前言¶
在 DSH 里长时间开着对话或写代码时，很多人会顺手刷 B 站推荐流。推荐流按平台自己的逻辑排序，和「此刻想看的主题」往往对不上；反过来，自己搜关键词又容易掉进播放量陷阱，标题党和高播放并不等于值得看。
dsh-bili-jar（仓库名，界面叫「电子榨菜罐」）是社区维护者 Debuger-114514 发布的 DSH 联网工具类插件：在界面右下角挂一只罐子，按你配置的兴趣轴去 B 站搜索，用互动率而不是播放量排序，再把候选交给 DeepSeek 挑五条并写推荐理由。它不替代 B 站客户端，而是给 DSH 桌面/Web 会话旁加一个可复现的「今日片单」流程。
插件目录页：https://www.skillhub.cn/plugins/Debuger-114514/dsh-bili-jar；源码与说明：https://github.com/Debuger-114514/dsh-bili-jar（README 显示当前 npm 版本 0.2.3，MIT 许可）。
这是什么¶
一句话：DSH 插件，右下角常驻小挂件，点开是「今天该看的 B 站视频」——搜索、打分、累积池、模型策展一条龙。
和「直接用 B 站首页推荐」的区别在于：搜索词来自你自己的兴趣轴（可预设也可扩展），排序主看赞/币/藏/弹幕相对播放的比率，跨天把没看完的好候选留在池子里；最后一步才调用大模型从高分候选里选五条，理由只描述内容，不把数据写进文案。
核心功能¶
兴趣轴与搜索¶
- 按你填的兴趣轴（README 举例：
deepseek、时政、历史等任意主题）去 B 站搜索。 - 一轮流程里，每根轴约 3 个搜索词（其中 1 个按小时轮换）；文档示例为 4 根轴约 9 次搜索，约拉回 180 条结果。
- 装好即带 30 根预设兴趣轴（游戏、音乐、知识、科技等）和 68 个子簇；设置页可点「＋ 游戏」整根加入。用户自定义轴树写在
~/.dsh/bili-jar/axis-tree.json，不改动出厂预设。
互动率打分与候选池¶
- 硬过滤：时长、播放门槛、充电专属、直播回放、日期窗口（默认 14 天，设置里填
0表示不限）以及贴不上任何轴的内容会被剔除。 - 打分权重（README 给出的公式）：互动率 0.39、贴轴 0.30、新鲜度 0.10、小众 tag 0.06、字幕 0.06、播放 0.05、多轴 0.04；前 12 名会回查真实投币数后重算。
- 候选与上一轮池子合并，同一 BV 只更新数据，方便「今天没搜到的，明天被别的词带出来还在」。
模型策展与降级¶
- 只把打分前 24 条交给模型，让它挑 5 条并各写一句理由（文档说明：给全池子调用成本大约高十倍，效果未必更好）。
- 需要你自己配置 DeepSeek 官方 API Key；README 估算一轮「换一批」大约 ¥0.004–0.01，并按官方峰谷时段记账（见仓库「记账」一节）。
- 未配置模型或调用失败时，退回纯规则挑片：每根轴先挑相似度 ≥0.85 的一条，同轴最多 2 条、同 UP 最多 1 条，片单不会空着。
界面与交互¶
- 前端在右下角展示罐子；可小窗播放、对卡片 👍/👎（攒够 20 条反馈后开始影响打分）。
- 点击标题、「打开」或「小窗」记为已观看，从推荐、关注和待看中移除；「历史」保留最近 10 条观看记录。
- 三套语气预设（鲸鱼女仆 / 正经简报 / 损友吐槽）和四档头像；B 站登录可选，主要用于 AI 字幕，凭证落在插件自己的目录。
安全与数据落盘¶
插件 README 写明：HTTP 只监听 127.0.0.1，跨站请求拒绝；API Key 明文存在 ~/.dsh/bili-jar/config.json，接口只展示 sk-••••后四位；出站仅为 bilibili.com 与你配置的模型 API，不收集遥测。
主要文件均在 ~/.dsh/bili-jar/：config.json、feed.json / pool.json、reasons.json、usage.json、feedback.jsonl、history.json、credential.json 等。
环境与依赖¶
- DSH：
dsh ≥ 0.1.7（package.json的 engines 为dsh >= 0.1.7-rc.1）；装完需重启一次（插件在 bundle 层组装）。 - Node：
>=22。 - DeepSeek API Key：策展与写理由时使用；可选 B 站扫码登录。
安装与启用¶
桌面版 desktop profile 不允许用 CLI 装插件，需手改 ~/.dsh/profiles/desktop/package.json 并 link 本地路径，例如：
// ~/.dsh/profiles/desktop/package.json
{
"dependencies": { "dsh-bili-jar": "link:D:/你的路径/电子榨菜罐" },
"dsh": { "profile": { "bundles": ["@deepseek-ai/dsh-base", "dsh-bili-jar"] } }
}
然后在 profile 目录执行：
cd ~/.dsh/profiles/desktop && pnpm install
其他 profile 使用官方命令：
dsh plugin --profile web add dsh-bili-jar
装完重启 dsh，再刷新页面。
安装前建议自行浏览仓库源码与 MIT 许可证；插件以当前 dsh 进程权限运行，会读写本机 ~/.dsh/bili-jar/ 并调用你配置的 API。
第一次用¶
- 点罐子 → 设置 → 填写 DeepSeek API Key。
- 把默认兴趣轴改成自己的口味（README 说明默认四根是作者个人偏好）。
- 回到「推荐」，点「换一批」。
日期窗口可在设置里改「日期窗口（天）」；填 0 表示不限，此时新鲜度按 365 天软衰减处理老片。
自检与排障¶
仓库 tools/ 提供若干脚本，例如：
node tools/why.mjs BV1xxxxx # 某条视频为何没进罐子
node tools/feed.mjs 10000 0 # 跑一次建池并打印片单
README「已知的限制」里提到：时政区不少视频无 tag、赞踩学习较粗、预设子簇个别词不干净等，使用前可先扫一眼避免预期偏差。
适用场景与注意¶
适合：已经在用 DSH（Web 或 desktop bundle）、愿意用少量 API 费用换「按自己轴定向 + 互动率筛选 + 五条带理由片单」的用户；不想碰 B 站推荐流、又需要可解释挑选过程时，这套流水线比随手搜更可控。
注意：
- 成本与 API Key 由你自己承担；峰谷计价规则以 README「记账」表为准。
- B 站 cookie、API Key 均存本机；若在共享机器上跑 dsh，需评估目录权限与是否启用「复用刷B站的登录」（默认关）。
- 社区目录 skillhub.cn 与 DeepSeek / 幻方无官方从属关系；插件为第三方开源项目，星标等元数据以各站点当时展示为准（线索中 GitHub 约 5 stars）。
结尾¶
dsh-bili-jar 把「兴趣轴搜索 → 互动率打分 → 跨天池子 → 模型挑五条」固定成一套可重复操作：罐子负责常驻入口，规则负责大部分筛选，模型只处理小批量策展。若你要在 DSH 工作流里接 B 站消费，可以从目录页查看条目说明，并在 GitHub 阅读完整 README 与 docs/presets.md、docs/tag-tree.md 再决定是否安装。
