- 社区热度
- 3.0k Stars
- GitHub 收藏
- 最近活跃
- 2026/8/22
- 近 30 天还在更新
- 授权协议
- MIT
- 宽松协议
为什么值得关注
不是看 Star 排名,而是看它解决了什么问题、实际有没有用,以及方法为什么值得关注。
解决的问题
解决了主流内容平台推荐算法以平台利益为导向、导致信息茧房及跨平台兴趣割裂的问题。
实际价值
通过本地 SQLite 存储用户画像与行为数据,支持多平台内容聚合,并提供基于心理画像的推荐解释,具备实际的个性化内容发现能力。
创新 / 差异化
引入五层灵魂画像机制,通过心理学逻辑而非单纯的标签匹配进行跨平台内容探索,并支持作为插件集成至 DeepSeek Harness。
扩展潜力
架构上将浏览器插件作为数据采集端,本地桌面程序作为处理核心,支持通过 API 接入多种 LLM,具备较好的扩展性与可组合性。
为什么是现在
当前用户对算法推荐疲劳度增加,且本地优先(Local-first)与个人 AI Agent 的技术栈已趋于成熟,正处于个人化信息管理工具的上升期。
社区活跃度
近 90 天新增 98 个 Issue、63 个 PR;窗口内抽取的 Issue/PR 样本中有 56 位 Issue 发起者、23 位 PR 贡献者,并发布 至少 50 个版本。
维护者响应
窗口内 95 个 Issue 样本关闭率 84%,63 个 PR 样本合并率 71%。维护者响应统计覆盖该 Issue 样本的 46%,响应率 57%,首次响应中位数 22.7 小时。
核心亮点
- 支持从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博和开放 Web 发现内容
- 基于用户行为分析与心理画像构建五层灵魂画像(事件、偏好、觉察、洞察、灵魂)
- 数据存储在本地 SQLite,支持用户自定义 LLM API Key
快速开始
安装方式、上手难度、开始步骤。
装在哪
本地运行
难不难
中等,需要一点配置
- 01从 Chrome 应用商店或 GitHub Release 安装浏览器插件。
- 02下载并运行桌面端后端安装包,或通过 AI 编程助手部署后端。
- 03在浏览器中登录目标内容平台(如 B 站、小红书等)以初始化数据采集。
- 04访问 http://127.0.0.1:8420/web 查看个性化推荐内容。
更适合谁
- 希望数据放在自己服务器上的团队
- 想在本机直接跑起来试用的开发者
- 习惯用 Docker 部署的人
更多介绍
OpenBiliClaw 是一个本地优先的 AI 内容发现 Agent。它通过分析用户在不同平台(如 B 站、小红书、YouTube 等)的浏览行为,构建包含认知风格与深层需求的五层心理画像,从而主动跨平台搜寻用户可能感兴趣的内容,而非仅仅依赖单一平台的推荐算法。
信息来源
每条信息都标注了状态与出处,可展开查看。
15 条 · 展开
信息来源
每条信息都标注了状态与出处,可展开查看。
capability tags
已核验ai_coding、automation、productivity
来源: admin_cms · cms editor · 2026/8/20
editor note
已核验{"en":"The project uses browser extensions to collect behavioral data and runs a local backend for profiling and content retrieval, enabling cross-platform personalized recommendations. It is suitable for power users who want to bypass platform-specific algorithms while maintaining data privacy.","zh":"该项目通过浏览器插件采集行为数据,并在本地运行后端进行画像分析与内容检索,实现了跨平台的个性化推荐。适合希望摆脱单一平台算法限制、注重隐私且有一定动手能力的深度内容消费者。"}
来源: admin_cms · cms editor · 2026/8/20
how to use
已核验{"steps":[{"en":"Install the browser extension from the Chrome Web Store or GitHub Releases.","zh":"从 Chrome 应用商店或 GitHub Release 安装浏览器插件。"},{"en":"Download and run the desktop backend installer, or deploy the backend using an AI coding assistant.","zh":"下载并运行桌面端后端安装包,或通过 AI 编程助手部署后端。"},{"en":"Log in to your target content platforms (e.g., Bilibili, Xiaohongshu) in your browser to initialize data collection.","zh":"在浏览器中登录目标内容平台(如 B 站、小红书等)以初始化数据采集。"},{"en":"Access http://127.0.0.1:8420/web to view your personalized content recommendations.","zh":"访问 http://127.0.0.1:8420/web 查看个性化推荐内容。"}],"installAt":"local","difficulty":"medium"}
来源: admin_cms · cms editor · 2026/8/20
intro
已核验{"en":"OpenBiliClaw is a local-first AI content discovery agent. By analyzing user behavior across platforms like Bilibili, Xiaohongshu, and YouTube, it constructs a five-layer psychological profile—covering cognitive styles and deep-seated needs—to proactively discover content you might enjoy, rather than relying solely on platform-specific recommendation algorithms.","zh":"OpenBiliClaw 是一个本地优先的 AI 内容发现 Agent。它通过分析用户在不同平台(如 B 站、小红书、YouTube 等)的浏览行为,构建包含认知风格与深层需求的五层心理画像,从而主动跨平台搜寻用户可能感兴趣的内容,而非仅仅依赖单一平台的推荐算法。"}
来源: admin_cms · cms editor · 2026/8/20
最新版本
已核验openbiliclaw-v0.3.209
来源: GitHub 官方接口 · latest_release=openbiliclaw-v0.3.209 · 2026/8/22
许可证
已核验MIT
来源: GitHub 官方接口 · license.spdx_id=MIT · 2026/8/22
needs api key
已核验是
来源: admin_cms · cms editor · 2026/8/20
一句话用途
已核验{"en":"A local-first, cross-platform AI content discovery agent that builds deep psychological profiles to proactively find content you'll love.","zh":"一个本地运行的跨平台 AI 内容发现 Agent,通过深度心理画像主动为你从各大主流平台寻找感兴趣的内容。"}
来源: admin_cms · cms editor · 2026/8/20
平台
已核验windows、macos、linux、browser
来源: admin_cms · cms editor · 2026/8/20
分类线索
根据材料推断ai-apps
来源: 项目说明文档 · hint=ai-apps · 2026/8/15
product forms
已核验browser_extension、desktop、web
来源: admin_cms · cms editor · 2026/8/20
role tags
已核验fullstack
来源: admin_cms · cms editor · 2026/8/20
supports docker
已核验是
来源: 仓库文件 · dockerfile=true; compose=true · 2026/8/22
supports local
已核验是
来源: admin_cms · cms editor · 2026/8/20
supports self host
已核验是
来源: admin_cms · cms editor · 2026/8/20
相关项目
根据分类、能力和适用角色匹配的其他已核验项目。
hermes-agent
可在本机、VPS 或云环境运行的个人 AI Agent,支持终端、消息平台、记忆、技能和定时自动化。
ollama
在 Windows、macOS 和 Linux 本地运行与管理开放模型,并提供 REST API 与 Python/JavaScript 客户端的模型运行工具。
transformers
Hugging Face 推出的用于文本、视觉、音频和多模态机器学习模型的定义与训练框架。
ragflow
基于深度文档解析与智能体能力的开源 RAG 引擎,用于构建具备可追溯引用的大模型上下文层。
unsloth
在 Windows、macOS 和 Linux 本地运行、微调与部署大语言模型及扩散模型的桌面与开发工具。
omnigent
统一运行、切换和协作多个 AI Agent 的开源编排层,覆盖终端、Web、桌面与云沙箱会话。

