Skip to main content
Glama
bilibili-info-gathering

bilibili-info-gathering

README.md
<h1 align="center">bilibili-info-gathering</h1>

<p align="center">
  <a href="README.md"><b>简体中文</b></a> · <a href="README.en.md">English</a>
</p>

<p align="center">
  <b>从一个议题出发,把 B站上的散落证据收成一张可核对的地图。</b><br>
  <sub>不写「这条视频讲了什么」,只回答「这件事该怎么看、凭什么」。</sub>
</p>

<p align="center">
  <a href="https://github.com/DavidLearning1023/bilibili-info-gathering/actions/workflows/tests.yml"><img alt="tests" src="https://github.com/DavidLearning1023/bilibili-info-gathering/actions/workflows/tests.yml/badge.svg"></a>
  <img alt="version" src="https://img.shields.io/github/v/release/DavidLearning1023/bilibili-info-gathering?label=version&color=6E56CF">
  <a href="LICENSE"><img alt="License: MIT" src="https://img.shields.io/badge/License-MIT-yellow.svg"></a>
  <img alt="Python 3.11+" src="https://img.shields.io/badge/python-3.11%2B-blue.svg">
  <img alt="MCP stdio" src="https://img.shields.io/badge/MCP-stdio-6E56CF.svg">
</p>

<p align="center">
  <a href="#试试看">试试看</a> ·
  <a href="#30-秒判断要不要用">适合谁</a> ·
  <a href="#它解决什么问题">为什么需要</a> ·
  <a href="#和别的-b站-mcp-不是一类东西">有何不同</a> ·
  <a href="#快速开始">快速开始</a> ·
  <a href="#已知限制">已知限制</a> ·
  <a href="#参与与反馈">参与</a>
</p>

<p align="center">
  <img src="assets/preview-report.png" alt="真实产出:首屏就是报头与「一、结论」——三条挂着具体证据(赞数、楼数)的判断直接可见,评级口径块排在结论之后、第一次出现评级之前" width="740">
</p>

<p align="center">
  👀 上图是<b>真实产出</b>的开头,不是示意图。<br>
  <a href="examples/20261021-主流二游社区·B站信息深入报告(第二轮).html">看完整的一份深入报告(93 KB 单文件 HTML,可直接打开)</a>
</p>

<p align="center">
  <sub>Topic-level evidence gathering from Bilibili: dual-axis source grading, conflicts listed side by side, gaps declared, retrieval protocol replayable. An MCP server plus a methodology skill for agents.</sub>
</p>

---

## 试试看

装好之后([快速开始](#快速开始)),你对 Agent 说的**第一句话**长这样——把引号里的换成你的议题就行:

```
帮我在B站了解「普通人的投资建议到底靠不靠谱」。
```

**你不需要指定力度**——**措辞定基础档,议题复杂度定要不要加码**:

| 你说 | 它做什么 |
|---|---|
| 「帮我在B站了解 X」 | **L2 深挖**:10–20 分钟,产出 md + HTML + PDF |
| 「**简要**了解一下 B站的 X」 | **L1 速览**:3–5 分钟,只出 md |
| 议题里有 **8 个以上可比对象**(角色/产品/城市)或本身是**排序/谁更** | 自动升 **L3 攻坚**:先做一张可复现的矩阵,再给结论,25–45 分钟 |

> 背景里可以贴 BV 号当线索(`帮我在B站了解X。背景:BV1fxni6XEwD`),
> 但**不构成**分析请求——那是议题的线索,不是"帮我总结这条视频"。

L2/L3 的产物开头长这样(上面那张图):**3–5 句结论,每条都挂着具体证据**(赞数、楼数,需要时给到 BV 号);
最后那句「本轮唯一可核验的硬数字…**单一来源,未交叉验证**」——**主动降级自己的结论**,是这套流程的核心纪律。

---

## 30 秒判断要不要用

| 你想做的事 | 它做吗 | 该用什么 |
|---|:---:|---|
| 「B站上大家对 **X** 怎么看」「有没有人做过 **X**」 | ✅ **这就是它** | 本项目,深入或简要 |
| 「这条视频讲了什么,帮我总结」 | ❌ 不做 | [bilibili-video-analysis-summary](https://github.com/DavidLearning1023/bilibili-video-analysis-summary) |
| 「帮我把几个 B站 视频的评论抓下来」 | ⚠️ 能抓,但你不需要方法论 | 现成的取数型 MCP 更轻 |
| 「按天监控某个 UP 主 / 关键词的热度」 | ❌ 不做 | 定时日报类工具 |

**一句话边界**:它服务的是「**要拿结论去争论、或写进给第三方看的材料**」的人,
不服务「三分钟想要个答案」的人。后者用它只会觉得慢。

---

## 它解决什么问题

直接用「搜一下、读几条」的方式在 B站上做调研,会以五种很具体的方式失败:

| 你会撞上的坑 | 本项目的对策 |
|---|---|
| **样本有偏** —— 搜 10 条就以为看全了 | 多词族广扫 + 声明检索范围与偏差(工具返回 `bias_note`) |
| **评分失焦** —— 大 UP 跨领域发言 vs 无名用户贴政府统计原文,都变成「中等」 | **双轴评级**:来源 A–F × 可用度 1–4 |
| **伪共识** —— 10 条搬运互相复述,看起来像「大家都这么说」 | **冗余度标记**:原创 / 冗余 / 冲突 |
| **停不下来** —— 「广度优先」退化成「一直搜下去」 | **离场规则三档**(列表级 / 内容级 / 议题级) |
| **重复劳动** —— 同一个视频被分析三遍 | 视频索引 + 信源库,跨议题复用 |

方法论不是自创的,是从四个成熟体系里拼出来的:REA 快速循证评估(英国 GSR / Cochrane)、
Admiralty / NATO 情报评级、信息觅食理论(Pirolli & Card, 1999)、SIFT / 侧读(Caulfield)。
推导过程在 `references/`,不是一句「参考了业界最佳实践」。

---

## 和别的 B站 MCP 不是一类东西

市面上的 B站 MCP 都做得不错——以 [`@xzxzzx/bilibili-mcp`](https://github.com/xzxzzx/bilibili-mcp)
为代表,它们**都在取数层**:把搜索、评论、字幕变成结构化 JSON。
本项目也做这件事(14 个工具),但真正的差别在后面一层——

| 维度 | 取数型 MCP(如 `@xzxzzx/bilibili-mcp`) | 本项目 |
|---|---|---|
| 回答的问题 | 「把数据拿给我」 | 「**这件事该信谁、还差什么**」 |
| 输出 | 原始 JSON | 结论 + 信源地图 + 冲突 + 缺口声明 |
| 评级 | 无,或单一分数 | **双轴**:来源可信度 × 议题可用度 |
| 冲突 | 混在正文里,读者自己发现 | **单列一节**,两边都摆,不下结论 |
| 不知道的部分 | 通常不说 | **三类缺口**,每一类都能行动 |
| 可复现 | 难 | 检索协议 + 调用账本落盘,数字可复算 |

**「冲突单列」长什么样**——这是取数型 MCP 不会给你的东西。同一份真实产出里的 3-A:

<img src="assets/preview-conflict.png" alt="冲突与未收敛处:A 方说法 / B 方说法 / 我的处理 三列对照,两边都列出证据来源与赞数,右侧只写处理方式不裁决" width="740">

两者的关系是**可以同时装**:14 个工具名与上游**没有重名**。
分工上,MCP 只负责「拿到干净的数据」,判断全部留给方法论 skill——
因为评判标准取决于议题和用途,写死在代码里只会僵化。

> 单条视频精读继续用上游那个;本项目一律用本项目的 MCP。详见
> [INSTALL.md 第六节](INSTALL.md#六与上游-xzxzzxbilibili-mcp-的关系)。

---

## 架构:MCP 做手,skill 做脑

```
        ┌──────────────────────────────┐
        │  SKILL.md  判断层(方法论)   │   双轴评级 / 离场规则 / 冗余度 / 综合
        └──────────────┬───────────────┘
                       │ 调用
        ┌──────────────▼───────────────┐
        │  MCP server  取数层(确定性) │   搜索 / 评论 / 字幕 / 弹幕 / 图片 / 资产库
        └──────────────────────────────┘
```

这个分层有一个可验证的好处:**换模型不掉证据标准**。
判断由强模型做,但每一层的输入输出都是结构化字段,所以结论能被别人拿着账本复核。

---

## 三档力度:L1 速览 / L2 深挖 / L3 攻坚

**措辞定基础档,复杂度决定要不要加码。** 系统不会反问你要哪一档;
判档不看用户,看议题本身(主体多不多、要不要排序)。

| | **L2 深挖**(默认) | **L1 速览** | **L3 攻坚**(自动或点名) |
|---|---|---|---|
| **你怎么说** | 「帮我在B站了解 **X**」<br>「B站上关于 **X** 有什么」 | 「帮我**简要**了解一下 B站的 **X**」<br>「**快速**说说 B站上关于 X 的风向」 | 不用你说——**主体 ≥8 个 / 比较排序类 / 词族封顶 / 已有轮次留缺口** 时自动升;说「**全面/逐个/彻底**」也升 |
| **它多做什么** | — | 砍通道与流程,不砍判据 | **换测量单位做矩阵**(N 个主体 × 1 次检索)+ 15–25 个子代理画像 + 补做轮 |
| **你会得到** | 决策层结论 + 完整证据链<br>(信源地图 / 发现 / 冲突 / 缺口 / 偏差声明)<br>**md + HTML + PDF** | 结论 + 关键发现 + 主冲突 + 最大缺口<br>**默认只出 md** | 同 L2,外加一张**可复现的排序矩阵**与逐主体画像 |
| **大约** | 10–20 分钟 / 约 40 次工具调用 | 3–5 分钟 / 约 10 次工具调用 | **25–45 分钟 / 600–1,600 次上游请求** |

> **为什么会有 L3**:2026-10-26「二游超人气角色」第一轮(206 候选 / 13 条深挖 / 11 个子代理)
> 仍被判"不够全、不够深"。转折点不是多读几条,而是第 2 轮把测量单位从"13 条视频"
> 换成"42 个角色 × 1 次检索"——那一轮的上游调用(141)比第 1 轮(372)**还少**。
> 规则写在 `references/analysis-depth.md`:**每次升级必须新增一根轴,而不是多读几条。**

> **「工具调用」不等于「上游请求」**:一次 `scan_topic` 内部要按关键词逐个打上游,
> 所以 40 次工具调用会对应 300 次左右的上游请求。两个口径都在报告 §五 和账本里分开列,
> 不做换算,也不混用。

两者**不是「质量高低」,是「样本多少」**:

- L1 砍的是**通道**(不拉字幕、不抽帧、不跑 ASR)和**流程**(不做反证、不做归簇、不落检索协议)
- 它**不砍证据标准**——评级、交叉验证标记、偏差声明照样给

**样本少,但话要算数。**

> **什么时候用简要**:你只需要一个可信的风向,用来判断「值不值得再花十几分钟做深入」。
> **什么时候必须用深入**:这份产物要拿去跟人争论,或者写进要给第三方看的材料。

---

## 产出:长什么样、放在哪

**报告不进 `.registry/`**(那是机器资产,以点开头、默认隐藏)。所有给人读的产物
落在项目根目录的 **`分析报告库/`** —— 中文名,因为它的读者是**你**,不是代码。

```
分析报告库/
└── 20261022-深入分析-主流二游社区/
    ├── 主流二游社区·B站信息深入报告.md      ← 唯一真源(Agent 手写)
    ├── 主流二游社区·B站信息深入报告.html    ← 脚本生成,单文件、无外部依赖
    └── 主流二游社区·B站信息深入报告.pdf     ← A4 打印
```

| 命名位 | 规则 | 例 |
|---|---|---|
| 日期 | `YYYYMMDD`,同议题多轮各占一个目录,**不覆盖** | `20261022` |
| 模式 | `深入分析` / `简要分析` | `深入分析` |
| 议题 | 照录你的说法(Windows 非法字符替换成 `-`) | `主流二游社区` |
| 文件名 | 深入 → `·B站信息深入报告`;简要 → `·B站信息简报` | `主流二游社区·B站信息深入报告.md` |
| 一级标题 | **只写议题名**,不带模式后缀(报头 kicker 已标模式) | `主流二游社区(第二轮)` |

> 路径**由代码算**:`python -m big.cli report-path --topic "…" --mode deep --mkdir`。
> 手拼的三种典型错误(`2026-10-22` 而不是 `20261022`、`深入` 而不是 `深入分析`、
> 议题里带 `/`)都不会报错,只会让报告散落在两三个目录里。
> 怎么装见下方[快速开始](#快速开始)。

### 报告的结构(顺序不可乱)

| 节 | 装什么 | 为什么在这个位置 |
|---|---|---|
| **一、结论** | 3–5 句判断,不是综述 | 先给「所以呢」 |
| **二、发现** | 按主题聚类;每条带 BV + 时间戳 + 交叉验证。态度类议题末尾附**阵营表** | 证据的主体 |
| **三、冲突与<br>未收敛处** | 两边都列,不下结论 | 本节的存在本身就是结论 |
| **四、缺口与建议** | 三类缺口(结构性边界 / 检索未覆盖 / 本次未做)+ 下一步去哪补 | 让「没查到的」可行动 |
| **五、检索范围<br>与偏差声明** | 词族命中、漏斗数字、算法偏差、**单轮开销** | 让结论可被质疑 |
| **六、信源地图** | 深挖对象 / 入选未深挖 / 淘汰清单(每行带 BV 直链) | 当附录用,核对时才翻 |

> **信源地图为什么在最后**:初版放在 §二,读者读完第一屏就撞上一张 140 行的候选表,
> 真正要看的判断被推到第三屏。**核对发生在读完判断之后**,所以它当附录。
> 它也**同时是可追溯清单**——每行都有直链,不再单列一节。

### 评级怎么读(`B2` 是什么意思)

报告在**§一 结论之后、§二 之前**有一块**读图口径**,由渲染脚本自动生成(所以不会各篇不一致)。
放在这个位置是有原因的:读者打开报告的第一屏应该是结论,而口径必须在**第一次出现评级之前**——§二 的表才用到评级。

| 轴 | 码 | 含义 |
|---|---|---|
| **来源**(信不信得过这个来源) | A / B / C / D / F | 一手权威 / 专业二手 / 一般二手 / 观点型 / 无法判断 |
| **可用度**(对本议题有多少用) | 1 / 2 / 3 / 4 | 直接可用 / 可参考 / 仅背景 / 无关 |

`B2` = 来源 B(专业二手)× 可用度 2(可参考)。两轴**不一定同向**:
大 UP 跨领域发言是 `A4`,无名用户贴出政府统计原文可以是 `F1`。

完整判据见 [`references/source-grading.md`](references/source-grading.md)。

> 另有三个标记:`✅` 多源独立 / `◐` 部分印证 / `⚠️` 单一来源;
> 缺口三类在表里带不同边框。全部含义都在报告顶部那块口径里。

### 交付前自检:只报新问题

```bash
python scripts/render_briefing.py --md "<报告>.md" --check
```

`--check` 查的是"这份报告能不能读":六节齐不齐、顺序对不对、结论有没有写成流水账、
表格单元格有没有当段落用、信源地图编号连不连续。

**但它一开始是没法用的**——判据是从存量报告里反推的,所以 22 份历史报告一口气报出 54 条提醒
(118 处长单元格、7 份编号跳号)。这些是历史产物,不是这次写坏的;一律降级成提示又会让真问题淹掉。
所以报告库根目录有一份 `.check-baseline.json`,冻结"已经存在的软提醒":

| 命令 | 作用 |
|---|---|
| `--check` | 对照基线,**只报新增**(默认) |
| `--check --baseline-update` | 把当前提醒记为存量(单份生效,只用于"确认这批遗留不打算改") |
| `--check --no-baseline` | 忽略基线全量报出(季度盘点用) |
| `--check --strict` | 新增提醒也返回 1(当交付闸门用) |

输出里的 `[WARN]` 就是**这次新写出来的问题**,必改;`[OK](存量 23 处已抑制)`
说明除历史遗留外这份报告是干净的。**硬错(`[FAIL]`)永不进基线**——
它是"这份报告交不了",用基线盖掉等于把体检报告的红字涂掉。

---

## 快速开始

```bash
git clone https://github.com/DavidLearning1023/bilibili-info-gathering.git
cd bilibili-info-gathering
python scripts/install_mcp.py --with-docs   # 建 venv + 装依赖 + 注册 MCP + 自检,一步到位
                                            # 去掉 --with-docs 也能用,只是不出 HTML/PDF
```

要求 **Python ≥ 3.11**;要取字幕还需登录态(**扫码一条命令**,见 [INSTALL.md](INSTALL.md) §2.4)。
装完有两个入口:

| 命令 | 用途 |
|---|---|
| `big` | 命令行:`big scan` / `big video` / `big registry` / `big setup` |
| `big-mcp` | MCP server(stdio) |

**验一下装对了没有**:

```bash
python scripts/check_setup.py
```

它不 mock——会真起一个 stdio server 握手、核对 14 个工具、再跑一次真实联网搜索。
看到这一行就是好了:

```
结果: [OK] 17 项  [WARN] 0 项  [FAIL] 0 项
```

> 完整安装说明见 **[INSTALL.md](INSTALL.md)**:客户端配置写到哪、登录态怎么配、
> 维护者怎么用 junction 直连开发、以及那五个不能删的 `env` 变量。

<details>
<summary><b>MCP 客户端配置(手写时用)</b></summary>

<br>

`scripts/install_mcp.py` 会自动写好。需要手写时,结构如下:

```json
{
  "mcpServers": {
    "bilibili-info-gathering": {
      "type": "stdio",
      "command": "<装好的目录>/.venv/Scripts/python.exe",
      "args": ["-m", "big.mcp_server"],
      "env": {
        "BIG_OUT_DIR": "<装好的目录>/.bigout",
        "BIG_REGISTRY_DIR": "<装好的目录>/.registry",
        "PYTHONPATH": "<装好的目录>/src",
        "PYTHONIOENCODING": "utf-8",
        "PYTHONUNBUFFERED": "1"
      }
    }
  }
}
```

> `env` 那五项**不是可选项**:客户端启动 stdio 子进程时未必带 cwd,
> 而图片目录与资产库路径依赖锚定;编码与缓冲两项则是 Windows 管道下的实测坑。
> 路径示例是 Windows 的 `.venv/Scripts/python.exe`;macOS / Linux 换成 `.venv/bin/python`。
> 详见 [INSTALL.md 第四节](INSTALL.md#四配置详解env-里那五个变量)。

</details>

---

## 14 个工具

工具全部走 MCP,**不做判断**。判断在哪一步做、用什么标准,见 `SKILL.md`。

| 工具 | 用在哪 | 说明 |
|---|---|---|
| `scan_topic` | **阶段 1 入口** | 多关键词搜索 → 去重 → 排序 → 头部候选拉评论,一次调用替代几十次 |
| `search_videos` | 补搜 | 单词族试探 |
| `deep_read` | **阶段 2 主力** | 一次调用聚合四通道:字幕 + 评论 + 弹幕 + 封面,深挖不必逐个试 |
| `get_transcript` | 只取字幕时 | 支持「只读前 20%」与「关键词定位」,省 80–95% token |
| `get_comments` | **观点分布** | 三档 `detail`:`opinion`(只取顶层,省 71%)/ `brief` / `full`;定性、挖评论区也用它,附评论区结构指标 |
| `get_danmaku` | 位置信号 | 密度曲线 / 高重复句 / 披露线索 |
| `get_comment_images` | 读图 | 阈值判读 → 下载 → 联系表(带编号,按号回读原图) |
| `transcribe_audio` | 无字幕时的补路 | 下载音轨 → 本地 ASR 自建转写。**没有后端时返回可执行的安装指引**,不静默失败 |
| `grab_frames` | 字幕错误时的核对 | 段级抽帧(只给时间点,不抽全片)+ 联系表 + 定位自检 |
| `get_metadata` | 兜底 | 广扫用不到(搜索结果自带元数据),只在需 cid 时用 |
| `get_creator_content` | 判断搬运 | 查 UP 主作品列表 / 合集,比对原作者的 mid |
| `scan_untrusted_text` | 评论区加固 | 扫描提示词注入风险,标 `injection_risk`(命中 ≠ 这条在攻击你) |
| `registry_get` | 资产积累 | 读信源库 / 视频索引 / 经验库 / 调用账本 |
| `registry_upsert` | 资产积累 | 写信源库 + 视频索引 + **经验库 `insights`**(跨议题认知,越用越准)+ 调用账本(`kind="cost"`) |

---

## 三阶段流程

<details>
<summary><b>展开:阶段 0 → 1 → 2 → 3 各做什么</b></summary>

<br>

```
阶段 0  议题定义   核心问题 / 关键词族 / 纳入排除 / 预算
阶段 1  广扫       scan_topic 一次调用 → 20–40 条候选 + 头部评论摘要
                   ⛔ 不拉字幕(这是"能广"的唯一原因)
阶段 2  定向深挖   8–12 条(L3 另加 15–25 条 + 30–40 份画像):字幕、弹幕、评论区图片
阶段 3  综合       交叉验证 / 冲突单列 / 结论 / 缺口声明
```

### 两种议题,两套判据

阶段 0 必须先问清意图,这不是礼貌问题——**猜错会让整套流程朝反方向优化**:

| | 态度类(what / why) | 方法类(how) |
|---|---|---|
| 典型问法 | 「大家对 X 怎么看」 | 「X 到底该怎么做」 |
| 点赞率 | **反指标**(火的通常最好消化,不是最有料) | 正指标 |
| 评论区 | **主证据**(常与视频立场相反) | 辅助 |
| 高赞图片 | 多为梗图,只能当情绪证据 | 多为截图实测,可当一手材料 |
| 结论形态 | **阵营表**(谁说什么、各占什么位置) | 方案对比表 |

详细规则见 `SKILL.md` 与 `references/`。

</details>

<details>
<summary><b>展开:它不做什么</b></summary>

<br>

- 不做**跨议题的 UP 主横向对比**(同一批人在不同议题上的表现)——简报的目的是理解这一个议题
- 不做**单条视频的深度拆解**(那是 [bilibili-video-analysis-summary](https://github.com/DavidLearning1023/bilibili-video-analysis-summary) 的事。
  本项目的 HTML/PDF 是**议题简报**的排版形态,不是视频分析报告)
- 不绕过登录、付费、地区限制

</details>

---

## 实测:同一议题,深入 vs 简要

同一天、同一个议题(「社区对 AI 模型娘化与各类二创的热衷」)分别用 L2 与 L1 各跑了一次,
数字来自调用账本 `registry_get(kind="cost", window="runs")`,可复现:

| | L2 深挖 | L1 速览 |
|---|---|---|
| 深挖条数 | 7 条(全部由子代理读) | 3 条(只读评论,不读字幕/图) |
| 工具调用 | 43 次 | 11 次 |
| 上游请求 | 323 次 | 71 次 |
| 输出估算 | 94,916 token | 28,611 token |
| 产物 | 38 KB md / 73 KB HTML / 20 页 PDF | 22 KB md / 46 KB HTML / 12 页 PDF |
| 主动交代的缺口 | 7 类(含「鱼灾」无法量化这类结构性边界) | 5 类 |

**这两轮也暴露了四个真问题**(后来都修了,见 `references/CHANGELOG.md` v1.0.0):
测试往真实账本里记账(116 行假数据)、单轮开销低报 6.8%、简要轮覆盖深入轮的视频记录、
同一议题两轮 14 条可比 BV 里 10 条评级不一致。

> 换句话说:**工具已经能产出可用的报告,但「数字自洽」需要专门验收**。
> 现在这几条都由测试和 `--check` 兜住了,不再靠人眼。

<details>
<summary><b>展开:一个实测带来的设计变化</b></summary>

<br>

原始设计假设「每条候选要单独调一次元数据接口」,于是 20 条候选 ≈ 60–90 次调用,
预算被元数据吃光。实测发现 `/x/web-interface/wbi/search/type` **返回的每条记录自带
aid / mid / 播放 / 弹幕数 / 评论数 / 收藏 / 标签 / 简介**,且 `page_size` 上限是 50。

| | 原设计 | 现在 |
|---|---|---|
| 元数据 | 每条 1 次调用 | **0 次**(随搜索返回) |
| 20 条候选的定性 | 约 60–90 次调用 | 约 13 次 |
| 单次搜索覆盖 | 10 条(某 MCP 工具的 schema 限制) | 50 条 |

省下来的预算不是攒着,而是**换成了更多的样本和更深的评论**。

</details>

---

## 隐私与合规

- 本工具只访问**公开可见**内容:视频元数据、公开评论、公开弹幕、公开字幕。
  不绕过付费、大会员、地区限制或私密内容——读不到就是读不到。
- 默认**不内置任何凭据**。取字幕需要你自己的登录态,通过环境变量
  `BILI_SESSDATA` 或本地文件提供,不写进仓库。
- 评论里的 **IP 属地、昵称、mid 属个人信息**。默认只做聚合统计;
  产物若要对外分享,请去掉 IP 属地分布这类字段。
- `.registry/` 存的是你自己的使用积累,已在 `.gitignore` 里,不要提交。
- 请求默认限速 400ms(`BIG_RATE_LIMIT_MS`)。调快是你自己的选择,412 是 IP 级风控,
  换凭据没用。

**免责声明**:本项目与哔哩哔哩无任何关联,非官方工具。仅供个人研究与学习使用。
请自行确认你的使用方式符合《哔哩哔哩用户协议》与当地法律;**请勿用于商业用途或
大规模数据抓取**。相关风险分析见 [RISK.md](RISK.md)。

---

## 已知限制

| 限制 | 影响 |
|---|---|
| 搜索结果是算法排序,不是随机抽样 | 样本永远有偏,必须在结论里声明(工具会返回 `bias_note`) |
| 楼中楼每层最多取 3 条 | 深层争论看不到;`reply_intensity` 用真值 `rcount`,不受影响 |
| 弹幕无法识别发送者 | 「p[6]=crc32(uid)」已实测否证,只做内容启发式 |
| 字幕多为 AI 字幕 | **不可当引用**,只用于定位;术语错一个后面全错 |
| 本地 ASR 要自己装 | **可选能力**,不装只是无字幕视频转不了;共享运行时是加速路径不是依赖 |
| 接口随时可能变 | 412 / 字段改名会静默降级,见 `references/troubleshooting.md` |
| 同一视频两次分析的评级**可能不同** | 来源字母(A–F)有规则约束 + `--check` 跨报告提醒;**可用度数字相对议题与证据深度,本来就会变**(深入 D2 vs 简要 C2 不一定是错) |
| 「单轮开销」是**输出侧估算** | 用于横向比较(深入 vs 简要、哪个工具最费),**不是账单金额**:它不含输入侧 token,也没乘单价 |
| L1 不读字幕/图 | 结论偏「评论区侧」;涉及「视频说了什么」的判断只能记为缺口,不能补脑 |

---

## 文档索引

| 文档 | 什么时候看 |
|---|---|
| [INSTALL.md](INSTALL.md) | 装不上、想让 Agent 认这个 skill、维护者怎么开发、**本地 ASR 怎么装** |
| [SKILL.md](SKILL.md) | Agent 的判断层规则(三阶段流程、双轴评级、离场规则) |
| [RISK.md](RISK.md) | 风险与合规边界(用之前建议读一遍) |
| [CONTRIBUTING.md](CONTRIBUTING.md) / [English](CONTRIBUTING.en.md) | 想参与贡献(开发环境、测试、commit 规范、PR 自查表) |
| [SECURITY.md](SECURITY.md) / [English](SECURITY.en.md) | 安全边界与漏洞报告方式(**安全问题不要开公开 Issue**) |
| [examples/](examples/) | 一份完整产物的 HTML 渲染样例 |
| `references/mcp-tools.md` | 14 个工具怎么用、参数怎么定、哪些坑 |
| `references/search-protocol.md` | 关键词族怎么设计(阶段 0 决定成败) |
| `references/source-grading.md` | 双轴分级卡、冗余度标记 |
| `references/exit-rules.md` | 什么时候该停手(列表级 / 内容级 / 议题级) |
| `references/opinion-distribution.md` | 评论区观点分布:三轴、四型贴法、偏差声明 |
| `references/context-isolation.md` | 上下文隔离:子代理读原文、只回传摘要的契约与降级路径 |
| `references/subtitle-reliability.md` | 字幕能信到什么程度、ASR 后端怎么找、什么时候该抽帧 |
| `references/briefing-template.md` | 情报简报骨架与输出格式 |
| `references/registry.md` | 信源库 / 视频索引的数据结构与维护 |
| `references/troubleshooting.md` | 取数出问题了先查这里 |
| `references/audience-profiles.md` | 这个 skill 服务谁、不服务谁、企业级场景推演 |
| `references/CHANGELOG.md` | 变更历史(每个坑的来龙去脉都在里面) |

---

## 参与与反馈

这个项目**只有一个人维护**,所以下面几件事对你来说比对我更有价值:

- ⭐ **Star 一下**——不是虚荣心,是让 GitHub 的算法把它推给需要它的人
- 🐛 **[提 Issue](https://github.com/DavidLearning1023/bilibili-info-gathering/issues)**——取数出问题了、评级判据有异议、想要某个议题类型的方法论,都请开 issue
- 💡 **贡献方法论**——`references/` 里的判据(双轴评级、离场规则、观点分布)都可讨论;
  改判据请在 issue 里先讲理由,别直接改
- 🔍 **交叉验证**——如果你拿它跑出了与我不同的结论,**那多半是我错了**,请贴上来

姊妹项目:[bilibili-video-analysis-summary](https://github.com/DavidLearning1023/bilibili-video-analysis-summary)
——单条视频精读,与本项目共用同一套取数层。

**完整的贡献流程**(开发环境、测试命令、commit 规范、PR 自查表)见
[CONTRIBUTING.md](CONTRIBUTING.md);
**发现安全问题**请不要开公开 Issue ⇒ 见 [SECURITY.md](SECURITY.md)。

---

## License

MIT。见 [LICENSE](LICENSE)。

TDQS

A4.2/5.0

Scored across 14 tools

Disambiguation4/5

Most tools target clearly distinct resources (comments, transcript, danmaku, frames, creator content, registry, injection scan). The main overlap is deep_read acting as an aggregator over the single-channel tools (get_transcript, get_comments, get_danmaku, grab_frames), and search_videos vs scan_topic both retrieving candidate videos. Descriptions clarify intended use, so confusion is limited but still possible.

Naming Consistency5/5

All tool names use consistent snake_case verb_noun patterns (get_comments, search_videos, scan_topic, registry_upsert, transcribe_audio, grab_frames, etc.). No mixed casing or radically different naming styles. The pattern is predictable throughout.

Tool Count5/5

14 tools is well within the ideal 3-15 range for this domain. Each tool covers a distinct data channel or registry operation, and the set does not feel bloated. The count supports the multi-channel investigation workflow without excessive surface area.

Completeness4/5

The surface covers the core Bilibili info-gathering lifecycle: search, metadata, transcript, comments, danmaku, frames, comment images, audio transcription, creator content, registry read/write/commit/discard, topic scanning, and injection detection. Minor gaps exist, such as no direct creator/user search or dedicated deletion of individual registry entries, but agents can work around these. Overall the tool set is comprehensive for its stated purpose.

Maintenance

ActivityMaintained
ResponsivenessNo recent community issues