏛️ 架构概览

interactive（对话 / 配置探测）───────────────────────┐
                                                    ├─ runtime total gate (default 4) ─ 有序实例链 ─ Provider 适配
background ─ background admission (default 3) ──────┘
             ├─ refill: expression > evaluation > supply
             │  ├─ 低库存 supply 含探索词 / 来源抽取
             │  └─ while queued: guarantee 2, may borrow all 3
             │     expression owner: 8 immediate / 3s fixed tail / 60 drain / 30×2 provider
             └─ maintenance: at most 1 while refill waits;
                parked when canonical available = 0

引导初始化：信号 → 偏好 → 完整画像提交 → 发现 → 评估 → 推荐文案 → canonical 内容可用
                                                     └→ 终态后再调度可选探针

Agent 宿主（OpenClaw / Hermes / WorkBuddy）
         → capabilities(agent-bridge/v2) + JSON CLI / skill descriptors
         → integrations.agent 别名 / integrations.openclaw 兼容适配器
         → runtime / soul / recommendation / saved_sync 业务所有者

配置恢复草稿（正常或降级；业务 API 仍阻断）
         ├→ /api/config/probe-service → 临时 registry → 总并发 gate
         └→ /api/config/discover-models → 精确实例 GET /models（不写配置）
                                      → 可编辑模型下拉 + 本地 Effort 建议
抖音来源补货：daemon presence 门（显式手动调用绕过）→ 单轮共享插件等待预算
             → dy_task 终态 → pending_eval；离线零入队，失败有界退避
本机数据迁移：导出 → 去除 api.auth 的配置 + SQLite 在线快照 + 可移植文件 → 明文 .obcbackup
            导入(request_id) → processing(上传/校验) → 私有暂存 ↔ status / cancel
                               ↘ 每次打开通用设置强制对账；applied 偏好按 migration_id 每浏览器一次
                               → 重启取得项目 + canonical data-dir lock → 替换成功 | 回滚原数据
持久对话回复：reply_to_turn_id + 固定时间/payload → POST-time frozen binding → pending SQLite → rowid 串行 reply worker → 可见 completion CAS（app-stable 对话 lease）
回复后学习/对象结算：独立 11-kind typed 结算单队列 → actual worker + guard
确认入口（待聊列表/卡片）→ 单锚(kind+ref+generation) → 全入口 frozen admission / 归属矩阵
                       ├→ 待聊≤3 · 主动零冷却 / 系统12h+对象72h · 确认先于用户附着
                       ├→ worker忙：dialogue_busy + Retry-After → 三端等待态自动重试
                       ├→ 已澄清疑惑：只展示当前持有者；当前 session 已有 turn 则隐藏
                       ├→ frozen kind/ref/generation → worker-only apply → event/object/derived/marker → applied
                       │                                                └→ publication-only retry → 跨 session 投影 / 精确解锚
                       ├→ one context digest → prompt/history/event/learn/settlement provenance
                       ├→ action 本地≤1s：完成 200 / 阻塞 202 → popup/移动/桌面 1/2/5s 轮询≤30s
                       └→ 疑惑 FIFO≤5 / 队头 fencing / 12h 补扫
配置保存：事务落盘后统一 HTTP 202 queued/apply_revision → latest-wins 后台应用队列 → apply-status / 成功失败回执；data_dir 仅持久化，完整重启后切换
配置热重载：保持接单并排空旧 worker → 原子暂停/revoke → 新 worker；安全窗25分钟
实时连接：runtime-stream 20s idle 心跳 → 短暂 close 显示重连中并自动续连
封面：proxy 前台 + refresh 预取 → app-stable lane（总4/后台3、前台优先）
                               → cache-key singleflight → 白名单抓取 → 原子缓存

┌────────────────────────────────────────────────┐
│          浏览器插件（Chrome / Firefox）           │
│   行为采集 · MAIN-world tap（评论/弹幕·xhs强信号）│
│   Cookie 同步 · 平台任务 · 侧边栏推荐             │
└──────────────────────┬─────────────────────────┘
                       │ HTTP 默认：IPv4 0.0.0.0 + IPv6 [::] → REST / WebSocket
                       │ HTTPS 可选：公网 Caddy :443 / LAN TLS Proxy :8443 → loopback HTTP → 同一 API
                       │ + 桌面 Web (/web) · 移动 Web (/m) · QR LAN-IP
                       │ + ping 预检降级 → /web · /setup · /m → 配置后原地恢复
┌──────────────────────▼─────────────────────────┐
│                  Agent 编排层                    │
│ Skill · 对话 · Runtime · 反馈 10s 可撤销提交屏障    │
├─────────┬──────────┬───────────┬───────────────┤
│  Soul   │  Memory  │ Discovery │ Recommendation │
│ 灵魂画像 │ 五层记忆  │多源发现+准入│   推荐与表达     │
├─────────┴──────────┴───────────┴───────────────┤
│ 普通事件/推荐点击 → generic durable cursor ─┐    │
│ 内容反馈 → content_feedback durable cursor ─┴→ buffer+cursor 同一原子 checkpoint │
│ 30天历史：click events + recommendations + saved_item_removals → 三端分页/lazy │
│ dislike：单卡同步隐藏；主题写入后 effective snapshot → 推荐历史/换批/通知最终复核 │
│ discovery 可继续宽搜；异步语义清池只优化库存，不作为展示正确性边界 │
│ 首启 fence+task admission → listener；后台 owner recovery → tick_if_buffered │
│ 热重载 pause/drain/recover 后 rebind；周期画像维护才调用 tick │
│ 对话 → typed settlement worker → learning          │
│ 旧反馈批：unified_interest_line=false 时启用   │
│ 初始化屏障：完整画像落盘 → 发现/评估/表达 → 可浏览推荐 │
│ B站供给：普通相关性搜索 + 预算内 1×5 pubdate recent lane → 统一评估 │
│ 候选评估：时间中性相关性 + Agent 时效分型 → 发布时间高置信正向 bonus │
│ 推荐时效 shadow：含 bonus vs 无 bonus Top10/50/100 聚合 → class/source/age 审计（不改 serving）│
│ 封面：proxy前台 + refresh预取 → app-stable 4/3 lane → singleflight/原子缓存 │
│ Soul 认知纪律：待聊双轨冷却 · 单对话锚 · worker-only 结算 · 轻量 winner receipt · 疑惑 FIFO · 台账 · 深层门控 │
│   LLM 适配层 · 多平台源适配（SourceAdapter）        │
│   模块路由 → LLM 实例链 → Provider 适配 · 多平台源适配（SourceAdapter） │
│   可选视觉预热：封面 / 画像质心 / 关键帧 + 弹幕 document embedding     │
│   provenance（provider/model/dim/采样）→ 成功空 / 瞬时失败 → 下轮重试   │
│   配置恢复草稿（正常/降级）→ 临时探测 / 精确实例 /models（不写盘）│
│   本机迁移：checksummed .obcbackup → request-id pending ↔ status/cancel → 重启 replace/rollback │
│  来源族注册表：alias · strategy · URL host             │
│             → pool 统计 · seen_items 持久化已看账本     │
│ Bangumi 官方匿名 API → search/ranked/latest producer → shared eval │
│ V2EX 匿名 API/Feed → 有界 Topic/Reply 增强 → 五分支 producer → shared eval │
│ V2EX 身份梯级：PAT verified > browser observed > user accepted；冲突时只暂停账号画像写入 │
│ 候选评估时钟：published_at + 精确 UTC evaluated_at → 小时桶缓存失效 │
│ evaluator prefilter 默认 shadow → 隐私安全决策/原始分数 join → 只读质量 gate（不自动 enforce）│
│ cognition named views → task-scoped gate：仅 awareness_confusions compact；其余 legacy │
│ token diet：偏好逐段真实装箱；洞察 近期/裁决保底 + 相关/重要/多样性加权≤40 → 完整历史 merge │
│ keyword planner → 24h 安全跨 digest pending 整理 → 缺口/生成/领取（0=硬过期）│
│ admitted backlog → copy 水位 ∪ 可换 topic 空位缺口 → eligible-first 补文案（0=legacy drain-all）│
│ API projected=available+eligible copy-pending+evaluated → 3×30 worker → 串行入池 → 四端 │
│ API raw 断供 → 欠份额来源即时并行补给 → 真实新增清退避 / 重复空转阶梯退避 │
│ 惊喜就绪门：正式推荐词/主题就绪 + seen_items 硬过滤 → 打分并原子快照 → 四端 × 写回已看账本 │
│ 库存 API/OpenClaw 启动钩子 → 历史恢复/原子维护 → 再暴露 LLM │
│ 换屏快路：当前卡硬排除 → PoolServeSnapshot/seen_items → recommendation+shown 短事务 → 单条 reshuffle 事件 │
│ 平台定向（仅 PC Web Tab）：source_platform → 平台候选（不跨平台补位）→ 同一排序/文案/持久化 │
│ 平台库存：platform-availability → 同一 canonical 可推集合 → total == Σ by_platform │
│ 后台维护：独立 DB worker → ≤50 行/批 → 释放写锁；未变化跳过 / 10min 巡检 │
│ /api/saved/* · 保存 Router · B 站原生保存 Adapter      │
│ 六平台 Adapter → ExtensionNativeSaveBroker → extension_native_save_jobs │
│ 七平台 source task multiplex：xhs / dy / yt / x / zhihu / reddit / linuxdo │
│ 七源 source task multiplex：xhs / dy / yt / x / zhihu / reddit / v2ex  │
│ 扩展在线周期回拉（默认关闭，显式 opt-in）：Runtime → 六源 bootstrap task（全局串行）→ installed extension │
│ task-result → staged durable ingress → 原子有界 seen keys（每源5000）→ terminal │
│ V2EX 完整收藏快照 → 连续两次缺失确认 → durable retraction/restore outbox → account-scoped Node affinity │
│ XHS 自动任务：来源/调度领取门 → SQLite 节流/风控冷却 → 关闭或限流时不开新 tab │
│ XHS 搜索：inactive tab → MAIN 搜索响应归一化 → isolated replay / DOM 兜底   │
│ Linux.do：isolated task tab → 同源 GET → 五路 discovery / 三路 bootstrap │
│ extension_native_save_jobs -> /api/sources/<slug>/next-task -> installed extension │
│ exact OpenBiliClaw / YouTube Watch Later 目标 → 安全 task-result          │
│ trusted-local E2E 精确授权 → 单 item saved sync → 六字段安全 callback      │
│ unsupported_adapter_missing 可重试 · unsupported_content_type local-only │
│ Canonical ID · Local-first SavedSync · Task Poll · SQLite（事件 · 已看账本 · 候选池 · 推荐 · 保存/任务 · 移除快照）│
│ 六平台 adapter → broker → shared MV3 recovery barrier → Reddit/X/YT/XHS/DY/Zhihu executor（6/6 fixture + real-account）│
└────────────────────────────────────────────────┘

Web/API durable → rowid 顺序回复 worker → app-stable 对话 lease(max active 1) → SocraticDialogue(queued) → 可见 CAS
惊喜/legacy/兴趣探针/避雷探针 chat ────────────────────────────────┘（回复与必要副作用同 lease）
回复完成后的 11-kind learning/settlement → 独立 typed 结算单 worker（不属于 reply backlog）
CLI/OpenClaw → SocraticDialogue(legacy_direct) → user+agent 历史 → 队列/guard 外 direct learning
学习 → 绕过后台门禁、保留总并发 ── 新避雷：共享清池 → content_cache
瞬态/provider/超时/取消 → 回滚临时历史 → durable pending + 队头有界重试；显式空/无效响应 → failed CAS
durable turn → 固定时间/payload → 确认入口（待聊列表/卡片） → frozen anchor admission → relation matrix
                                                   └→ 卡片/锚/chat/probe/confusion/replay/legacy 全部 worker-only
卡片 action → 同步 200（空队列快路）| 202 processing → popup/移动/桌面轮询；CLI 无 action

桌面首屏：推荐 hydration │ runtime hydration │ health/profile/activity/config 次级 hydration（三分支独立）

海外请求：设置页 `[network].mode` → 系统代理（默认）/ 直连 / 自定义代理 → LLM、YouTube、X/Reddit CLI、Bangumi、更新、GitHub 项目统计；国内平台（含 V2EX）保持独立直连
手动抖音发现：CLI discover → daemon 同款 producer → 统一关键词终态 → 插件 search/hot/feed → 待评估池

可选视觉与弹幕预热

开启 [discovery].keyframe_enabled 时，只要多模态 embedding 可用，系统也会构建关键帧与 P1 共用的视觉质心；P1 封面 bonus 仍只由 visual_profile_enabled 控制。关键帧按全局采样并把 采样算法、keyframe_max_frames、embedding fingerprint 和维度写入缓存 provenance；换模型或 采样配置会安全重建。partial 关键帧结果携带稳定 sampled-slot，成功槽位可先入缓存但不落完成戳； 只有确认 no-data 或完整采样且所有 embedding 成功才完成，失败槽位保留下轮重试资格。

keyframe_fetch_limit、danmaku_fetch_limit 和 danmaku_max_chars 同时受配置文件与配置 API 范围校验；弹幕摘要按完整 danmaku_max_chars 做 document embedding，不静默截成固定前缀。 跨平台视觉 bonus 以 0 为固定点；多平台正负两侧对齐到当前全局观测极值并受组合 cap 限制，单平台不放大绝对幅度，0 / 缺失保持 0。完整契约见 docs/modules/recommendation.md 与 docs/architecture.md。

远程扩展连接采用显式、默认关闭的设备认证：ext-key generate → 配置仅存摘要 → /api/auth/extension-token 换短会话；HTTP 使用 Bearer Header，WebSocket / 图片代理仅携带短会话 query。

公网域名的 Docker 部署可叠加默认关闭的 Caddy HTTPS overlay：自动 申请 / 续期受信证书，通过共享 loopback 代理 REST 与 WebSocket，并把宿主机 8420 收紧为 仅本机可达。可信局域网 / 自管环境仍可选择内置 TLS Proxy：精确校验 HTTPS Origin/Host， 并为本地 CA 证书管理显式 SAN；无远程 SAN 时证书只适合 localhost。两种入口互斥，默认 HTTP 路径完全不变。

完整架构细节（runtime 状态机、候选池计数、画像覆盖层等）见 架构设计 与 可视化架构图。

内容发现引擎

多源适配架构——通过 SourceAdapter 协议统一接入不同平台，每个平台有自己的发现方式：

发现之后的统一流程：

• 安全取数 — 后端不代登录、不爬你看不到的内容；所有平台复用你浏览器里已有的登录会话，首轮画像信号只在你点「开始初始化」后按所选来源拉取。账号周期回拉默认关闭，只有显式设置 source_incremental_enabled=true 后，已启用来源才会在扩展在线时按全局 / 逐源周期运行；这不影响手动初始化、手动拉取或后台内容发现。抖音仍额外默认关闭，Linux.do 任务只允许 GET，_t 仅作布尔登录提示。
• 连续统一评估 — 各来源原始候选进入同一待评估池，由共享 evaluator 结合灵魂画像、正文和近期负反馈批量打分；默认 3×30 worker 任一完成即补位，调度只计 durable 库存，串行 admission 按实时 headroom 封顶。可选 embedding 预过滤默认先 shadow 观测，确认无误后才 enforce 跳过明显低相似候选。
• 多样性选择 — 平台配额 → 主题去重 → 风格均衡 → 跨平台混排 → 数量封顶；开箱只启用 B 站，其余平台在设置里显式打开。

各平台任务链路、候选池计数、fallback 策略等完整机制见 内容发现引擎文档。

灵魂引擎

从用户行为中推断：

• 人格画像 — 自然语言描述的用户画像
• MBTI — 四维度 + 置信度
• 认知风格 — 信息处理偏好
• 深层需求 — 心理层面的内容驱动力
• 猜测兴趣 — 系统推测的潜在兴趣方向（分子料理、建筑美学、制表工艺...）

🏗️ 项目结构

OpenBiliClaw/
├── src/openbiliclaw/          # Python 后端核心
│   ├── agent/                 # Agent 编排和 Skill 系统
│   ├── soul/                  # 用户灵魂引擎 (深度画像 · MBTI · 兴趣/避雷探针)
│   ├── memory/                # 多层网状记忆系统
│   ├── discovery/             # 内容发现引擎 (多源策略 · 待评估池 · 配额均分 · 多样性选择)
│   ├── recommendation/        # 推荐与表达引擎 (跨平台混排)
│   ├── sources/               # 多源适配层 (SourceAdapter 协议，含 V2EX 任务桥)
│   │   ├── bilibili_adapter   # B 站 (API 直连)
│   │   ├── bangumi_client     # Bangumi 官方匿名 v0 API 客户端
│   │   ├── bangumi            # Bangumi 条目 / 公开收藏归一化
│   │   ├── v2ex_client        # V2EX 匿名 API/Feed 与可选 PAT 客户端
│   │   ├── v2ex               # V2EX Topic 归一化
│   │   ├── xiaohongshu_adapter # 小红书 (扩展代理)
│   │   ├── xhs_tasks          # 小红书插件任务队列 / bootstrap_profile
│   │   ├── dy_tasks           # 抖音插件任务队列 / bootstrap_profile + search + hot + feed
│   │   ├── yt_tasks           # YouTube 插件任务队列 / bootstrap_profile
│   │   ├── zhihu_tasks        # 知乎插件任务队列 / bootstrap_events + search/hot/feed/creator/related
│   │   ├── reddit_tasks       # Reddit bootstrap 插件任务 / extension fallback discovery / rdt 默认 discovery helpers
│   │   ├── linuxdo_tasks      # Linux.do 同源只读 bootstrap / 五路 discovery 任务
│   │   └── web_adapter        # 通用 Web (Playwright + LLM)
│   ├── youtube/               # YouTube Takeout 离线导入解析
│   ├── api/                   # 本地 FastAPI (配置回滚 / 降级模式 / popup API)
│   ├── tls_proxy.py           # 默认关闭的 LAN/self-managed HTTPS 入口
│   ├── runtime/               # 后台刷新、feedback 合并、presence gate、CLI/桌面共享 autostart 对账、Ollama、降级 RuntimeContext
│   ├── bilibili/              # B 站接入层 (WBI 签名 · 速率控制)
│   ├── llm/                   # 多模型 LLM 适配 + 结构化 JSON 容错
│   └── storage/               # 数据存储层
├── extension/                 # Chrome/Firefox 插件（含 Linux.do / V2EX / 微博只读任务桥）
├── skills/                    # 内置 Skill 定义
├── docs/                      # 项目文档
└── tests/                     # 测试 (1900+)

原生移动客户端（Flutter，Android / iOS / Web / Linux / macOS / Windows）在独立仓库 OpenBiliClaw-mobile。

🛠️ 技术栈

📖 文档

• 文档导航 — 一站式文档入口
• 常见问题 FAQ — 安装 / 连接 / 更新高频问题速查
• 项目规格说明书 — 完整的项目设计与规划
• 架构设计 — 系统架构详解
• 记忆系统设计 — 多层网状记忆架构
• 内容发现引擎 — 多源发现 + 平台配比 + 多样性选择
• 灵魂引擎 — 深度画像 + MBTI + 兴趣猜测
• CLI 参考 · 配置参考
• 开发指南 — 如何参与贡献
• Flutter 移动客户端 — 独立仓库的原生 App（Android / iOS / Web / 桌面）

📜 更新日志

最新版本见上方 最近更新；完整历史见 docs/changelog.md。普通用户从 Latest Release 的 openbiliclaw-v* 聚合页下载插件包和可用桌面安装包；自动化频道 release 仍分别保留 backend-v*、extension-v*、desktop-v*。

🗺️ 后续规划

OpenBiliClaw 的目标是做你的全网个性化内容入口——从 B 站起步，已覆盖小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博与通用 Web，下一步：

• 更多内容源 — 各类 BBS / 论坛与垂直社区；每个平台都遵循统一来源契约与验收门禁
• 跨平台兴趣融合 — 你在 B 站看的机械键盘 + 小红书种草的咖啡器具 + 抖音点赞收藏的短视频偏好 + YouTube 长视频观看和订阅 + X 点赞收藏的资讯 = 一个完整的你。画像融合让推荐不再割裂
• 更智能的发现 — 跨平台关联推荐（"你在小红书关注了咖啡器具，B 站有个手冲咖啡纪录片你可能喜欢"，或用抖音 feed 口味补足短视频兴趣）
• 社区生态 — 用户自定义 SourceAdapter、共享发现策略、贡献平台适配器

🤝 贡献

欢迎贡献！请查看 开发指南 了解如何参与。

🙏 致谢

• 感谢 @addtion99 在 #8 提出浏览器插件后端地址 / 端口可配置需求，并给出 popup 侧实现思路。
• 感谢 @jiaobenhaimo 在 #53 贡献 Safari 扩展、稍后再看、YouTube 搬运检测、营销号过滤等功能设计与实现，其中 OR-join 去重修复和稍后再看功能已合入主线。
• 感谢 @tangle111-design 在 #69 贡献 style_key 观看模式、推荐语气、B 站初始化和 LLM / 画像流程方面的功能探索；相关思路已拆分评审并选择性合入主线。
• 感谢 @DongLanQwQ0 在 #102 贡献桌面 Web 侧栏折叠动画、delight 卡片拖拽死区、栈式 toast 通知等交互细节打磨，已合入主线。
• 感谢 @DongLanQwQ0 在 #110 贡献桌面 Web 主题引擎 oklch 化重构，引入 --hue-primary 单一控制点与 12 色相可调拾色器、五级强调色阶与统一交互态，已合入主线。
• 感谢 @wuwafly3 持续贡献多模态推荐能力：在 #100 中实现 DashScope（阿里百炼）多模态 embedding provider 与封面 image-only 向量，并在 #135 中进一步实现用户视觉画像（P1）、B 站弹幕语义（P2）、视频关键帧（P3）及跨平台视觉加权管线；主干在这些实现上完成契约加固、失败重试、配置界面与真实环境验收。

⭐ Star History

如果 OpenBiliClaw 帮你找回了对推荐流的控制权，点个 Star 是对「继续适配更多平台」最直接的投票。

⚠️ 实时 Star 历史图表临时替换为 Star 徽章：GitHub 自 2026-06-30 起将 stargazers API 限制为仅仓库管理员/协作者可读，star-history 图表暂时无法渲染，待上游恢复或配置新的加密 token 后换回。

隐私速览

默认数据流向：浏览器插件 → 你配置的本地 OpenBiliClaw 后端 → 本机 SQLite。插件不会把数据发送到 OpenBiliClaw 开发者运营的服务器。Linux.do 的 _t 仅在浏览器内转换为登录布尔，Cookie 值、CSRF 数据和原始站点响应不上传。若你配置云端 LLM / embedding，相关内容会按你的配置发送给对应服务商。详见 隐私政策。 默认数据流向：浏览器插件 → 你配置的本地 OpenBiliClaw 后端 → 本机 SQLite / 数据文件。插件不会把数据发送到 OpenBiliClaw 开发者运营的服务器。若你配置云端 LLM / embedding，相关内容会按你的配置发送给对应服务商。你主动从配置页导出的 .obcbackup 可能包含模型 / 来源 API Key、Cookie、画像和历史，且没有加密；它会排除源机整段 API auth（密码、session、设备 key 等），但仍只能在可信设备间传递。详见 隐私政策。

📄 License

MIT