パソコン上で動作するパーソナルレコメンデーションエージェント

現代のソーシャルネットワークのレコメンデーションアルゴリズムは、ずっと前にユーザーにとって機能しなくなりました。プラットフォームは視聴時間の維持、エンゲージメント、广告インプレッションを最適化しています。コーヒーメーカーの修理に関する動画を2本見ると、その後2週間は関連動画だらけになります。さらに、データは断片化しています。Redditで読んだりやYouTubeで見た内容が、他のサイトのプロフィールと繋がることはありません。

最近、OpenBiliClawという興味深いプロジェクトを見つけました。著者は元々Bilibili用のパーサーとレコメンダーを作りましたが、すぐにずっと興味深いアイデアに進化させました：複数のプラットフォームから興味関心を収集し、心理プロファイルを構築し、自律的にオンラインでコンテンツを搜索するローカルAIエージェントです。

内部的动作原理

システム全体がローカルファーストの原則で動作します。コアにはローカルのPythonサーバー、SQLiteデータベース、そしてローカルOllama（bge-m3モデルを使用）でEmbeddingのベクトル検索があります。

ブラウザ拡張機能が対応网站的反応、ブックマーク、履歴をキャプチャします。データは外部に送信されません：すべてローカルのデータベースに残ります。対応プラットフォームのリストは印象的です：YouTube、Reddit、X（Twitter）、Bilibili、小红书、Douyin、知乎、Linux.do、Bangumi、V2EX、そして通常のWebページです。

単語的重複に基づく基本的なタグマッチングの代わりに、エージェントは5段階の興味モデルを構築します（イベント、偏好、注目パターン、インサイト、全体的なパーソナリティプロファイル）。このモデルは情報認知スタイルを判断し、さらには近似的なMBTIタイプも推定しようとします。

注目した主な機能

隠れた興味を推測しようとする試み

通常のレコメンデーションシステムは、協調フィルタリングのおなじみの道をたどります。数百人が動画Aの後に動画Bを見たなら、あなたにも動画Bが表示されます。

OpenBiliClawは異なる動作をします。エージェントは連想ブリッジを構築しようとします。機械式時計の動作原理を学んでいるなら、システムはその人にパラメトリックアーキテクチャやインダストリアルデザインへの興味を提案するかもしれません。このような発見を仮説ラベル付きでフィードにミックスします。肯定的に反応すれば、そのトピックはプロフィールにロックされます。そうでなければ、エージェントは単に提案を停止します。

人間に読みやすいレコメンデーションの説明

各コンテンツカードに対して、エージェントは自然言語の説明を生成します。標準的な「あなたへのおすすめ」ラベルではなく、「先週のマクロ経済学を探求していたようですが、この動画では著者が土地オークションの例を使って債務サイクルを解説しています」のような詳細なコメントを書きます。

ダイアログベースのキャリブレーション

組み込みのチャットを通じてエージェントとコミュニケーションできます。レコメンデーションが的外れになったら、テキストでそれを書きます。エージェントはソクラテス式で明確化の質問をし、詳細を把握して、データベース内の候補のスコアリングを即座に再構築します。

完全な自律性とプライバシー

サーバーサイドでは、プロジェクト作者によるサードパーティのクラウドアカウントは不要です。30日分の閲覧履歴、ブックマーク、プロファイルはすべてSQLiteファイルに保存されます。推論には、自分のAPIキーを接続してOpenAI、Claude、DeepSeek、Geminiを使用するか、Ollama経由でローカルLLMをデプロイできます。

展開して試す方法

基本的な起動には、開発者はOllamaが組み込まれたmacOSとWindows用の готовыеバイナリを提供しており、自動化インストールスクリプトもあります。

ターミナルで全てを制御する習慣があるなら、uvまたは標準のvenvでプロジェクトを起動できます：

# Клонируем репозиторий
git clone https://github.com/whiteguo233/OpenBiliClaw.git
cd OpenBiliClaw

# Ставим зависимости через uv
uv sync

# Копируем и настраиваем конфиг
cp config.example.toml config.toml
vim config.toml

config.tomlファイルで、LLMのキーまたはローカル推論サーバーのアドレスを設定します。次に初期化を実行してバックグラウンドサービスを起動します：

# Настройка локальных эмбеддингов
uv run openbiliclaw setup-embedding

# Первичный сбор данных и построение портрета
openbiliclaw init

# Запуск фонового демона и веб-интерфейса
openbiliclaw start

起動後、Webインターフェースはhttp://127.0.0.1:8420/webで利用可能です。モバイルデバイスには/m/にアダプティブバージョンがあり、著者は別のリポジトリでFlutterクライアントを構築中です。

OpenClaw、Hermes、Cursorのような外部AIエージェントとの統合には、リポジトリにAgent Bridgeアダプタが含まれています。別のエージェントはCLIまたはWebSocket経由でOpenBiliClawにクエリを送信し、興味深い記事を直接ワークチャットに送ることができます。

まとめ

このプロジェクトには特定の焦点があります：中国語のソース（Bilibili、小红书、知乎）の大部分は、言語を学んでいるかアジア市場をフォローしていない限り、ロシア語を話す開発者には興味を持たれないでしょう。

一方、アーキテクチャは拡張に対してオープンです。Reddit、YouTube、任意のWeb用のモジュールはすでに動作しています。レコメンデーションアルゴリズムを企業から自分のマシンに取り出し、ローカル言語モデルの管理下に置くというアイデアは、新鮮で実行可能です。フィードのノイズにうんざりしていて、パーソナルエージェントを試したいなら、プロジェクトをクローンして探る価値は十分あります。