Um Agente de Recomendação Pessoal Direto no Seu Computador

Os algoritmos de recomendação nas redes sociais modernas pararam de funcionar para o usuário há muito tempo. As plataformas otimizam para retenção de atenção, tempo de visualização e impressões de anúncios. Se você assistir a alguns vídeos sobre consertar uma cafeteira, seu feed será inundado com eles pelas próximas duas semanas. Além disso, os dados estão fragmentados: o que você lê no Reddit ou assiste no YouTube não tem conexão com seu perfil em outros sites.

Recentemente encontrei um projeto interessante chamado OpenBiliClaw. Originalmente, o autor construiu um parser e recomendador para Bilibili, mas rapidamente evoluiu a ideia para algo muito mais intrigante: um agente de IA local que agrega seus interesses de dezenas de plataformas, constrói um perfil psicológico e pesquisa conteúdo online de forma independente.

Como funciona nos bastidores

O sistema inteiro opera no princípio local-first. No seu núcleo está um servidor Python local, um banco de dados SQLite e busca vetorial para embeddings via Ollama local executando o modelo bge-m3.

A extensão do navegador intercepta suas reações, favoritos e histórico em sites suportados. Os dados não vão para lugar nenhum: ficam no banco de dados local. A lista de plataformas é impressionante: YouTube, Reddit, X (Twitter), Bilibili, Xiaohongshu, Douyin, Zhihu, Linux. do, Bangumi, V2EX e páginas web comuns.

Em vez de correspondência básica de tags baseada em sobreposição de palavras, o agente constrói um modelo de interesse em cinco níveis (eventos, preferências, padrões de atenção, insights e perfil de personalidade geral). O modelo tenta determinar seu estilo de percepção de informação e até mesmo o tipo MBTI aproximado.

Principais recursos que chamaram minha atenção

Tentando adivinhar interesses ocultos

Os sistemas de recomendação regulares seguem o caminho já bem trilhado da filtragem colaborativa. Se centenas de pessoas assistiram ao vídeo B depois do vídeo A, você verá o vídeo B.

O OpenBiliClaw funciona de forma diferente. O agente tenta construir pontes associativas. Se você está estudando como relógios mecânicos funcionam, o sistema pode sugerir um interesse em arquitetura paramétrica ou design industrial. Ele mistura essas descobertas no seu feed com um rótulo de hipótese. Se você reagir positivamente, o tópico é bloqueado no seu perfil. Se não, o agente simplesmente para de propor.

Explicações de recomendação legíveis por humanos

Para cada cartão de conteúdo, o agente gera uma explicação em linguagem natural. Em vez do rótulo padrão "você pode gostar disso", ele escreve um comentário detalhado como: "Você estava explorando macroeconomia na semana passada, e neste vídeo o autor explica ciclos de dívida usando exemplos de leilões de terras."

Calibração baseada em diálogo

Você pode se comunicar com o agente através de um chat integrado. Se as recomendações saírem do caminho, basta escrever sobre isso em texto. O agente faz perguntas esclarecedoras em estilo socrático, descobre os detalhes e reconstrói imediatamente a pontuação dos candidatos no banco de dados.

Autonomia e privacidade completas

O lado do servidor não requer contas de nuvem de terceiros dos autores do projeto. Todo o histórico de navegação de 30 dias, favoritos e perfis são armazenados em um arquivo SQLite. Para raciocínio, você pode conectar sua própria chave de API para OpenAI, Claude, DeepSeek, Gemini, ou implementar um LLM local via Ollama.

Como implantar e experimentar

Para lançamento básico, os desenvolvedores oferecem binários prontos para macOS e Windows com Ollama embutido, além de scripts de instalação automatizados.

Se você está acostumado a controlar tudo pelo terminal, o projeto pode ser iniciado via uv ou venv padrão:

# 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

No arquivo config.toml, configure chaves para LLM ou endereços de servidores de inferência locais. Então execute a inicialização e inicie o serviço em segundo plano:

# Настройка локальных эмбеддингов
uv run openbiliclaw setup-embedding

# Первичный сбор данных и построение портрета
openbiliclaw init

# Запуск фонового демона и веб-интерфейса
openbiliclaw start

Após a inicialização, a interface web está disponível em http://127.0.0.1:8420/web. Para dispositivos móveis, há uma versão adaptativa em /m/, e o autor está construindo um cliente Flutter em um repositório separado.

Para integração com agentes de IA externos como OpenClaw, Hermes ou Cursor, o repositório inclui um adaptador Agent Bridge. Outro agente pode consultar o OpenBiliClaw via CLI ou WebSocket e enviar artigos interessantes diretamente para o seu chat de trabalho.

Em resumo

O projeto tem um foco específico: uma parte significativa das fontes chinesas (Bilibili, Xiaohongshu, Zhihu) provavelmente não interessará um desenvolvedor lusófono, a menos que você esteja aprendendo o idioma ou acompanhando o mercado asiático.

Por outro lado, a arquitetura está aberta para expansão. Módulos para Reddit, YouTube e web arbitrária já funcionam aqui. A ideia de tirar o algoritmo de recomendação das mãos das corporações para o seu próprio computador e colocá-lo sob o controle de um modelo de linguagem local parece fresca e viável. Se você está cansado de垃圾 no seu feed e quer experimentar com agentes pessoais, o projeto definitivamente vale a pena clonar e explorar.