B 站 / 小紅書 / 抖音點了一百次「不感興趣」算法還是不懂你？

你有沒有過這種感受：刷了半小時 B 站 / 小紅書 / 抖音，翻來覆去都是同類內容；點了無數次「不感興趣」平臺還是硬塞你不想看的東西；當大廠算法越來越懂怎麼「拿捏」用戶，有沒有一種可能：我們把推薦系統的控制權，拿回到自己手上？

鋒哥給大家推薦這款免費開源跨平臺內容發現 Agent 工具「Openbiliclaw」讓你用上只屬於自己的推薦系統。

它不依附於任何平臺，不收集你的數據上傳雲端，而是在你自己的電腦上構建專屬的興趣畫像，然後派出 Agent 去 B 站、小紅書、抖音、YTB、X、知乎等平臺，挖掘真正符合你口味的內容。

✨ 簡單說：這是一個跑在你電腦裏、只服務你一個人、越用越懂你的私人內容推薦官。

使用介紹

提供了從新手到技術玩家的多種安裝方式，門檻極低。需要同時安裝後端和瀏覽器擴展。

1. 桌面端安裝（最省事）

這是最簡單的方式，直接下載對應系統的安裝包即可：提供了 Windows 和 macOS 客戶端。

2. 瀏覽器擴展（主要入口）

瀏覽器擴展是日常使用的主界面，負責展示側邊欄推薦、捕捉瀏覽行爲、接收反饋、同步登錄狀態。

支持 Chrome、Edge、Brave、Arc 等主流 Chromium 內核瀏覽器，也支持 Firefox，可從 Chrome 應用商店一鍵安裝，也可下載 zip 包手動加載

3. 一鍵腳本部署（跟桌面端二選一）

熟悉命令行的用戶，可直接通過一行腳本部署後端服務：

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

也可以配合 AI 編碼 Agent（如 Claude Code、Cursor）自動完成部署。

4. 手機端使用

開啓後端的局域網訪問後，在擴展中點擊手機圖標掃碼，即可在手機瀏覽器中打開移動端頁面，並添加到主屏幕作爲快捷方式使用。

5.使用你自己的模型配置與 API 密鑰

無需把個人畫像上傳到任何第三方雲服務，選一個服務商,填入它的 API Key 即可。

6.開始初始化

選擇平臺源 B 站、小紅書、抖音、YTB、X、知乎，會自動拉取數據、生成畫像、補齊首輪內容池。

7.查看你的畫像

初始化完畢後，可以看到你的價值偏好、感興趣的方向、常看的 UP 主、內容口味、猜測興趣等等，你可以通過告訴阿 B 你的偏好、邊界和最近想看的方向，讓推薦的內容更符合你的口味。

8.根據專屬興趣畫像算法，推薦內容

系統在後臺持續發現內容，系統猜測你可能對某個方向感興趣，系統也會確認你可能想避開的內容形態。

功能特色

✅ 完全本地，隱私優先：所有數據都只存在你的電腦裏。行爲記錄、用戶畫像、候選內容池、推薦歷史，全部保存在本地 SQLite 數據庫與內存文件中。

✅ 自進化學習循環，越用越懂你：它不是一次性生成畫像就完事，而是有完整的閉環學習機制。採集行爲：跨平臺的觀看、收藏、點贊、關注、網頁瀏覽等行爲，統一進入事件層，用得越久，它對你的理解就越精準。

✅ 跨平臺統一推薦，打破平臺壁壘：你的興趣不該被 App 邊界切割。用統一的候選池，把多個內容源接入同一套理解、發現、推薦流程。

✅ 主動發現，而非被動投餵：和平臺「等你下滑才刷新」的邏輯不同，它會主動根據你的畫像去探索內容。

✅ 每條推薦都有理由，反饋即時生效：每一條推薦卡片，都會附上類似朋友口吻的推薦理由。你可以點贊、拒絕，甚至寫下爲什麼不喜歡 —— 這些反饋會立刻進入學習循環，修正後續的推薦方向。

✅ 結構化畫像，可查看可校準：你的興趣畫像不是虛無縹緲的標籤，而是結構化的偏好數據：包括長期價值偏好、內在驅動力、興趣方向、認知風格、內容口味等等。你可以隨時查看、質疑、手動校準，讓它更貼合真實的你。

總結

如果你厭倦了被算法投餵、困在信息繭房裏；如果你在意自己的瀏覽隱私，不想把偏好數據交給大廠；如果你想高效地在全網發現真正優質的內容 —— 不妨試試這個完全站在你這邊的內容發現 Agent。