你在 B 站刷了三年机械键盘，小红书完全不知道。你在小红书种草了咖啡器具，B 站从来不推给你。你的兴趣被割裂在不同平台的数据库里，没人帮你把它们连起来。推荐算法越来越像你已经看过的东西，偶尔的惊喜全靠运气。
OpenBiliClaw 要解决的就是这个问题——一个纯本地、私有、开源的跨平台内容发现 Agent。
是什么
OpenBiliClaw 是 whiteguo233 开发的一个有意思的项目——一个自进化跨平台内容发现 Agent。目前 666 Stars，MIT 协议。
它做的事情跟传统推荐完全相反：不是从内容出发匹配标签，而是从你出发。它通过分析你在 B 站、小红书、抖音、YouTube 上的行为，构建你的「灵魂画像」——MBTI、认知风格、深层心理需求——然后带着对你的理解，主动去各个平台找你会喜欢的内容。
核心思路
先懂你，再找内容。 传统推荐系统看的是点击率、完播率、点赞概率——平台指标。OpenBiliClaw 构建的是五层画像：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。
主动破茧。 它不是被动匹配你已知的偏好。系统会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。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。
跨平台。 B 站、小红书、抖音、YouTube——四个平台的数据在一个画像里。你的兴趣不再被割裂。
100% 本地。 所有数据留在你硬盘的一个 SQLite 文件里。LLM 用你自己的 API Key。没有云端，没有账号，没有人能看到你的画像。
怎么用
安装方式挺灵活的：
最简单的：桌面安装包。 去 Releases 下载 macOS .dmg 或 Windows .exe，装好双击即用。自带本地 embedding（Ollama + bge-m3），开箱即用。
AI 一句话部署。 把一段指令粘给 Claude Code、Codex CLI 或 Cursor，AI 助手自动帮你克隆仓库、装依赖、配置 LLM、启动后端。
浏览器插件。 Chrome 应用商店一键安装，或者从 Releases 下载最新版手动安装。插件在 B 站、小红书、抖音、YouTube 页面显示侧边栏，采集你的反馈。
后端启动后访问 http://127.0.0.1:8420/web 就能看到桌面端推荐首页，手机端有移动版 /m/ 路径。
核心功能
智能推荐。 每一条推荐都会像朋友一样解释你为什么可能会喜欢——不是「猜你喜欢」，而是「你最近在关注债务周期和地缘政治，这条用硬核推演把土地财政讲清楚了」。
灵魂画像。 自然语言描述的人格素描+结构化特质（MBTI、核心特质、深层需求、认知风格、兴趣方向），实时更新。
对话调教。 你可以直接跟它聊天告诉它你想看什么，反馈会即时更新画像和推荐。
OpenClaw 接入。 支持接入 AI 编码助手，系统会主动推送惊喜内容给你——你不需要开口问。
不是没有槽点
还在早期。 666 Stars 不算多，项目还在活跃迭代中，有些功能还不够成熟。
需要 LLM API Key。 核心推理依赖 LLM，默认需要你自己的 API Key（OpenAI 或其他兼容的）。虽然也可以用本地 Ollama，但效果取决于你跑的模型。
隐私 vs 效果。 100% 本地意味着不能利用协作过滤——其他用户的集体智慧你用不上。推荐质量全靠对你自己画像的深度。
仅限国内平台为主。 虽然支持 YouTube，但主战场是 B 站、小红书、抖音——这些平台的用户用起来最顺手。
跟同类怎么比
vs 各平台官方推荐： 官方的数据多、模型强。但它优化的是平台指标，不是你的真实兴趣。OpenBiliClaw 只为你一个人服务，没有内容厂商给你塞广告。
vs 关键词过滤插件： 那些只是简单做标签匹配。OpenBiliClaw 做的是心理画像级别的理解，不是一个量级的东西。
我的看法：这个方向比传统推荐更接近用户真实需求。虽然刚起步，但我个人很看好。
GitHub：https://github.com/whiteguo233/OpenBiliClaw
项目主页：https://whiteguo233.github.io/OpenBiliClaw/
标签：#OpenBiliClaw #内容发现 #AIAgent #本地优先 #跨平台推荐 #B站 #小红书 #隐私保护 #开源
关注我，每期分享一个帮你省事的强大工具 🛠️