基于规则引擎与LLM的B站关注列表智能分类实践

1. 项目概述：一个更聪明的B站关注管理方案

如果你在B站关注了成百上千位UP主，每次想找特定内容都得在关注列表里大海捞针，或者B站自带的那个手动分组功能让你感到效率低下，那么这个项目可能就是为你准备的。我最近在打理自己的B站账号时，发现关注列表已经臃肿不堪，游戏、科技、生活、知识区的内容全都混在一起。B站提供的分组功能基本等于手动贴标签，对于几百个关注来说，工作量巨大且分类标准难以统一。于是，我找到了一个名为sunrisever/bilibili-follow的开源工具，它提供了一套本地化、可规则定制、并能借助外部大语言模型（LLM）辅助决策的关注列表管理流水线。简单说，它能把你的关注列表“倒出来”，用你设定的规则自动分好类，再把分类结果同步回B站的分组里。

这个项目的核心价值在于，它没有试图重新发明轮子去内置一个可能效果一般的AI模型，而是巧妙地结合了本地规则引擎和外部强大模型的审查能力。你完全掌控分类规则，对于模糊不清的“边缘案例”，则可以请ChatGPT、Claude这类模型帮你参谋。最终，一个清晰、可维护的关注分组体系就自动在B站后台建立起来了。接下来，我会详细拆解整个流程，从环境准备、数据抓取、规则编写，到与AI协作以及最终同步，分享我实际操作中的每一步细节和踩过的坑。

2. 核心工作流与设计思路拆解

2.1 为什么不用B站自带分组？

B站的分组功能本质上是一个手动标签系统。你需要点击每个UP主，然后从下拉菜单中为其分配一个分组。对于几十个关注尚可忍受，但一旦数量上百，这就变成了一项繁琐且容易出错的体力活。更关键的是，它缺乏智能性：你无法基于UP主的投稿内容、签名、标签等公开信息进行批量、自动化的分类。这个项目正是为了解决这两个痛点：自动化和智能化。

2.2 项目核心四步走

整个工具的设计遵循一个清晰的管道（Pipeline）模式，我将其理解为四个核心阶段：

1. 数据导出（Fetch）：工具通过B站API，使用你的登录凭证（Cookies），将你关注的所有UP主的公开数据抓取到本地。这些数据包括UID、昵称、签名、认证信息、标签、粉丝数等，存储为结构化的JSON文件。
2. 本地分类（Classify）：这是核心环节。你需要预先在classify_rules.json文件中定义好你的分类体系（例如“科技数码”、“游戏解说”、“生活Vlog”、“知识科普”）以及对应的匹配规则。规则通常基于关键词（在签名、标签中匹配）或UP主属性（如认证类型）。工具会读取这些规则，对导出的UP主数据进行遍历和匹配，生成初步的分类结果。
3. AI辅助审查（Review）：上一步的纯规则匹配必然会产生误判或难以判定的“边缘案例”。项目建议将分类结果输出为一份人类可读的Markdown摘要文件。你可以将这份文件直接丢给ChatGPT、Claude等模型的网页版或应用，让它帮你审查哪些分类可能不合理，哪些规则需要优化。这一步是“智能化”的关键，利用了外部模型强大的自然语言理解和推理能力。
4. 同步回写（Sync）：在确认分类结果无误后，工具会调用B站API，在你的账号下创建对应的分组（如果不存在），并将UP主移入相应的分组中。为了安全起见，务必先使用--dry-run参数进行“干跑”，预览将要执行的操作，确认无误后再执行真正的同步。

这个设计的精妙之处在于责任分离：繁重的、可规则化的批量操作由本地脚本完成；而需要人类判断力或高级认知能力的模糊决策，则外包给更专业的AI模型。你作为用户，是整个过程的总指挥和最终决策者。

2.3 技术栈与依赖解析

项目使用Python编写，依赖相对轻量。核心依赖库通常是requests用于网络请求，json用于数据处理。它本质上是一个与B站Web端API交互的脚本集合。这意味着你不需要复杂的编程环境，只需要一个能运行Python 3.6+ 的环境即可。

注意：项目明确说明，默认工作流不需要任何付费API密钥。与AI的交互是通过你手动复制粘贴Markdown内容到ChatGPT等工具的Web界面完成的。这极大地降低了使用门槛和成本。只有当你希望实现“全自动流水线”（即脚本自动调用OpenAI API等）时，才需要配置API密钥，但这属于高级用法。

3. 从零开始的详细实操指南

3.1 环境准备与项目初始化

首先，你需要将项目代码克隆到本地。假设你已安装Git和Python。

# 克隆项目 git clone https://github.com/sunrisever/bilibili-follow.git cd bilibili-follow # 安装依赖 pip install -r requirements.txt

安装完成后，检查requirements.txt内容，通常核心就是requests。如果安装缓慢，可以考虑使用国内镜像源，例如pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。

接下来是准备数据目录。项目提供了一个示例配置文件夹。

# 复制示例数据目录 cp -r data_example data

现在，你的工作目录下会有一个data文件夹，里面包含config.json和classify_rules.json等关键文件的模板。

3.2 获取并配置B站Cookies（关键步骤）

这是整个流程中唯一稍显复杂但至关重要的一步。工具需要你的B站登录状态来访问API。这些信息以Cookies的形式存在。

1. 登录B站：用浏览器打开www.bilibili.com并登录你的账号。

2. 打开开发者工具：按F12或右键“检查”，打开开发者工具。

3. 找到Cookies：切换到Network（网络）标签页。刷新页面，在请求列表中找到任意一个www.bilibili.com的请求（通常是第一个document类型）。点击该请求，在右侧Headers（标头）选项卡中，向下找到Request Headers（请求标头）部分的cookie:字段。

4. 提取关键字段：在长长的cookie字符串中，你需要找到以下几个关键字段的值：

   • SESSDATA
   • bili_jct(有时也叫csrf)
   • buvid3
   • DedeUserID它们的格式类似SESSDATA=abcdefg%2C1234567890; bili_jct=abc123def456; ...。

5. 填写配置文件：用文本编辑器打开data/config.json文件。你会看到如下结构：

   { "cookies": { "sessdata": "", "bili_jct": "", "buvid3": "", "dedeuserid": "" }, "http_proxy": "", "https_proxy": "" }

   将上一步提取到的值（不包括键和等号）分别填入对应的空字符串中。例如，如果SESSDATA=abcde12345，那么就在"sessdata": "abcde12345"。http_proxy和https_proxy如果你在国内直连B站，通常留空即可。

实操心得：

• 安全警告：Cookies等同于你的登录凭证，切勿泄露给他人。config.json文件应妥善保管，最好加入.gitignore避免误提交。
• 有效期：SESSDATA等Cookie有过期时间（通常几个月）。如果后续脚本报错提示“未登录”或“权限错误”，第一件事就是检查并重新获取、更新Cookies。
• 精确复制：复制值时注意不要带入多余的空格或引号。一个验证方法是，填好后可以尝试用python -c "import json; print(json.load(open('data/config.json'))['cookies']['sessdata'][:10])"快速打印前几个字符，确认读取无误。

3.3 设计你的分类规则体系

在运行脚本前，需要规划好你想怎么分。打开data/classify_rules.json，其结构决定了分类逻辑。

一个典型的规则文件如下所示：

{ "categories": { "科技数码": { "keywords": ["科技", "数码", "手机", "电脑", "硬件", "软件", "评测", "开箱", "Apple", "小米"], "must_have_tags": [], "exclude_keywords": ["美食"], "official_verify": -1 }, "游戏区": { "keywords": ["游戏", "攻略", "实况", "电竞", "Steam", "单机", "手游", "原神", "LOL"], "must_have_tags": [], "exclude_keywords": ["音乐"], "official_verify": -1 }, "生活娱乐": { "keywords": ["生活", "Vlog", "日常", "美食", "旅行", "搞笑", "音乐", "舞蹈", "时尚"], "must_have_tags": [], "exclude_keywords": ["编程"], "official_verify": -1 }, "知识学习": { "keywords": ["知识", "科普", "学习", "教程", "历史", "财经", "编程", "Python", "英语", "考研"], "must_have_tags": [], "exclude_keywords": ["鬼畜"], "official_verify": -1 }, "未分类": { "keywords": [], "must_have_tags": [], "exclude_keywords": [], "official_verify": -1 } }, "priority": ["科技数码", "游戏区", "生活娱乐", "知识学习", "未分类"], "default_category": "未分类" }

字段解析与配置技巧：

• categories: 定义每个分类及其匹配规则。
  • keywords:核心字段。列表中的关键词会在UP主的**签名（sign）和标签（tags）**中进行搜索匹配。匹配逻辑通常是“或”（OR），即命中任一关键词即视为匹配。关键词设置需要一定的技巧性，既要覆盖全面，又要避免误伤。
  • must_have_tags: 留空即可，或用于更严格的匹配（要求UP主标签必须包含列表中的所有项）。
  • exclude_keywords: 排除关键词。如果一个UP主虽然命中了本类的keywords，但其信息中也包含排除词，则不会被分入此类。用于处理歧义，例如“美食”UP主可能也有“生活”标签，但你不希望“科技”类关键词误匹配到“美食”。
  • official_verify: UP主认证类型。-1表示不限制。0为个人，1为机构。你可以利用此字段，例如将“新闻”类只分给认证机构。
• priority:匹配优先级列表。这是关键！分类引擎会按照这个列表的顺序，对每个UP主依次尝试匹配。一旦某个分类的规则匹配成功，就会将该UP主归入此类，并停止后续规则的尝试。因此，你需要把规则最具体、最明确的类别放在前面，把范围较广的类别放在后面。例如，“编程教学”应该放在“知识学习”前面，否则所有编程UP主都会被“知识学习”的宽泛关键词先捕获。
• default_category: 所有规则都无法匹配的UP主，最终归宿。

注意事项：

• 规则冲突：由于优先级机制，规则设计不当会导致分类错误。务必仔细规划priority顺序。
• 关键词选择：初期建议关键词宽泛一些，先跑一遍看看结果。可以从UP主的签名、标签中提取高频词。避免使用过于常见的字眼，如“的”、“了”。
• “未分类”兜底：一定要设置一个“未分类”类别，用于收纳所有无法自动归类的UP主，这些将是后续AI审查的重点对象。

3.4 执行数据抓取与本地分类

配置好Cookies和规则后，就可以开始运行了。

第一步：抓取关注列表数据

python fetch.py all

这个命令会开始从B站API拉取你所有关注UP主的详细信息。根据关注数量多少，可能需要几十秒到几分钟。完成后，在data目录下会生成一个up主详细数据.json文件。你可以打开它粗略查看，里面包含了每个UP主的丰富信息，是后续分类的基础。

第二步：执行本地规则分类

python classify.py

脚本会读取up主详细数据.json和你的classify_rules.json，开始进行分类。运行结束后，会生成两个重要文件：

• data/分类结果.json: 机器可读的最终分类映射，格式如{"UP主UID": "分类名称", ...}。
• data/分类结果.md:人类/AI可读的详细摘要。这个文件是下一步的核心。

打开分类结果.md，你会看到类似这样的内容：

# 分类结果摘要 ## 科技数码 (15人) - **老师好我叫何同学** (UID: 163637592) - 签名：... 标签：数码、科技、摄影... - **影视飓风** (UID: 168598) - 签名：... 标签：影视、器材、评测... ... ## 游戏区 (32人) ... ## 未分类 (8人) - **张三的日常** (UID: 123456) - 签名：一个快乐的沙雕 标签：生活、搞笑 - **李四讲历史** (UID: 234567) - 签名：读史明智 标签：历史、读书 ...

这份文件清晰地列出了每个分类下有哪些UP主，以及他们的关键信息。未分类列表就是你接下来需要处理的“疑难杂症”。

3.5 引入AI进行辅助审查与优化

这是体现项目“智能”的一环。你不需要在代码里集成任何API，只需手动操作。

1. 打开AI工具：访问ChatGPT、Claude、文心一言、通义千问等任意你常用的大语言模型Web界面或应用。
2. 提交内容：将data/分类结果.md文件的内容全部复制粘贴到AI的对话框中。
3. 提出审查请求：向AI发出明确的指令。例如：

   “以下是我根据关键词规则对B站关注UP主进行的自动分类结果。请帮我审查：

   1. 明显的错误分类：有没有哪个UP主被分到了明显不合适的类别里？请指出并说明理由。
   2. 规则优化建议：针对‘未分类’列表中的UP主，根据他们的签名和标签，你认为他们应该属于哪个现有类别？或者需要新增什么类别？
   3. 关键词建议：为了更准确地进行自动分类，你认为我应该在各类别的关键词列表中增加或删除哪些词语？”

4. 分析AI反馈：AI会基于其强大的语义理解能力，给出分析。它可能会指出：“‘张三的日常’虽然标签有‘生活’，但其内容多为搞笑段子，建议放入‘生活娱乐’而非‘未分类’。”或者“‘李四讲历史’明显属于‘知识学习’，你的‘知识学习’类别关键词中应加入‘历史’。”
5. 迭代优化规则：根据AI的建议，回头修改data/classify_rules.json。
   • 调整keywords列表。
   • 调整priority顺序。
   • 甚至新增或删除类别。
6. 重新分类验证：修改规则后，再次运行python classify.py，生成新的分类结果.md。可以再次请AI审查，直到你对自动分类的准确率满意为止。通常经过2-3轮迭代，准确率会达到一个很高的水平。

实操心得：

• 提问技巧：给AI的指令越具体，得到的反馈越有价值。直接问“哪里不对”可能得到泛泛之谈，而指定审查“未分类”列表和“错误分类”，则能获得针对性建议。
• 成本与效率：使用Web版模型通常是免费的（有次数限制），完全足够个人使用。这比调用API更经济，且交互性更强，你可以连续追问。
• 最终决策权在你：AI只是参谋。它可能因为不了解某个小众领域UP主而给出错误建议。你需要结合自己的知识做最终判断。例如，AI可能不知道“老番茄”是游戏区UP主，因为他的签名里没有“游戏”二字。

3.6 安全同步与分组回写

在确认分类结果令人满意后，就可以准备同步到B站了。安全第一，务必先干跑！

第一步：干跑预览

python sync_groups.py --dry-run

这个命令会模拟整个同步过程：检查你的B站账号现有分组，对比本地分类结果，计算出需要创建哪些新分组、将哪些UP主移动到哪个分组。它不会执行任何实际的写操作，只会将计划要执行的操作打印到终端。

仔细阅读干跑输出，确认：

• 将要创建的分组名称是否正确（注意：B站分组名不能包含/等特殊字符）。
• 每个UP主的移动操作是否符合你的预期。
• 是否有任何警告或错误信息（如Cookie失效、API限制等）。

第二步：执行同步

如果干跑结果一切正常，就可以执行真正的同步了。

python sync_groups.py

脚本会开始调用B站API，执行分组创建和UP主移动操作。根据UP主数量，这个过程可能需要一段时间。同步完成后，你可以立即刷新B站网页版或App的“关注”页面，在分组筛选栏里，应该就能看到新建的、并且已经填充好UP主的分组了。

重要警告：

• 网络与权限：同步过程依赖于网络和有效的Cookies。如果中途失败，可以重新运行sync_groups.py，脚本通常设计为幂等的（重复执行效果相同）。
• 分组数量限制：B站对单个用户的分组数量可能有上限（通常是几十个），请勿创建过多分组。
• 操作不可逆：虽然你可以手动在B站界面再改回来，但批量移动仍是一个严肃操作。确保分类结果.json是你最终想要的状态。

4. 长期维护与进阶技巧

4.1 日常维护流程

首次全量分类同步后，你后续新关注UP主，不需要再从头跑一遍全流程。项目提供了增量更新的思路。

1. 获取新关注UP主的UID：当你新关注一个UP主时，记下他的UID（在UP主主页网址中/space.bilibili.com/后面的数字）。
2. 增量添加与分类：运行项目可能提供的增量脚本（如示例中的python add_new.py <mid>，需确认项目实际支持），或手动将该UID添加到某个数据文件中，然后重新运行classify.py。更简单的方法是，定期（如每月）重新运行一次python fetch.py all抓取最新全量数据，再分类、审查、同步。由于脚本的同步操作是增量的，只会更新有变化的部分，因此不会造成重复劳动。

4.2 规则文件的高级玩法

• 基于粉丝数的分类：你可以修改分类脚本，在规则中增加对fans（粉丝数）字段的判断。例如，创建一个“潜力新人”类别，规则为fans < 10000。
• 多重条件组合：虽然默认规则文件可能只支持关键词和认证，但你可以修改classify.py的逻辑，实现更复杂的规则，例如(keywords匹配) AND (粉丝数 > X) AND (认证类型 = 个人)。
• 外部数据源：理论上，你可以结合其他数据源（如UP主的近期视频标题、简介）来丰富分类依据，但这需要更复杂的爬虫和文本分析。

4.3 故障排查与常见问题

Q1: 运行fetch.py时报错，提示“登录失败”或“Cookie无效”。A1:这是最常见的问题。99%的原因是Cookies过期或填写错误。请重新按照3.2节的步骤获取最新的Cookies并更新config.json。确保没有多余的空格，值填写正确。

Q2:classify.py运行后，未分类里人数非常多。A2:这说明你的分类规则keywords覆盖度不够。打开未分类的UP主列表，观察他们的签名和标签，提取高频词，补充到相应类别的keywords中。利用AI分析未分类列表是最高效的方法。

Q3: 某个UP主被分错了类别。A3:有两种解决方法： 1.优化规则：检查该UP主被误分到的类别，在其exclude_keywords中添加能唯一标识该UP主但不应属于该类别的词。同时，检查该UP主正确类别的keywords，确保包含了能匹配到他的词。调整priority顺序也可能解决。 2.手动覆盖：更直接的方法是，在分类结果.json文件中，手动找到该UP主的UID行，将其对应的分类名称改为正确的。然后直接运行sync_groups.py同步即可。这相当于一次手动修正。

Q4: 执行sync_groups.py时速度很慢或部分失败。A4:B站API可能有频率限制。脚本中应该已经加入了适当的延时（如time.sleep）。如果遇到429（请求过多）错误，需要增加请求间隔。检查脚本中关于延时的配置项。对于大批量UP主，同步过程本身就需要较长时间，请耐心等待。

Q5: 分组名含有非法字符导致同步失败。A5:B站分组名不允许包含/、\、?等字符。请确保classify_rules.json中定义的分类名称是纯文本，不含特殊符号。

4.4 项目文件职责梳理

为了更清晰地管理，这里再次总结核心文件的作用：

整个流程走下来，你会发现这个项目提供了一个极其灵活和强大的框架。它将繁琐的批量操作自动化，将困难的判断问题外包给顶尖的AI，而你将精力集中在最高效的环节——定义规则和做最终决策。经过这样一番打理，你的B站关注列表将从一团乱麻变得井井有条，无论是想找特定内容还是回顾订阅，效率都会大大提升。这不仅仅是整理了一个列表，更是为你自己的信息输入源做了一次高质量的“数据治理”。