尧图网站建设 
越用越懂你的秘密OpenBiliClaw反馈学习闭环与30天内容历史完整讲解【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClawOpenBiliClaw 是一个本地私有的开源 AI 内容发现 Agent它的核心能力是反馈学习闭环你每一次点赞、点踩、评论和聊天都会被写入本地记忆并反过来影响下一轮推荐。配合 30 天内容历史它能像老观众一样理解你的口味而不是把你当成冷启动的陌生人。反馈学习闭环一次点踩如何改变下一次推荐普通推荐系统把不喜欢当成一条噪音丢进数据库而 OpenBiliClaw 把每次反馈当作一条结构化证据走完一整套学习链路。整个闭环分六步来源信号你在浏览器插件、桌面端或移动端点下喜欢 / 不感兴趣 / 稍后 / 收藏 / 聊一聊反馈通过统一的/api/feedback入口进入系统本地记忆反馈被规范化成一条feedback事件写入 SQLite 事件层同时推荐记录本身也更新反馈状态批量学习反馈不是每条都立刻重算画像——默认累计 3 条新反馈才触发一次偏好重分析避免单次点击把画像带偏画像更新兴趣权重、讨厌的话题disliked_topics被合并进偏好层已有兴趣按周衰减防止陈旧标签长期污染推荐理由推荐新一轮内容带着新的画像理由重新生成推荐语会解释为什么推给你再反馈你对新推荐的态度再次写回记忆下一轮继续更新。这套设计的关键在于稳画像不会因为你今天随口点了一两次就大变样而是靠批量阈值 衰减机制慢慢收敛。这就是越用越懂你而不是越来越乱的底层原因。五层记忆为什么它比关键词画像更懂你反馈最终沉淀到哪里OpenBiliClaw 采用五层网状记忆每一层回答不同的问题层回答的问题例子事件层 Event发生了什么view、search、feedback: dislike偏好层 Preference你喜欢什么高信息密度、深度解释觉察层 Awareness最近变成了什么样这几天明显偏向讲透结构洞察层 Insight你为什么会这样在通过深度内容建立判断框架灵魂层 Soul整体像什么样的人会主动追问底层逻辑的人事件量大存 SQLite画像数据小用 JSON 文件独立存放互不混存。详细的分层架构说明可以阅读官方文档 docs/modules/memory.md反馈处理的原始设计思路见 docs/plans/2026-03-09-m91-feedback-processing.md。30 天内容历史你的浏览足迹去哪了除了学到什么OpenBiliClaw 还让你能看到自己内容历史 API 提供近 30 天retention_days 30由CONTENT_HISTORY_RETENTION_DAYS定义在 src/openbiliclaw/storage/database.py 中的三个分类视图——clicked点击过你实际点开看过的内容shown展示过推荐给你但你没点开的内容方便你复盘它为什么推这个removed移除过你从收藏/稍后看里删掉的内容快照以及卡片上的不感兴趣操作。三个分类各自按规范 item key 去重同一内容重复曝光不会刷屏数据超过 30 天会自动清理prune_content_history足迹窗口有界、隐私可控。接口支持游标分页cursor前端可以懒加载而不会把老数据一次性拖下来。相关实现位于 src/openbiliclaw/api/app.py。给新手的实用建议如何加速懂你想让反馈学习闭环转起来可以这样做主动点踩比沉默更重要不感兴趣的内容直接点不感兴趣它会明确进入disliked_topics比没点开强得多评论带上原因反馈支持comment类型且可以写 note如讲得还不够深这类显式理由比点赞更有信息量偶尔和它聊几句聊天信号会先进入候选洞察池置信度够高≥0.8 或出现 ≥2 次才会正式并入画像随口一句不会污染长期画像定期翻看 30 天历史用展示过分类校准它对你的理解发现偏差就再点几次反馈。所有数据和长期记忆默认保存在你自己的设备上闭环在本地完成这是它和云端推荐系统最本质的区别。想要上手体验直接 clone 仓库即可开始git clone https://gitcode.com/whiteguo233/OpenBiliClaw更多模块细节发现引擎、推荐排序、存储结构可参考 docs/modules/discovery.md 与 docs/modules/recommendation.md。【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 越用越懂你的秘密：OpenBiliClaw反馈学习闭环与30天内容历史完整讲解
越用越懂你的秘密OpenBiliClaw反馈学习闭环与30天内容历史完整讲解【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClawOpenBiliClaw 是一个本地私有的开源 AI 内容发现 Agent它的核心能力是反馈学习闭环你每一次点赞、点踩、评论和聊天都会被写入本地记忆并反过来影响下一轮推荐。配合 30 天内容历史它能像老观众一样理解你的口味而不是把你当成冷启动的陌生人。反馈学习闭环一次点踩如何改变下一次推荐普通推荐系统把不喜欢当成一条噪音丢进数据库而 OpenBiliClaw 把每次反馈当作一条结构化证据走完一整套学习链路。整个闭环分六步来源信号你在浏览器插件、桌面端或移动端点下喜欢 / 不感兴趣 / 稍后 / 收藏 / 聊一聊反馈通过统一的/api/feedback入口进入系统本地记忆反馈被规范化成一条feedback事件写入 SQLite 事件层同时推荐记录本身也更新反馈状态批量学习反馈不是每条都立刻重算画像——默认累计 3 条新反馈才触发一次偏好重分析避免单次点击把画像带偏画像更新兴趣权重、讨厌的话题disliked_topics被合并进偏好层已有兴趣按周衰减防止陈旧标签长期污染推荐理由推荐新一轮内容带着新的画像理由重新生成推荐语会解释为什么推给你再反馈你对新推荐的态度再次写回记忆下一轮继续更新。这套设计的关键在于稳画像不会因为你今天随口点了一两次就大变样而是靠批量阈值 衰减机制慢慢收敛。这就是越用越懂你而不是越来越乱的底层原因。五层记忆为什么它比关键词画像更懂你反馈最终沉淀到哪里OpenBiliClaw 采用五层网状记忆每一层回答不同的问题层回答的问题例子事件层 Event发生了什么view、search、feedback: dislike偏好层 Preference你喜欢什么高信息密度、深度解释觉察层 Awareness最近变成了什么样这几天明显偏向讲透结构洞察层 Insight你为什么会这样在通过深度内容建立判断框架灵魂层 Soul整体像什么样的人会主动追问底层逻辑的人事件量大存 SQLite画像数据小用 JSON 文件独立存放互不混存。详细的分层架构说明可以阅读官方文档 docs/modules/memory.md反馈处理的原始设计思路见 docs/plans/2026-03-09-m91-feedback-processing.md。30 天内容历史你的浏览足迹去哪了除了学到什么OpenBiliClaw 还让你能看到自己内容历史 API 提供近 30 天retention_days 30由CONTENT_HISTORY_RETENTION_DAYS定义在 src/openbiliclaw/storage/database.py 中的三个分类视图——clicked点击过你实际点开看过的内容shown展示过推荐给你但你没点开的内容方便你复盘它为什么推这个removed移除过你从收藏/稍后看里删掉的内容快照以及卡片上的不感兴趣操作。三个分类各自按规范 item key 去重同一内容重复曝光不会刷屏数据超过 30 天会自动清理prune_content_history足迹窗口有界、隐私可控。接口支持游标分页cursor前端可以懒加载而不会把老数据一次性拖下来。相关实现位于 src/openbiliclaw/api/app.py。给新手的实用建议如何加速懂你想让反馈学习闭环转起来可以这样做主动点踩比沉默更重要不感兴趣的内容直接点不感兴趣它会明确进入disliked_topics比没点开强得多评论带上原因反馈支持comment类型且可以写 note如讲得还不够深这类显式理由比点赞更有信息量偶尔和它聊几句聊天信号会先进入候选洞察池置信度够高≥0.8 或出现 ≥2 次才会正式并入画像随口一句不会污染长期画像定期翻看 30 天历史用展示过分类校准它对你的理解发现偏差就再点几次反馈。所有数据和长期记忆默认保存在你自己的设备上闭环在本地完成这是它和云端推荐系统最本质的区别。想要上手体验直接 clone 仓库即可开始git clone https://gitcode.com/whiteguo233/OpenBiliClaw更多模块细节发现引擎、推荐排序、存储结构可参考 docs/modules/discovery.md 与 docs/modules/recommendation.md。【免费下载链接】OpenBiliClaw本地私有、开源的自进化跨平台 AI 内容发现 Agent从使用、反馈和对话中理解你主动从 B 站、小红书、抖音、YouTube、X、知乎、Reddit、Linux.do、Bangumi、V2EX、微博、GitHub 与开放 Web 寻找内容。支持浏览器插件、桌面与移动端以及 DeepSeek Harness 插件。项目地址: https://gitcode.com/whiteguo233/OpenBiliClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考