你在 B 站看机械键盘，在小红书找咖啡器具，两边却互不相识。OpenBiliClaw 想把这些分散的兴趣接起来：它是一套本地运行的推荐 Agent——能代你搜索、整理内容并根据反馈调整方向的软件——主动到 B 站、小红书、抖音、YouTube、X、知乎、Reddit、微博等平台和开放 Web 找内容。
它把阅读、收藏、反馈和对话归纳成用户画像，也就是一份不断更新的兴趣描述。项目称，核心行为、推荐和对话数据默认保存在本机 SQLite 数据库中；喜欢或“不感兴趣”都会影响后续推荐。它还新增 DeepSeek Harness 插件，在这个 Agent 工作台里提供推荐、内容库、对话、画像等界面，并注册 22 个 Agent Bridge 工具——让工作台中的 Agent 能读取推荐、提交反馈，形成学习闭环。
值得看的不是又多了一个信息流，而是推荐权开始从各平台的孤立算法移向用户自己的机器。不过，“本地优先”不等于所有处理都在本地：系统仍要访问外部平台，默认的大模型也需使用用户自己的 API Key；项目所称的画像深度和“主动破茧”效果，目前材料没有给出独立评测。