BiliInsight 是一个不仅能“读字幕”，更能真正“看懂”画面的 B 站智能体（Agent）。 你可以在任意 B 站视频评论区 @Vinsight（官方演示账号），向它询问关于这个视频的任何问题。它会像人类助理一样，自主决定该使用哪些工具（查字幕、调画面、看弹幕、上网搜）来给你最精准的答案。
- 原生的 Agent 架构： 抛弃传统的”全量拼接字幕给大模型”的简单封装模式。基于 Claude Agent SDK 构建，拥有 30+ MCP 本地化工具，模型完全依靠逻辑推理按需调用。
- 多模态视觉理解： 遇到”画面分析”，它懂得自己拉取对应时间点的关键帧。无论是分析 UP 主的开箱物品、解析一支舞蹈动作，还是”逐帧比对物理破绽鉴定 AI 视频”，都不在话下。
- 灵活的模型生态： 内置 LiteLLM 统一路由。Gemini（推荐，免费额度充沛/视觉强）、Claude、GPT-4o 等主流模型均可一键切换。
- 评论区即服务： 开箱即用的评论区自动化回复能力，不仅能回答你的首次提问，还支持”楼中楼”无缝追问。
普通的 AI 总结只能告诉你“视频讲了啥”，但 BiliInsight 因为工具箱的存在，甚至能做到“跨平台侦查”：
| 你的问题示例 | Agent 实际执行的动作链 |
|---|---|
| “这视频太长了，一句话总结” | 获取基础 Metadata ➡️ 拉取字幕 ➡️ 提炼核心观点总结 |
| “3:20 画面里 UP 主拿的是什么？” | 定位 3:20 ➡️ 获取关键帧截图 ➡️ 并行调用视觉模型分析 |
| “为什么满屏弹幕都在刷这句？” | 拉取视频原始弹幕 ➡️ 高频词/情绪分析 ➡️ Google/X搜索该梗的来历 |
| “评价一下我最近看的这些视频” | 分析你的 300 条 B 站浏览历史 ➡️ 按题材归类 ➡️ 生成超硬核的个人洞察（见 Demo） |
| “帮我找几期类似这样的测评” | 提取该视频核心关键词 ➡️ 调用 B 站搜索 API ➡️ 获取数据 ➡️ 自动建立并分享收藏夹 |
最纯粹的体验方式，一键安装所有依赖并交互式引导：
bash <(curl -fsSL https://raw.githubusercontent.com/Shanoa2/BiliInsight/main/install.sh)注：脚本会自动拉取代码、配置虚拟环境、引导输入必要的信息（如 B 站登录、各种 API Key），并自动创建 systemd 后台服务。
对于想二次开发或在其他系统部署的开发者：
# 1. 克隆并进入目录
git clone https://github.com/Shanoa2/BiliInsight.git
cd BiliInsight
# 2. 创建虚拟环境并安装核心依赖
python -m venv .venv && source .venv/bin/activate
pip install -e .
pip install git+https://github.com/anthropics/claude-agent-sdk-python.git
# 3. 进行交互式配置
python configure.py
# 4. 运行
python -m bilichat # 启动 CLI 本地交互模式
python -m bilichat.bot # 启动 B 站评论区监听机器人在执行 python configure.py 时，你会被要求分配各种模型与 Key：
核心 LLM 提供商（任选其一作为主脑）：
- Gemini (首推)：提供强大逻辑运算的同时拥有极其优秀的图像解析能力，且目前免费额度非常香。
- Claude：推理与工具调用能力顶级。
- 其他 API：如 OpenAI (GPT-4o) / DeepSeek 等 OpenAI 兼容模型。
高级能力扩充包（可选 API Key，高度建议配置）：
GEMINI_API_KEY：即使主模型不用 Gemini，也强烈建议配置，专职解决所有“画面分析”与 Google 搜索。OPENAI_API_KEY：用于将海量长字幕进行 Embedding，支持语义搜索定位关键内容。XAI_API_KEY/SERPAPI_API_KEY：解锁全网实时梗搜索与反向人物以图搜图。
本项目核心逻辑非常清晰，方便二次开发，主要目录结构如下：
src/bilichat/
├── app.py # Agent 交互主入口 / System Prompts / 底层工具注册
├── config.py # 配置与环境变量管理
├── tools/ # 30+ MCP 工具集（项目灵魂）
│ ├── subtitle.py # 字幕获取与语义向量检索
│ ├── visual.py # 智能抽帧、拼图与 Gemini 视觉透传
│ ├── ocr.py # 视音频 OCR 解析提取
│ ├── danmaku.py # 原始弹幕流的捕获与降噪
│ └── ... # 其他工具（Google 搜图、X 推文检索等）
├── services/ # 三方平台接口（BApi、GeminiSDK 等）
└── bot/ # 承载在 B 站的评论区监听守护进程
- 提供无门槛的独立网页交互端
- 可视化的 Web 配置管理后台 (取代现有的 CLI 配置)
- 跨平台的桌面客户端级体验
- 更加细腻的 UP 主视频评论区自动化高赞回复分析
- 背景 BGM 与音源轨度的分离深度识别
本项目采用 GNU General Public License v3.0 授权。
由于项目依赖 bilibili-api-python，仓库整体按 GPL-3.0 发布。
欢迎提交 PR 和 Issues。如果觉得有用，给个 Star 就是最大的支持。