B站运营自动化落地实践：从手写脚本到 Agent
做 B站内容运营的两年，我的日常围着四件事转。找选题、拆对标账号、看评论区、攒素材。
每一步都不复杂，麻烦在重复。热门榜手动刷，对标主页逐个翻，评论一页页点，素材链接复制到工具里再下载。零零碎碎加起来，一天里最清醒的时间基本都搭进去了。
试过自己写采集脚本。签名、风控、字段变更，三样轮流维护，脚本写完没两周接口就变了一次。后来换了思路，把这条链路交给 Agent，用现成的技能包，自然语言描述需求就能跑。
前后折腾了 1 个多月，链路跑通了。这篇文章记录四个场景的用法、踩过的坑，以及最后留下来的方法。
思路：哪些环节适合自动化
把流程拆开看，四件事的形态都很规整。输入是一个方向或一条链接，中间做搜索、抓取、分析，输出是表格、报告或文件。输入输出固定、中间步骤机械的活，就是最适合自动化的那一类。
对比过两条实现路径。一条是自己写采集脚本，另一条是用现成的技能包。前者的成本在维护，接口签名、风控策略、字段结构，每次变动都要重新适配。所以选了后者。用一套开源技能包，接口的调用细节封在技能里，底层是 Python 脚本，要求 Python 3.6 以上环境。装进 Agent 之后用自然语言触发，不需要额外写代码。
四件事的自动化程度也不一样。搜索和抓取是体力活，交出去最划算；选题判断和分析结论，工具提供素材，拍板还得自己来。分清这两类，哪些该交、哪些该留，就很清楚了。
能力一共 9 项，对应四个环节：
|
环节 |
能力 |
实践用法 |
|---|---|---|
|
选题 |
搜近期视频，热度、最新、点赞三种排序可选 |
|
|
选题 |
每日扫短剧爆款，题材自动聚类 |
|
|
选题 |
日报同款，方向为文旅 |
|
|
选题 |
每日扫 AI 方向爆款，附话题整理 |
|
|
对标 |
按关键词找账号，附粉丝数与等级简介 |
|
|
对标 |
拉任意 UP 主全部投稿，按播放量降序 |
|
|
评论 |
逐页抓评论，四维情感归类 |
|
|
素材 |
搜索后批量解析链接，画质取最高档 |
|
|
素材 |
贴链接取无水印直链，可多条 |
装环境的过程交给 Agent 处理就行，这里重点记录用起来的真实体验。
实操：四个场景的用法记录
每个场景都跑了一段时间，下面按场景记录，话术可以直接复制。
场景一，选题：实时搜索打头
选题有两条路，快的走实时搜索，稳的走每日跟踪。
先看快的。想摸清某个方向最近的水温，一句话：
帮我搜一下B站最近7天「AI绘画」相关的热门视频，按点赞排序返回一张表格，标题、UP主、播放量、点赞、评论、收藏各占一列。几个使用细节值得说。
数据是实时接口拉的，不是缓存，追热点的场合这点差别很大。
点赞、评论、收藏三个数字可以交叉读。评论多的视频有讨论度，适合互动型选题；收藏多的多半是教程干货，适合做长线内容。
排序维度三个，综合热度、最新发布、点赞。时间档位也是三个，7 天、30 天、90 天。追热点用 7 天档，阶段复盘用 30 天和 90 天档。
看数的时候记一条经验，点赞率比播放量诚实。播放量有推荐流量加持，点赞率没有。
发布时间同样有筛选价值。热点选题超过 3 天的内容基本可以跳过，等筛完再动手，风口已经过去了。
搜索词用组合写法更准，比如方向加体裁，比单个大词搜出来的结果聚焦得多。
搜不到结果时会自动扩出 10 个相近词。别急着下结论，换个词往往就搜到了。
方向值得长期跟，就订阅关键词，之后新视频每天自动推过来。
再看稳的。账号定位固定在短剧、文旅或 AI 赛道，日报更省事：
生成今天的B站AI日报扫当日赛道内容，按点赞筛爆款，题材自动聚类，最后出一份深色 HTML 日报，封面图、互动数据、BV 号直链都在。
文旅赛道的日报我连着订过一阵。每天 17 点更新，看了几天就摸出规律，哪些话题持续在榜，哪些冒头一天就没影。
场景二，对标：先圈账号再拆作品
选题定了，第二步找参考。流程分两步。
先圈账号：
帮我搜一下B站「美食测评」领域的账号，按粉丝数排序列表带粉丝数、等级、简介和直播状态，按内容方向自动分组，头部和腰部一眼能分出来。
名单圈定，下一步拆作品：
查一下这个UP主的全部作品，按播放量排序数据实时拉取，播放量从高到低排。什么选题爆了、节奏怎么安排的，翻几页心里就有数。
两步连着跑，省掉的是逐开主页、手翻列表的重复动作。
拆完记得对比播放量最高的几组标题，横向拆两三个账号之后再看，单账号的偶然性就排除掉了，爆款集中在哪类选题上，答案就在那里。
场景三，评论：四维分析读反馈
评论区的价值在于用户真实的声音，这一步用评论分析能力。
把视频链接或 BV 号丢给它：
帮我分析这条视频的评论：BV1xx411c7mD一级评论按页抓，每页 20 条，翻页自动沿用当前视频，不用重复贴链接。
抓完做四维情感分析，积极、负面、需求、竞品分开归类，每类带代表评论。
意外的是它能读懂 B站梗。awsl、yyds、爷青回、下次一定这些词，按语境解释，不会翻成字面意思。
跑完导出深色主题的交互式 HTML 报告，存档、转发都方便。
两种典型用法。UP 主拿它做复盘，搞清楚观众为什么不买账；品牌方拿它排舆情，负面苗头第一页就能拦住。
场景四，素材：批量与单条分工
素材下载分两种场合，要量用批量，要准用单条。
批量场合，搜完自动解析所有链接：
搜索B站「城市漫步」视频，批量获取下载链接不用手动筛，结果里的链接批量解析，画质自动取最高档，视频流、音频流、封面图一并返回。
单条场合，贴链接换无水印直链，支持多条一起贴，最后汇总成功和失败数：
下载这几个链接：<链接1> <链接2> <链接3>分工明确，素材需求大、目标还没锁定时走批量；视频已经选好就走单条。
记住两个提醒。翻页是逐页抓的，翻之前想清楚要什么，别盲翻；直链有效时间大概 5 分钟，拿到手立刻用，别搁置。
补一条素材习惯，下载按来源编号归档，后期找素材时能直接回溯出处。
串起来的工作流
单项能力单拎出来都好用，串在一起就是一条完整的工作流。
日报发现赛道风向
↓
关键词搜索锁定具体选题
↓
账号搜索锁定同赛道对手
↓
作品集拆解爆款规律
↓
评论分析验证用户反馈
↓
下载收集参考素材排起来很简单，早上一份日报过方向，白天一两轮搜索定选题，晚上拆一两个账号。选题不再靠随手刷，每一步都有依据。
原本要耗几个小时的事，现在半小时左右能过一遍。
顺序跑顺之后，运营动作从想起来才做，变成了每天固定要过的流程。
别一上来追求全自动，从最烦的那一步开始，跑顺一步再加下一步。
踩过的坑
记下这 5 个坑，全是实际用出来的，提前知道能省不少回头路。
一号坑，拿站内榜单追热点。热门榜的数据经过加工，刷新有延迟，照着它选题总是慢半拍。现在的习惯是榜单只做初筛，具体选题一律回到实时搜索核实。
二号坑，被播放量唬住。数字高就想对着抄，其实那个数字可以靠推荐流量撑。点赞率不一样，撑不起来。所以现在筛爆款，第一眼先看点赞率。
三号坑，搜不到就当没有。有回搜个生僻词没结果，差点给这个方向判死刑。其实会自动扩词，10 个相近词里换一个就出来大量内容。搜不到先看扩词建议。
四号坑，链接攒着不下载。直链有效期约 5 分钟，有次一次拿了十几条想攒着批量下，回头再点已经失效大半。现在拿到链接当场处理。
五号坑，把报告直接当结论。四维分析给的是线索，不是答案。负面评价得回原评论看语境，需求反馈得判断是不是个别声音。报告负责提效，判断还是自己的事。
留下来的几条方法
列出 5 条，都是反复用之后留下来的。
一，日报看的是连续性。单天榜单说明不了什么，能连着几天上榜的话题才值得跟。日报的价值在积累，不在当天。
二，拆对标看集中度。单看一个账号，看它最火的几条；连拆三个，看它们共同的火点。爆款集中的选题类型，比某条单独爆款更有参考价值。
三，评论先看需求类。四类里信息量最大的是需求，用户亲口说想要什么，就是送上门的选题。负面类要早看，拖得越久处理成本越高。
四，素材先想标准再搜。批量下载最容易攒一堆用不上的东西，先明确画面要求，再动手。
五，顺序别弄乱。选题没定就拆对标，对标没看完就翻评论，都是白费时间。日报、搜索、拆解、评论、素材，这个次序有它的道理。
一点感想
跑了 3 个月，最深的感受是，省下来的不只是时间。
人肉执行的时候，状态好就做得细，状态差就糊弄过去，质量是飘的。流程固化之后，每天的输入输出都稳定，判断的基线也跟着拉齐了。
另一个感受是位置在变。收集和整理被工具接走了，我的时间从找信息挪到了想问题。选题的品味、对用户的判断，这些机器替不了，反而显得更值钱。
再有一点，数据分析的门槛确实在降低。以前复盘要专门工具和人力，现在几句话就能出结果。门槛低了对认真做内容的人是好事，竞争会回到内容本身。
工具是放大器，不是替代品。它放大你的判断，也放大偷懒，前提是流程本身得是对的。
几个常见疑问
Q1：实时搜索和站内搜索有什么区别？
站内搜索的排序逻辑不透明，结果里新旧混杂。实时搜索直接走接口，拿到的都是刚发布的内容，排序维度和时间档位自己定。
Q2：分析报告可以直接当结论吗？
不建议。报告当线索库用，负面和需求两类尤其要回原评论核对语境。它的职责是把几十页评论压成一页，判断这一步还得自己来。
Q3：下载画质有保证吗？
下载时自动取最高可用画质，但上限由源视频决定，低清源出不了高清，这是正常的。直链有时效，尽快用掉。
参考资料
访问时间为 2026 年 9 月。信息来自公开资料与开源仓库。
-
redfox-community 开源技能仓库（https://github.com/redfox-data/redfox-community），文中能力清单与用法说明参考这里的文档
浙公网安备 33010602011771号