whiteguo233/OpenBiliClaw

OpenBiliClaw – 個人化AI推薦代理

是什麼

• 一個開源、本地執行的AI代理，從你在多個內容平台（Bilibili、小紅書、TikTok、YouTube、X/Twitter、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub與開放網路）上的互動行為中，建立你的心理圖像。
• 基於此圖像，它會主動搜尋這些平台，尋找它預測你會喜歡的內容，即使你從未見過類似東西。
• 所有資料（行為日誌、圖像、推薦、聊天紀錄）均保留在你的裝置本地的SQLite資料庫中——無雲端服務會收集你的偏好。

核心元件

元件	功能
瀏覽器擴充	在支援的網站中注入側邊欄，讀取你的瀏覽/會話Cookie，捕捉回饋（按讚/不喜歡、「稍後再看」、聊天）並轉送至後端。支援Chrome系瀏覽器、Edge、Brave、Vivaldi、Opera以及Safari（透過簽署DMG）。
後端伺服器	使用Go/Python撰寫，執行於 http://127.0.0.1:8420。它儲存資料、執行LLM驅動的推理、產生嵌入（預設 bge-m3），並提供Web UI。兩種安裝方式：輕量級套件（首次啟動時下載嵌入模型），或「-with-embedding」套件（內建模型，約1 GB），用於完全離線使用。
Web UI（桌面與行動端）	可透過 /web（大螢幕）或 /m/（行動端優化）存取。顯示推薦卡片，解釋每項推薦的原因，可視化你的「靈魂肖像」（MBTI、核心特質、深層需求），並允許你與代理對話以優化其理解。
Flutter行動端客戶端（獨立倉儲）	連接到相同本地後端的原生Android/iOS/Web/Desktop應用，無需瀏覽器即可提供相同UI。
DeepSeek Harness（DSH）外掛	可選整合，將OpenBiliClaw嵌入DeepSeek Harness UI，公開22個「代理橋」工具，實現跨平台內容探索。

運作原理（概要）

1. 訊號收集 – 擴充監控你在選定平台上的活動，並記錄明確回饋（按讚、不感興趣、聊天訊息）。
2. 圖像建構 – 透過LLM提示鏈，將原始訊號轉化為五層「心理肖像」：事件 → 偏好 → 意識 → 洞察 → 靈魂。同時推斷MBTI、認知風格與深層動機。
3. 跨平台搜尋 – 基於肖像，後端查詢支援平台的API（或抓取公開頁面），尋找符合推斷興趣的內容，即使無其他使用者走過此路徑。
4. 推薦與解釋 – 結果依優先順序排序，嵌入 bge-m3，並附上自然語言解釋（「因為你喜歡實作性的機械設計，你可能會喜歡這個關於鐘錶製作的影片」）。
5. 持續學習 – 每次互動都會更新圖像，系統逐漸實現更深度的個人化。

為何重要

• 隱私優先：無伺服器儲存你的資料；你掌控LLM API金鑰（OpenAI、Claude等）或可執行本地LLM。
• 打破過濾氣泡：不依賴平台中心的協同過濾，而是基於對你更深入的理解生成新穎推薦。
• 跨平台整合：你的興趣不再被各服務割裂；代理在數十個網站間聚合訊號。

快速入門

1. 從Chrome網路應用店安裝瀏覽器擴充（或從最新GitHub發行頁下載zip）。
2. 從同一發行頁下載適合的桌面安裝檔（macOS用.dmg，Windows用.exe）。如需完全離線使用，請選擇「-with-embedding」套件。
3. 透過擴充登入至少一個支援平台（Bilibili為預設）。
4. 開啟 http://127.0.0.1:8420/web（或掃描行動端QR碼）查看推薦、你的圖像與聊天框。

進階選項

• Tailnet（Tailscale）遠端存取 – 啟用內建助手加入私人Tailnet，使手機App可在不安裝系統級Tailscale的情況下跨網際網路存取後端。
• Docker / HTTPS部署 – 使用包含Caddy的 docker-compose.https.yml 模板，可在自訂網域後安全暴露API。
• 自訂LLM / 嵌入模型 – 編輯 config.toml 更換預設LLM；也可替換 bge-m3 嵌入模型。
• DSH整合 – 安裝 dsh-openbiliclaw 外掛，將代理嵌入DeepSeek Harness，並向其他代理公開其工具。

社群與支援

• 提供QQ群與Discord伺服器連結，供使用者協助與功能討論。
• 項目維護CI建置，發行於GitHub、Gitee鏡像，以及123 Pan的中文專用下載鏡像。

---

總結：OpenBiliClaw 是一個真正由AI驅動、保護隱私的推薦系統，完全在你的裝置上執行，建構細膩的個人模型，並從大量中英文平台取得內容。它精準定位在個人AI代理與跨平台推薦技術的最前線。