1、Skill 简介
这是一个帮助内容创作者、品牌方和研究者快速分析 Bilibili UP 主数据的 Skill。只需要输入 UP 主的 UID、用户名或主页链接，就能自动生成包含播放量、互动数据、分区统计、视频类型分析、多维度评分以及 UP 主画像的专业 Markdown 报告。
适合需要了解 UP 主内容表现、评估合作价值、或研究 B 站内容生态的同学使用。
2、使用场景
如果你需要分析某位B站UP主综合画像，使用大模型分析的深度和准确度又不足，那么bilibili-up-analyzer这个skill就是你的得力助手。
以前的做法是：打开 UP 主主页，一个个视频看播放量、点赞数、评论情况，再手动记录到表格里做分析。一个 UP 主要花 15-20 分钟，一天看十几个眼睛都花了，还容易漏掉关键数据。
更头疼的是，看完数据后还要写分析报告，整理分区分布、计算互动率、评估内容质量……一份像样的报告至少要写 1-2 小时。
用这个 Skill 后，我只需要输入 UP 主的名字或链接，等待 1-2 分钟，就能拿到一份包含图表、评分、画像的完整分析报告。现在评估一个 UP 主从 20 分钟缩短到 2 分钟，效率提升了 10 倍！而且报告里的雷达图、分区饼图、趋势折线图表都自动生成了，简单清晰准确且专业。
3、创作过程
做这个 Skill 其实源于我自己的需求痛点。一开始我只是想让 SOLO 帮我写一个脚本抓取 B 站数据，后来一步步迭代成了一个完整的skill。
第一步：明确核心需求
我跟 SOLO 说：“帮我做一个能分析 B 站 UP 主数据的工具，需要获取粉丝数、播放量、分区分布，还要生成图表。”
第二步：解决技术难题
最大的挑战是 B 站 API 的风控。一开始直接用官方接口，结果频繁遇到 -799 和 -352 错误（请求被拦截）。后来 SOLO 帮我实现了 WBI 签名算法，还设计了三层兜底策略：WBI 签名接口 → 非签名接口 → 搜索 API，终于能稳定获取数据了。
第三步：设计评分和画像系统
光有数据不够，还需要专业的分析维度。我让 SOLO 设计了：
-
多维度评分系统（根据 UP 主类型采用不同权重）
-
视频类型自动分类（教程、评测、vlog、混剪等）
-
UP 主画像（创作画像、受众画像、商业价值、成长潜力）
第四步：优化报告展示
最初图表用 base64 内嵌，发现很多 Markdown 编辑器不支持。后来改为保存独立 PNG 文件，用相对路径引用，兼容性好了很多。
关键提示词分享(浓缩优化全程的关键节点形成提示词)：
帮我创建一个 Bilibili UP 主分析 Skill，需要：
1. 支持 UID、用户名、主页链接三种输入方式
2. 实现 WBI 签名绕过 B 站风控
3. 包含分区统计、视频类型分析、互动指标计算
4. 设计多维度评分系统（不同类型 UP 主用不同权重）
5. 生成包含图表的 Markdown 报告
6. 添加 UP 主画像功能（创作/受众/商业/成长四个维度）
首次提示词(搭建基础框架但不全面)：
小提示：做数据类 Skill 最重要的是处理各种异常情况，多测试几个不同的 UP 主，你会发现很多边界 case。
4、使用步骤
安装该Skill，直接调用Skill并且附加你需要分析的bilibili UP的UID/主页链接/用户名均可，直接一键生成完整的分析报告！
5、效果展示
使用前 vs 使用后
| 对比项 | 使用前 | 使用后 |
|---|---|---|
| 数据收集时间 | 15-20 分钟/UP 主 | 1-2 分钟/UP 主 |
| 报告撰写时间 | 1-2 小时 | 自动生成 |
| 数据维度 | 播放量、粉丝数 | 播放量、互动率、分区分布、视频类型、多维度评分、UP 主画像 |
| 可视化 | 手动做 Excel 图表 | 自动生成 4 种图表 |
| 专业度 | 凭经验判断 | 基于算法的客观评分 |
实际效果截图
下属案例以本人bilibili为例，因不愿被打扰，所以对用户名和关键信息部分进行打码处理！
6、Skill 链接
豆包云盘： bilibili-up-analyzer.zip - 云盘：链接
Github链接： bilibili-up-analyzer
相关资源：
-
接口设计文档：api_reference.md
-
数据模型定义：data_models.md
-
评分算法说明：scoring_algorithm.md
7、总结与思考
效率提升
说实话，使用后从 20 分钟缩短到 2 分钟，我自己都有点惊讶。以前一天最多评估 10 个 UP 主，现在可以轻松分析 30-40 个，效率提升约 10 倍。而且报告的专业度比自己手动整理还高，客户反馈说"看起来很专业"。
最满意的地方
最满意的是 UP 主画像 功能。原本只是想做数据分析，后来加入了创作画像、受众画像、商业价值、成长潜力四个维度，一下子让报告有了"人物感"，不再是冷冰冰的数字堆砌。比如分析一个 UP 主，报告会告诉你他是"情感共鸣型创作者，受众以收藏学习型为主，处于成长期，具备十万粉丝潜力"——这种描述对品牌方选号特别有价值。
其次是 WBI 签名 的实现。一开始被 B 站的风控搞得头疼，后来通过实现 WBI 签名算法 + 三层兜底策略，终于能稳定获取数据了。这个过程让我对逆向工程和 API 设计有了更深的理解。
后续优化方向
-
增加对比分析功能：支持同时分析多个 UP 主，生成横向对比报告
-
优化时间趋势算法：目前搜索 API 返回的时间戳精度有问题，需要更准确的发布时间分析
-
接入更多数据源：考虑接入第三方数据平台，获取更完整的粉丝画像数据
-
添加行业基准：与同类型 UP 主进行横向对比，给出相对排名
威胁