OpenBiliClaw

本地运行，跨平台主动帮你找爱看的内容，隐私不泄露。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 200 🐛 待处理 24 👀 关注 2

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3726

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT 许可证，本地部署完全免费，无付费版本。

项目预览

OpenBiliClaw 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类智能体

开发团队whiteguo233

官网地址https://whiteguo233.github.io/OpenBiliClaw

GitHubhttps://github.com/whiteguo233/OpenBiliClaw

定价模式🏷️完全免费

价格说明开源项目，MIT 许可证，本地部署完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-agent,bilibili,chrome-extension,content-discovery,cross-platform,deepseek-harness,douyin,dsh,dsh-plugin,llm,local-first,personal-ai,privacy-first,python,recommendation-system,self-hosted,typescript,xiaohongshu,youtube,zhihu

GitHub 星标★ 3726

上线时间2026-03-07 00:00:00

代码更新2026-11-09

仓库体积113.1 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

OpenBiliClaw 是一个本地私有的跨平台 AI 内容发现 Agent。它先通过本地分析你的浏览和互动行为来构建兴趣画像，再主动去 B站、小红书、抖音、YouTube、X、知乎、Reddit 等平台搜索并推荐你可能喜欢的内容。项目采用 Local-first 架构，所有用户数据和个人偏好均保存在本地，不依赖云端，保护隐私。核心能力包括多平台内容聚合、基于 LLM 的个性化推荐、浏览器扩展集成（支持 Chrome 等），以及跨平台运行。它解决了传统推荐算法黑箱、跨平台内容割裂和隐私泄露的问题，让你在掌控数据的前提下，获得更精准、更主动的内容发现体验。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3726

技术标签

ai-agent bilibili chrome-extension cross-platform deepseek-harness

使用教程

难度：入门约 15 分钟部署方式：本地安装 8 步

环境要求

macOS 10.15+ 或 Windows 桌面系统（桌面安装包）
Chrome / Edge / Brave / Arc / Vivaldi / Opera 等 Chromium 内核浏览器，或 Firefox 140+、Sa
磁盘空间：精简版首启需联网下载 bge-m3 向量模型，完整版已内置约 1.1GB
可选：源码安装并启用 Tailnet helper 需要 Go 1.26.6

安装与启动步骤

1安装浏览器插件

插件是主要入口。可到 Chrome 应用商店点「添加至 Chrome」一键安装，或在扩展管理页开启开发者模式后拖入 Release 里的 zip。
2下载后端安装包

打开 Latest Release 聚合页，macOS 按芯片选 arm64/x64 的 dmg，Windows 下载 Setup.exe；网络差或想离线选 -with-embedding 完整版。
3安装并启动后端

macOS 双击「安装并启动 Install OpenBiliClaw.command」自动替换并启动；Windows 双击 Setup.exe。启动后常驻菜单栏/系统托盘。
4macOS 解除安全拦截

若提示「已损坏，无法打开」，确认包来自本项目 Releases 后清除下载隔离属性，再重新打开应用。
```
APP="/Applications/OpenBiliClaw.app"
xattr -dr com.apple.quarantine "$APP"
```
5登录内容来源

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、微博等；GitHub 可匿名公开读取。
6打开本机 Web 界面

后端起来后用浏览器访问本机 Web 界面，即可看到推荐、内容库、对话、画像与设置。
7手机端扫码访问

用手机扫插件二维码打开移动端页面（把 IP 换成你电脑的局域网 IP），再保存到主屏幕即可当 App 使用。

8源码/AI 助手部署

想改源码或深度定制，把下面这句话粘给 Claude Code / Codex CLI / Cursor 等 AI 编程助手执行。

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)

关键配置

配置项	必填	说明	示例
`~/OpenBiliClaw/config.toml`	是	后端主配置文件，AI / 脚本安装与桌面包共用同一数据目录	`~/OpenBiliClaw/config.toml`
`~/OpenBiliClaw/config.local.toml`	否	本地覆盖配置；损坏时会被备份为 *.invalid 并重新生成默认配置	`~/OpenBiliClaw/config.local.toml`
`tskey-auth-… (Tailnet Auth Key)`	否	在设置→通用→应用内 Tailnet 远程访问中填写，凭据仅本机暂存不入配置文件	`tskey-auth-xxxxxxxxxxxxxxxx`
`tskey-client-… (OAuth Client Secret)`	否	OAuth 方式入网，需同时填写该 OAuth 客户端已获准的设备 tag	`tskey-client-xxxxxxxxxxxxxxxx`
`AMO_JWT_ISSUER / AMO_JWT_SECRET`	否	Firefox 扩展 AMO 签名凭据，配置后可把临时 zip 签成正式 xpi	`AMO_JWT_ISSUER=user:xxxx AMO_JWT_SECRET=xxxx`

如何确认成功

浏览器打开 http://127.0.0.1:8420/web 出现界面，且菜单栏（macOS）/系统托盘（Windows）出现 OpenBiliClaw 图标即成功。

常见问题

Q：macOS 提示“OpenBiliClaw.app 已损坏，无法打开”怎么办？

A：多为下载隔离属性导致。确认安装包来自本项目 Releases 后，执行 xattr -dr com.apple.quarantine "/Applications/OpenBiliClaw.app"，再重新打开应用即可。

Q：精简版和 -with-embedding 完整版怎么选？

A：精简版体积小，首次启动自动下载 bge-m3 向量模型；网络差或想离线使用就选完整版，已内置约 1.1GB 的 bge-m3，开箱即用。

Q：插件从商店装还是从 Release 装？

A：商店版和 Edge/Firefox AMO 上架版由浏览器自动更新，但版本可能滞后几天到一两周；想第一时间拿到最新功能和修复，就从 Latest Release 下载 zip 手动加载。

Q：国内下载太慢怎么办？

A：可用 123 云盘国内下载（含全部 7 个最新包，分享永久有效），或从 Gitee 的 v0.3.221 发行版获取源码与附件。

Q：手机端一定要和电脑在同一局域网吗？

A：不一定。Android / iOS 原生 App 已内嵌 tsnet，电脑端也可通过「设置→通用→应用内 Tailnet 远程访问」加入同一 tailnet；Web / Linux / macOS / Windows Flutter 客户端不支持该能力。

注意事项

数据默认留在本机 SQLite，桌面包与 AI / 脚本安装共用目录 ~/OpenBiliClaw（macOS/Linux）或 %USERPROFILE%\OpenBiliClaw（Windows），升级卸载不会删除。
当前桌面包为 ad-hoc 签名、未公证的实验性预发布；Windows SmartScreen 弹窗需点「更多信息 → 仍要运行」。
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；手动安装的插件需下载新版重新加载。
Tailnet 入口默认关闭、仅在私网可见，不启用 Funnel/Serve；源码安装需先运行 openbiliclaw tailnet build-helper，再 openbiliclaw tailnet enable 并重启，建议同时用 openbiliclaw set-password 设置

核心亮点

本地优先架构，用户兴趣数据完全私有，不经过云端，隐私保护强
支持 7+ 主流内容平台（B站/小红书/抖音/YouTube等），聚合推荐，省去来回切换
基于 LLM 深度理解用户兴趣，推荐精准度高于传统关键词匹配

不足之处

项目仍处于成长阶段，文档和社区支持待观察
多平台内容抓取可能受平台反爬策略影响，稳定性待验证

适用场景

个人用户跨平台发现优质内容，避免信息茧房
内容创作者研究多平台热点趋势，辅助选题
隐私敏感用户希望获得个性化推荐但不牺牲数据主权

替代项目

RSSHub、Hugging Face Agents、LangChain

上一篇：agent

下一篇：open-codex-computer-use