whiteguo233/OpenBiliClaw

🆕 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。

🇨🇳 国内源：Gitee v0.3.229 源码仍为最近同步版本；v0.3.230 源码与安装包请从 GitHub Release 获取，国内安装包镜像待上传。123 云盘保留历史版本，请核对包名中的版本号。

新增来源：Instagram 与 TikTok，来源均为实验性、默认关闭；插件默认包含两者的站点访问权限，无需在保存设置时单独授权。

• Instagram 已随 v0.3.227 发布，仍为实验性来源：按话题、创作者发现内容；同一浏览器登录后，可有界只读导入本人近期点赞、收藏和关注来初始化画像。推荐卡收藏仅保存在本地。连接说明 · 实测范围。
• TikTok 已随 v0.3.229 发布，仍为实验性来源：未登录可发现推荐流、话题和创作者视频，浏览器登录后可关键词搜索。公开发现→真实模型评估→推荐及桌面/手机 Web 展示已有实测。连接说明 · 实测范围。

TikTok 站内收藏暂缓，非空真实账号画像、周期增量与 Firefox 登录态待验（#295）；Instagram 的完整 Likes 历史、双账号、Firefox 登录态与手机真机仍待验，跨端保存状态需刷新。两者均不宣称全部账号能力已完成验收。

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、TikTok、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub、Instagram（实验性）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。}

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。Gitee 最近同步至 v0.3.229；v0.3.230 源码和安装包见 GitHub Release，国内安装包镜像待上传。 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 / GitHub。Linux.do、Bangumi、V2EX、微博与 GitHub 均可公开发现；需要账号态的来源仍复用已安装插件，GitHub 则由后端官方 REST API 匿名读取公开 repository。GitHub 可用公开用户名把 starred repositories 用作初始化信号，PAT 只是可选的提额和身份校验方式。TikTok、Instagram 需在「设置 → 来源」中手动开启；使用已装插件的浏览器登录，插件默认包含两者站点访问权限。TikTok 未登录可发现公开视频，登录后由插件同步凭据用于关键词搜索；Instagram 可只读导入本人点赞、收藏和关注。两者均需海外网络：后端沿现有网络/代理设置，浏览器任务使用浏览器自身代理。连接与许可要求见 TikTok、Instagram。

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。

不在同一局域网时，OpenBiliClaw-mobile 的 Android / iOS 原生 App 已内嵌 tsnet，电脑端 也可让 OpenBiliClaw 自己加入同一 tailnet；Web / Linux / macOS / Windows Flutter 客户端不在 该能力范围。桌面安装包内置 helper；在电脑本机打开桌面 Web 或浏览器插件的 「设置 → 通用 → 应用内 Tailnet 远程访问」，开启后可选择留空走网页登录、填写 tskey-auth-… Auth Key，或填写带授权设备 tag 的 tskey-client-… OAuth Client Secret， 然后完整重启应用。凭据只在本机私有暂存到下一次启动，不进入 config.toml、API 回显或日志。 源码 / 一句话安装则先运行 openbiliclaw tailnet build-helper（需要 Go 1.26.6），再运行 openbiliclaw tailnet enable 并重启。电脑无需安装或全局开启系统 Tailscale；入口默认关闭、只在 tailnet 私网可见， 不启用 Funnel/Serve，建议同时在本机 Web 设置中开启应用密码（源码安装也可执行 openbiliclaw set-password）。详见应用内 Tailnet。

可选关键词 grounding：在 [discovery].inspiration_search_backends 中加入 parallel；默认链不变，见 Discovery。

query inspiration → configured provider chain → optional Parallel Search MCP
                  ← title / URL / excerpts    ← https://search.parallel.ai/mcp
                  → keyword grounding (no direct recommendation-pool writes)

QQ 用户群

Discord 社区 扫码或点击加入，链接长期有效

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 / TikTok / X / 知乎 / Reddit / Linux.do / Bangumi / V2EX / 微博 / GitHub、Instagram（实验性）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、TikTok、X（Twitter）、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub、Instagram（实验性）和开放 Web：

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。

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。

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 · TikTok · X · 知乎 · Reddit · Linux.do · Bangumi · V2EX · 微博 · GitHub · Instagram（实验性） · 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

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

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

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

📌 最新版本：v0.3.230（2026-10-21）

• 多语言界面：桌面、移动 Web、插件和 CLI 支持简体中文、繁体中文与英文。
• 候选池自动恢复：配置更新后后台重载生效，推荐候选池可继续补充。
• 蓝鱼实验室（实验性）：为独立 B 站小号提供评论区互动，默认只预览并设有账号隔离与配额闸门。
• TikTok / Instagram 权限：站点权限随安装默认提供，来源仍由你在设置中启用。

完整变更详见 docs/changelog.md。

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。

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）：

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；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
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 / 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。

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

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。

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：

🇨🇳 国内源：Gitee v0.3.229 源码仍为最近同步版本；v0.3.230 源码与安装包请从 GitHub Release 获取，国内安装包镜像待上传。123 云盘保留历史版本，请核对包名中的版本号。

• 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）。退出旧版后打开 DMG，将 app 拖入「应用程序」，然后启动。新包经过 Developer ID 签名与 Apple 公证，无需解除隔离命令。

• Windows：下载 OpenBiliClaw-windows-*-Setup.exe，双击安装。向导最后一页提供默认勾选的「Launch OpenBiliClaw」复选框，点「完成」才会启动刚安装的新版本（升级时安装器会先结束无互斥体的旧实例；若运行中的是已带 AppMutex 的新版应用，安装/卸载会先弹「OpenBiliClaw 正在运行」提示，退出应用后点 OK 自动重检，正常点「完成」即完成新旧交接，取消勾选则不启动）；/SILENT / /VERYSILENT 静默安装没有向导界面，安装成功后仍会自动启动新版本；但应用仍在运行时静默安装（配合 /SUPPRESSMSGBOXES）会按取消处理，需先退出应用。

macOS 主应用继续以 10.15+ 为兼容目标；只有 Go 1.26.6 构建的可选 Tailnet helper 实测要求 macOS 12+。10.15 / 11 会只降级远程 Tailnet，本机应用功能仍照常。

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、Reddit 的 rdt-cli，以及默认关闭的应用内 Tailnet helper。后者让电脑端应用自己加入用户的 tailnet，不安装系统 Tailscale。请在电脑本机的桌面 Web 或浏览器插件「设置 → 通用」中开启 Tailnet，选择网页登录、Auth Key 或 OAuth Client Secret 入网并完整重启；OAuth 方式还需填写该 OAuth Client 已获准使用的设备 tag。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 签名与公证：GitHub Actions 强制执行 Developer ID 签名和 Apple 公证，验证失败不产出实验包。首次启动可能出现正常的互联网下载确认；升级前先退出旧版。详见 签名公证说明。

Windows：SmartScreen 弹窗点「更多信息 → 仍要运行」。桌面应用仍为预发布版本；需要改源码请用下面的方式 B。

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、Bangumi、V2EX、微博与 GitHub 信号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，Bangumi / GitHub 则需公开用户名或各自可选令牌解析出的身份。三者的公开发现仍可匿名进行。

源码安装默认不编译 Tailnet helper。只有用户明确需要 Android / iOS 原生 App 跨网络访问时，安装 Go 1.26.6 并在 checkout 中运行 openbiliclaw tailnet build-helper、openbiliclaw tailnet enable，然后 完整重启；只在局域网使用不需要这一步。Docker 首版镜像不内置该 helper。

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。

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 / GitHub 并填写公开用户名。至少保留一个能拉到画像信号的来源；未填身份的 Bangumi / GitHub 仍可公开 discovery，但不能单独完成画像初始化。

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。局域网仍填电脑 IP；跨网络时 Android / iOS App 已内嵌 tsnet，可配合电脑端默认关闭的应用内 Tailnet 使用，两端加入同一 tailnet 后走 MagicDNS / Tailnet IP，无需电脑全局开 Tailscale，并建议开启应用密码。这里不包括该仓库的 Web / Linux / macOS / Windows Flutter 构建。

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。

安全提示：0.0.0.0 绑定意味着同网络的任何设备都能访问后端。默认配置下 [api.auth] 密码门禁是关闭的，此时历史、画像和点赞/评论等写接口对局域网零鉴权开放；B 站登录凭据接口和设置写/探测接口（PUT /api/config 等）例外——它们始终要求本机或已登录会话。只要在不可信网络（公共 Wi-Fi、共享热点、端口映射到公网）使用，请立即执行 openbiliclaw set-password 开启门禁。

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

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。

• ✨ 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

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）

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：

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。

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。

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。

• 🧠 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 / TikTok / X / 知乎 / Reddit / Linux.do / Bangumi / V2EX / 微博 / GitHub / Instagram（实验性） / 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 / Safari，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
• 🛜 应用内 Tailnet 远程访问 — OpenBiliClaw-mobile Android / iOS 原生 App 与电脑端各自内嵌 tsnet，非局域网也能走用户自己的 tailnet 连接；不支持其 Web / 桌面 Flutter 构建，电脑无需系统 Tailscale，入口默认关闭且无公网 Funnel
• 🚀 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

TikTok 封面：图片代理 → DoH 公网地址校验 → 固定 IP / 保留 TLS 身份 → 缓存，沿配置的网络路由执行。

TikTok：正式发现 / 灵感探索 → 共用请求间隔与持久限流状态 → 签名 Web API → 候选池；仅 auto 模式允许 yt-dlp 回退。

TikTok 登录态同步：扩展 Cookie → 验证并保存 → 有效凭据变化时安全重建运行时 → 挂载关键词搜索；重复同步不重启任务。

TikTok 账号链路：手动初始化 / 显式开启的周期增量 → 来源启用状态（启动 / 热重载）→ bootstrap_profile（喜欢 / 收藏 / 关注，历史可选，冻结预算）→ 插件持久接收确认 / 本人列表 → 账号绑定 / staged result → 幂等事件 → 画像；站内保存单独经 local membership → durable native-save job → 精确视频收藏 / 刷新只读确认。已安装 Chrome 的登录与明确空列表采集通过；非空真实账号画像/周期增量待验，站内收藏暂缓，见 验收台账 与 #295。

本地向量：正式请求 / 诊断 → Ollama 自动加速 → 有效向量；runner 故障 → CPU 重试 → 验证结果。CPU 选择在本次后端运行期间共享，重启后重新尝试自动加速。

推荐交互：主 API → 默认独立推荐进程 → 当前 SQLite 候选 → 完整排序 → 原子提交 → 卡片 + 总量/平台库存；主 API 桥接库存事件，后台补货由有客户端时的库存观察任务同步。

聊一聊：会话风格 → 持久化 turn 冻结风格 → API 持有的 agent 执行任务 → 会话上下文与聊天笔记 + 角色工具（含网页搜索/链接阅读）+ 表达风格 → 事件落库 / SSE → 回复完成；HTTP 断连后原执行继续，完成的 turn 重试直接回放。

配置应用：保存 / 批准 → 同一应用队列 → 已知聊天设置局部替换 loop，其他配置安全排空后重建；局部更新保留正在执行的聊天与学习任务。

后台配置：完整配置应用成功 → 队列结束 → 父进程确认旧子进程退出 → worker / 推荐 / 图片服务读取新配置；保留当前数据目录与持久化候选，修正模型后补池可继续。

完整的架构总览 ASCII 图（runtime 并发闸门、Agent 编排层、多源适配、发现 / 推荐 / 保存链路）已拆分到单独文档，避免 README 过长：

发布日期偏好：[sources.<name>].recommendation_date_* 按来源配置 → 发现阶段 LLM 评估前硬过滤范围外候选 → 有效库存 → PoolCurator → 范围外软降分 / 严格 serving 忽略（候选保留）；严格模式下推 B 站搜索边界

远程 Android / iOS App：App（内嵌 tsnet）→ 用户 tailnet → 电脑端 Go tsnet helper → 127.0.0.1:<有效 server port> → FastAPI；入网控制流为 本机设置页 → PUT /api/config（凭据只写）→ 私有单次暂存 → stdin → helper。有效端口通常为 [api].port，也跟随启动参数 / 桌面 OPENBILICLAW_PORT 覆盖；入口默认关闭，电脑无需系统 Tailscale，无 Funnel/Serve，节点身份和暂存凭据都不进入迁移包。

📖 架构总览图

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。

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；需要账号态的来源复用浏览器已有会话，GitHub 等公开 API 来源只读公开数据。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；GitHub 明确采用 init-and-on-demand，不加入扩展周期任务。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；learned scorer 也先用 shadow 与完整 LLM 做隐私安全对照，通过只读门禁后才人工启用 hybrid relevance，当前不减少 LLM 调用。
• 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。

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...）

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 GitHub 官方 API)
│   │   ├── 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
│   │   ├── github_client      # GitHub 官方 REST API 客户端
│   │   ├── github             # Repository / starred event 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
│   │   ├── tiktok             # TikTok yt-dlp 兜底客户端（实验性，issue #88）
│   │   ├── tiktok_web         # TikTok Web API 访客身份客户端 + 后端 router（签名 + curl_cffi）
│   │   ├── tiktok_sign        # vendored TikTok Web 签名（X-Dynosaur / X-Gnarly，Apache-2.0）
│   │   ├── tiktok_state       # formal/inspiration 共用的持久限流与请求间隔
│   │   ├── tiktok_auth        # TikTok 可选登录 Cookie 解析（env 优先，data 文件兜底）
│   │   ├── 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
│   ├── i18n/                  # 多语言 locale 契约 / UI 与语义目录 / 模型输出语言指令
│   └── storage/               # 数据存储层
├── extension/                 # Chrome/Firefox/Safari 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。

• 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）

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*。

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、TikTok、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub、Instagram（实验性）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

欢迎贡献！请查看 开发指南 了解如何参与。

• 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。
• 感谢 @LHMQ878 在 #182 修复 agent_bootstrap 对引号键 TOML 实例段（如 [llm.instances."openai"]）的 section 匹配，避免二次运行 bootstrap 时重复声明表导致 tomllib 解析失败，已合入主线。
• 感谢 @Patrick5D 在 #179 贡献事件来源归属持久化（events.source_platform / content_id / source_confidence、统一来源解析优先级与 schema v6 增量迁移），为按平台撤回数据重建画像奠定数据基础；主干在此之上完成未知平台 slug 降级与 confidence 防升级加固，已合入主线。
• 感谢 @OctoBored 在 #196 恢复 README 中/英文的实时 Star History 图表，替换已失效的静态徽章与临时提示；主干在合入时补齐了 URL 中的 & 转义，已合入主线。

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。

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。

MIT