B站评论自动回复机器人 Rust + Tauri 桌面版（Windows GUI）
基于 BiliCommentBot (Python Web UI版) 完整移植。
- 🖥️ 原生 Windows GUI：Rust + Tauri 1.x + Svelte 构建，轻量 < 8MB 安装包
- 🤖 自动监控 B 站视频的新增评论
- 🧠 双 AI 引擎：DeepSeek API + Ollama 本地模型，可自由切换
- 📝 链式回复支持（楼中楼）：递归获取并回复多层级子评论
- 🔑 扫码登录：B 站 APP 扫码获取 Cookie，支持手动输入 + 自动刷新
- 👍 回复后自动点赞评论 / 点赞用户最新视频（可选）
- 👥 仅给关注了你的用户视频点赞（可选）
- 🧹 评论过滤：关键词黑白名单、评论长度、用户 UID 黑白名单三重过滤，精准控制回复范围
- 🌐 新手教程向导：首次启动 5 步分步引导 — B站登录 → AI引擎 → 回复设置 → 安全设置 → 完成，也支持一键导入 Python 版所有配置和历史
- 📊 实时仪表盘：运行状态、已回复统计、最近日志，支持「立即检查」手动触发一轮评论扫描
- ⚙️ 配置热更新：修改后立即生效无需重启
- 📜 实时日志查看 + 分级别过滤 + 搜索 + 导出
- 📋 回复历史记录查看 + 分页 + 清除（SQLite 存储，首次自动迁移旧 JSON 数据）
- 🔒 登录密码保护（启动锁屏，bcrypt 哈希，兼容旧版 SHA-256 自动升级）
- 🗑️ 一键清空：将配置、历史、Cookie、日志等所有数据移入回收站（需输入确认文字）
- 🐳 体积轻量：前端 ~25KB gzipped，Rust 后端无运行时
- 下载最新
.msi安装包：Releases - 双击安装，桌面自动创建快捷方式
- 首次启动自动弹出新手教程，分步完成配置
首次启动时会自动弹出向导。整个流程只需 2~3 分钟：
| 步骤 | 内容 | 可跳过 |
|---|---|---|
| 1. 登录 B 站 | B站 APP 扫码 或 手动输入 Cookie，自动验证 | 否 |
| 2. 选择 AI 引擎 | DeepSeek（云端，需 API Key）或 Ollama（本地，可自动检测） | 否 |
| 3. 回复设置 | 前缀、每次处理数、楼中楼、点赞等 | 是 |
| 4. 安全设置 | 设置访问密码保护（SHA-256） | 是 |
| 5. 完成 | 配置摘要确认 → 进入仪表盘 | — |
向导完成后，可随时在侧边栏「配置」页面调整所有设置，「设置」页面可修改密码和检测 Ollama。
- 在新手教程首页选择「📂 从旧版迁移」
- 选择 Python 版
BiliCommentBot项目文件夹（包含config.toml、history.json、bilibili_cookie.json、video_cache.json） - 一键导入所有配置和历史数据，无需重新扫码
环境要求：
- Rust >= 1.75（安装
rustup） - Node.js >= 18
- Windows SDK（Visual Studio Build Tools）
# 安装依赖
npm install
# 开发模式（热更新）
npm run tauri dev
# 生产构建
npm run tauri build
# 输出:
# MSI 安装包: src-tauri/target/release/bundle/msi/
# NSIS 安装包: src-tauri/target/release/bundle/nsis/通过 release.py 脚本一键发版，自动同步版本号、提交、打 tag 并推送触发 GitHub Action 构建和发布 Release。
# 预览模式（不执行任何操作）
python release.py x.x.x --dry-run
# 正式发版（同步版本号 → git commit → git tag → git push）
python release.py x.x.x自动化流程：
release.py校验版本号、检查工作区状态- 自动同步更新
package.json/tauri.conf.json/Cargo.toml中的版本号 - 提交
chore: bump version to x.x.x并推送vx.x.xtag - GitHub Action 监听
v*tag 自动触发：- 构建 Svelte 前端 + Rust 后端
- 生成
.msi+ NSIS.exe安装包 - 按约定式提交自动生成 Changelog
- 创建 GitHub Release 并上传安装包
BiliCommentBot-RS/
├── src/ # Svelte 前端
│ ├── App.svelte # 主入口 + 路由
│ ├── main.js
│ ├── lib/
│ │ ├── api.js # Tauri invoke 封装
│ │ └── stores.js # Svelte stores 共享状态
│ ├── components/
│ │ ├── Sidebar.svelte # 导航侧边栏
│ │ └── Toast.svelte # 通知提示
│ └── pages/
│ ├── Dashboard.svelte # 仪表盘
│ ├── Wizard.svelte # 新手迁移向导
│ ├── Login.svelte # 扫码登录
│ ├── Config.svelte # 配置编辑器
│ ├── Logs.svelte # 日志查看
│ ├── History.svelte # 回复历史
│ └── Settings.svelte # 系统设置
├── src-tauri/ # Rust 后端
│ ├── src/
│ │ ├── main.rs # Tauri 入口 + BotState 初始化
│ │ ├── commands.rs # 19 个 Tauri 命令
│ │ ├── bot.rs # 机器人主循环编排
│ │ ├── config.rs # TOML 配置管理
│ │ ├── cookie.rs # Cookie 扫码/刷新/验证
│ │ ├── app_sign.rs # BiliDroid 签名算法
│ │ ├── bvid.rs # BVID ↔ AID 转换
│ │ ├── http_client.rs # UA 轮换 + APP 参数
│ │ ├── rate_limiter.rs # 指数退避频率控制
│ │ ├── video_fetcher.rs # 视频列表获取
│ │ ├── comment_fetcher.rs # 评论+楼中楼获取
│ │ ├── deepseek.rs # DeepSeek API
│ │ ├── ollama.rs # Ollama 本地模型
│ │ ├── reply.rs # 回复/点赞/粉丝检查
│ │ └── history.rs # 历史记录管理
│ ├── Cargo.toml
│ └── tauri.conf.json
├── package.json
├── index.html
└── .gitignore
配置文件 config.toml（完全兼容 Python 版格式，可直接迁移）：
[bilibili]
cookie = "" # B站 Cookie 或留空扫码
uid = "" # 你的 B站 UID
check_interval = 60 # 检查间隔（秒）
[deepseek]
api_key = "sk-xxx" # DeepSeek API 密钥
model = "deepseek-v4-flash"
[ollama]
base_url = "http://127.0.0.1:11434"
model = "qwen2.5:7b"
[reply]
enabled = true
prefix = "" # 回复前缀
max_process = 10 # 每次最多处理评论数
chained_reply_enabled = true
max_reply_depth = 3
# 关键词过滤（[reply.keyword_filter]）
# 启用后，评论内容命中黑名单则跳过；白名单非空时需匹配白名单才回复
# mode: any（任一匹配）/ all（全部匹配）；match_case: 是否区分大小写
# 评论长度过滤（[reply.length_filter]）
# min_length / max_length，0 表示不限制（按 UTF-8 字符数计数）
# 用户过滤（[reply.user_filter]）
# whitelist / blacklist 为逗号分隔的 UID 列表
[ai]
provider = "deepseek" # "deepseek" 或 "ollama"| 特性 | DeepSeek | Ollama |
|---|---|---|
| 部署方式 | 云端 API | 本地运行 |
| 隐私性 | 评论发送到云端 | 完全本地 |
| 速度 | 取决于网络 | 取决于硬件 |
| 费用 | API 调用计费 | 免费 |
| 切换方式 | 配置 [ai] provider 字段 |
— |
| 特性 | Python Web UI 版 | Rust Tauri 版 |
|---|---|---|
| 启动方式 | python main.py → 浏览器 |
双击 EXE |
| 包体大小 | ~50MB (Docker) | < 8MB (.msi) |
| 内存占用 | ~50-100MB | ~25-40MB |
| 启动速度 | 2-5s | < 1s |
| 新增功能 | — | 新手教程向导、Ollama 支持、双 AI 引擎 |
- 新增「立即检查」：仪表盘新增按钮，机器人运行时可手动触发立即开始下一轮评论扫描，无需等待检查间隔（
trigger_manual_check命令此前为空壳，现已真正生效）。 - 密码保护生效：启用访问密码后，应用启动时弹出锁屏验证（此前密码可设置但从不校验，现已实际拦截，
verify_password命令接入启动流程）。 - 启动状态同步：启动时主动拉取机器人运行状态，修复事件未到达时仪表盘显示陈旧"已停止"的问题（
get_bot_status接入启动流程）。 - 死代码清理：移除从未采用的
HttpClient抽象层、未被调用的decompress解压模块（及flate2依赖）、冗余的CookieManager::new构造器与BotEvent::History事件变体；is_valid_bvid复用进bvid_to_aid输入校验；删除前端从未调用的getHistory/getHistoryGrouped包装函数。 - 新增评论过滤器：从 Python 版同步移植关键词黑白名单、评论长度、用户 UID 黑白名单三重过滤。可在「配置 → 回复」标签页分别开关，命中过滤规则的评论将被跳过，不进入 AI 生成与回复流程。
- 修复回复评论失败：回复/点赞请求未携带会话 Cookie（
SESSDATA），导致 B站判定未登录而拒绝。现已将完整 Cookie 头及Origin/Referer一并附加到 Web API 请求，确保鉴权通过。 - 修复配置编辑不能立即生效：
save_config现即时写入运行时配置（bot_state.config），使get_video_list、check_ollama_availability等命令立即返回新值；主循环排空所有待处理更新并只应用最新一条，且check_interval等待可被配置更新提前打断，新配置无需等到下一轮才生效。
MIT