抖音推薦影響器：讓 AI 替你按讚與略過，自動調校推薦流

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

抖音推薦影響器（Douyin Smart Feed Assistant）是一支安裝在瀏覽器裡的開源油猴腳本，做的事情用一句話就能講完：你在它的面板裡寫下想看與不想看的內容規則，腳本把推薦流裡每支影片的標題、作者與標籤丟給你自己選的大型語言模型（LLM）判讀，再依照判斷結果替你按讚、略過或點下不感興趣。推薦系統靠互動訊號學習，這支腳本等於把「訓練資料」的生產線自動化了。它適合已經在用抖音網頁版、願意花一點 API 費用把自己的推薦內容朝特定方向推的人；對把帳號安全放在第一位的人就不合適，因為作者在免責聲明裡寫明，這類自動化可能違反平台服務條款，帳號被限制的後果全由使用者承擔。範圍也要先劃清楚：抖音是字節跳動在中國大陸營運的短影音平台，與海外版 TikTok 是兩個不同的 App、不同的內容池，這支腳本只在抖音網頁版生效，TikTok 用戶不在它的服務範圍裡。專案以 MIT 授權開源，原始碼完整放在 GitHub 上。

TechMoon 先前介紹過 dYm 這類抖音離線歸檔工具，方向是把看過的內容留一份在本地資料庫；這支腳本的方向剛好相反，它調校的對象是你還沒看到的那一批推薦。

它操作的是平台自己的互動訊號

市面上多數內容管理擴充功能走的是遮蔽路線：在你眼前把不想看的元素藏起來，演算法根本不知道你不滿。這支腳本什麼都不藏。翻開它的動作執行層，三個操作被實作成對頁面派發鍵盤事件：z 鍵觸發按讚、r 鍵觸發不感興趣、下方向鍵切到下一支影片，每個動作前先隨機觀看 2 至 4 秒。也就是說，它操作的是平台自己設計的互動訊號，推薦系統收到的就跟你親手按的一樣。

主迴圈的設計也圍繞這個邏輯展開。預設每次運行 15 分鐘，時間到自動停止；每支影片有 8% 的機率被隨機跳過、不做任何判斷；AI 呼叫失敗最多重試 3 次；若是頁面結構對不上、找不到當前影片的資訊，腳本會連按兩次下方向鍵嘗試恢復。這些隨機化參數的存在本身就是一個訊號：純機械式的互動節奏容易觸發平台的風控模型，擬人化程度是被當成功能來設計的。

拿同樣「幫你對平台批次做動作」的工具對照會更清楚。bilibili-block-extension 這類批次封鎖擴充走的是斷源頭路線，把一批帳號封鎖掉讓那些創作者不再出現；這支腳本則把訊號餵回去，創作者照樣出現在你面前，你只是持續告訴演算法想看什麼。兩條路線可以並用，但成本結構不同：封鎖名單要自己維護，回饋訊號的判斷則交給模型與你寫的規則。

還有一個直接影響使用體驗的限制：腳本依賴對頁面派發鍵盤事件與讀取畫面上的元素，分頁切到背景或視窗最小化之後，計時與頁面反應都不可靠，README 明講運行時必須保持抖音分頁在前景可見，鎖屏與休眠都會中斷。想常駐背景默默跑的人，這裡就先打住了。

AI 只看得到標題、作者與標籤三行字

送進模型的判斷材料，是影片標題、作者名稱與標籤三個欄位拼成的一段文字，就這樣。提示詞會把你寫的三條規則（按讚、忽略、不感興趣）連同這段文字一起送出，並且特別警告「標籤可能包含干擾或對不上該影片標題的資訊」，要求模型只回 JSON 格式的動作代號與簡短理由，不要輸出推理過程。回應解析先抓 JSON，抓不到就降級成字串比對，內容裡出現 like 或讚的字樣就當作按讚，其餘類推。

這個設計決定了判斷品質的上限：畫面、聲音、字幕這些影片真正的內容，從頭到尾不在材料裡，模型判讀的是中繼資料。短影音平台的標題又偏偏常有標題黨甚至幾乎無意義的字句，標籤被作者亂下的情況也不罕見。GitHub 上 2026 年 2 月就有人開 issue 直指這一點，問能不能讓規則讀到更多內容，討論串裡有其他用戶補上從影片畫面取樣、字幕擷取、音訊分析這些技術方向，從側面印證判斷材料現況只到中繼資料這一層。FAQ 也提醒別選推理型模型，理由是慢跟貴，還容易只給思考過程不給答案，建議用 chat、flash、lite 這類低成本模型，一個「這支影片要不要按讚」的判斷確實用不上長篇推理。

金鑰留在瀏覽器裡，帳單也落在你身上

這支腳本不附帶任何模型服務，走自備金鑰（BYOK）路線。面板內建六家供應商預設：OpenAI、DeepSeek、Kimi、通義千問、智譜 GLM、Google Gemini，另外允許填任意 OpenAI 相容端點，官方文件甚至示範了接本機代理的做法。金鑰與全部設定存在瀏覽器本地的腳本儲存空間，AI 請求由瀏覽器直接連到你填的端點，原始碼裡找不到作者的中間伺服器。不過連線白名單裡掛了萬用字元，這是讓自訂端點能動的必要代價：腳本技術上可以對任意網域發請求，你填哪個端點，影片的標題作者標籤就送到誰家。隱私邊界可以這樣總結：金鑰與影片中繼資料走同一條通道，送到哪裡由你填的端點決定，作者碰不到任何一段。

成本量級可以抓個概念。預設請求參數是溫度 0.3、單次回應上限 500 token、關閉串流，一次運行 15 分鐘能處理的影片數量有限，多數供應商又有新用戶免費額度。作者宣稱的付費量級是人民幣 1 元可以處理一千次以上的判斷；這個數字無法獨立驗證，但它至少說明了選對便宜模型時成本負擔很低，真正的變數是你跑的頻率與選的模型單價。如果你本來就把 DeepSeek 金鑰拿去跑各種腳本，搭配 DeepSeekMonitorWindows 這類 Windows 桌面用量監控工具盯餘額與消耗曲線會比較安心。

九套預設模板，其中一套是鈍器

不想自己寫規則的人可以直接選內建模板，原始碼裡共九套（repo 原文為簡體中文，以下為繁中對照）：破除資訊繭房、小學內容引導、中學內容引導、效率與知識、新聞與時事、健康生活、藝術審美、美女審美、帥哥審美。有兩個細節要點出來。README 摘要把小學與中學兩套合稱青少年內容引導，原始碼裡其實是兩套各自寫死的規則，對內容取向的描述都超過一百字，從科普、歷史到品格養成列得相當具體，看得出家長引導是認真設計過的場景；美女審美與帥哥審美兩套也明明白白在程式碼裡，這提醒你機制本身對目標沒有立場，引導小孩看知識內容與單純想看帥哥美女，是同一組開關的不同參數。

「破除資訊繭房」這套值得攤開看，因為它跟名字給人的期待落差特別大。它的按讚規則就一行「不點讚」，忽略與不感興趣兩條規則都是「任意點擊」。換句話說，這套模板的策略是停止供給任何正向訊號，再隨機壓制現有的內容，賭推薦系統在既有偏好被壓掉之後重新探索別的方向。它比較像重置鍵，稱不上智慧多元化；想把內容池真正換個方向，效率與知識、新聞與時事這類寫了正向規則的模板反而更直接。真正想讓推薦系統別再自作主張的人，訂閱制是更徹底的路：Topfeed 這類 RSS 收件箱把內容來源換成你自己訂的網站與電子報，沒有推薦也沒有廣告。調校回饋訊號與改走訂閱制，其實是同一個不滿的兩種解法，一個想馴服演算法，一個想繞過它。

沒有人保證效果，風險的歸屬倒是寫得很清楚

官方文件對效果的說法都出自作者立場：README 寫道在網頁版跑過之後，同一帳號在不同裝置上的推薦內容都會有不同程度的改變，並建議產生效果後即可解除安裝。這個建議把腳本定位成一次性的調校動作，用完就走，不打算常駐；FAQ 對封號風險的回答是測試帳號未出現明顯問題，但作者無法保證任何自動化工具的安全性，建議先用非主力帳號小規模驗證。用戶端的反例也存在：2025 年 11 月有人回報網頁版推薦變了、手機 App 卻維持原樣，清理快取等了一天也沒變；官方文件的限制段也承認，網頁版與手機端的推薦形態本來就不完全同步。跨裝置效果這件事，目前只有作者宣稱與零星用戶回報，沒有保證。

風險分配倒是少見地坦白。專案免責聲明直接寫：使用本工具可能違反抖音平台的服務條款，帳號被封鎖、限流、資料遺失等後果作者不承擔任何法律責任，使用者唯一的補救手段就是停止使用。把這段拿來與機制對照，讀起來會更有感覺：腳本內建隨機觀看時長與跳過機率，正是因為純機械式的互動節奏容易被風控辨識，擬人化參數本質上是在跟平台的風控模型賽跑，而這場賽跑沒有人能替你押注結果。

油猴腳本、一組 API 金鑰，再加上網頁版帳號

前置作業從腳本管理器開始：Tampermonkey 或 Violentmonkey 擇一裝好，再從 GreasyFork 編號 553873 的安裝頁或 GitHub 上的發布產物安裝，兩處目前都是 2.3.5 版。接著到你想用的供應商後台申請一組 LLM API 金鑰，在腳本面板裡選供應商預設、抓取模型清單、測試連線三步做完就能用，作者的入門建議是 DeepSeek。最後把抖音網頁版的推薦頁右下角自動連播關掉，讓腳本自己控制換片節奏，運行時分頁保持在前景。安裝完成後頁面右側會出現浮動的控制面板，運行日誌分頁能看到已處理、按讚、略過、不感興趣的即時數字。

Pin

判斷有沒有生效，觀察點是推薦流的主題組成，單支影片什麼也說明不了。跑完一輪 15 分鐘後隔天再回來看內容分布，比盯著當下畫面有意義；若是跑一輪就急著下結論，很容易把自然波動誤認成調校成果。

MIT 授權，從單檔腳本長成有測試的專案

這個專案 2025 年 10 月下旬建立，作者自述起點是直接寫在油猴編輯框裡的單檔腳本，後來整個重構成 TypeScript 原始碼樹，有單元測試、有建置腳本，發布產物維持單一 user.js 檔案，版本號統一由套件定義檔注入。到 2026 年 8 月中，repo 累積 189 個 star，最新版本 2.3.5 在 2026 年 6 月初發布，之後沒有新的提交紀錄，處於維護停頓狀態；GreasyFork 上的版本與 GitHub 同步。MIT 授權的 LICENSE 檔案確實存在，版權行寫著 2025 年的作者名，要 fork、改造或再散布，法律基礎是清楚的。

Pin

另一個脆弱點在選擇器。腳本靠一組 CSS 選擇器從抖音頁面抓標題、作者與標籤，其中包含抖音混淆過的動態 class 名稱，前端一改版就可能整組失效，官方文件為「無法定位當前影片」這類症狀寫了整段故障排除指引，問題回報主要走 GitHub Issues。這是所有依賴第三方頁面結構的腳本共同的宿命，差別只在作者修得快不快，而這個專案目前兩個多月沒有動靜，安裝前要有它可能隨時失效的心理準備。

回到最初的問題：要不要裝。這支腳本把「推薦系統可以被餵訊號」這件事做成了看得到原始碼的實驗，材料透明，金鑰與風險都自理，是它值得一看的原因；至於要不要拿自己的帳號當實驗品，免責聲明已經替你把代價標好了。