猫眼电影个性化推荐系统

每周从猫眼电影 API 抓取中国大陆正在热映和即将上映的全部电影，结合用户观影偏好档案，由 LLM 进行智能匹配、排序和推荐，生成飞书周报推送。

需求

• Python 3.6+（脚本仅依赖标准库 urllib + json，无需额外安装）
• 飞书渠道已配置（用于推送周报）
• 网络可访问猫眼 API（m.maoyan.com）

工作原理

每周定时触发
     │
     ▼
① 数据采集：python3 scripts/maoyan_movies.py
   → 输出 movies.json（全量电影数据）
     │
     ▼
② 偏好匹配：AI 读取 movies.json + profile.json
   → LLM 基于 core_traits / recommendation_rules 智能排序
     │
     ▼
③ 生成周报：结构化 Markdown 格式
   → 分级推荐：🎯 强烈推荐 / 👍 值得关注 / 👀 可观望
     │
     ▼
④ 飞书推送：发送到用户会话

数据采集脚本

scripts/maoyan_movies.py 调用猫眼移动端 API：

输出 JSON 包含 now_showing（正在热映）、coming（即将上映）两个列表，每部电影含：片名、上映日期、评分、主演、类型、导演、制片国家、时长、想看人数等字段。

偏好匹配逻辑

AI 读取 profile.json 中的：

• liked_movies：用户已喜欢/观看的电影，每部标注了喜欢的理由和特征标签 → LLM 用于学习用户口味
• want_to_watch：用户已知且想看但还没看的 → 与新片列表交叉比对，命中时直接标记「你已标记想看」
• core_traits：用户观影偏好骨架（类型偏好、IP 偏好、风格倾向、排除信号）
• recommendation_rules：匹配规则（优先级逻辑、boost/downgrade 关键词）

LLM 对每部未看过的电影打分，按匹配度排序，输出三级推荐。

安装

# 1. 安装 skill（通过 ClawHub 或手动复制）
clawhub install movie-rec-personal-cn

# 2. 编辑偏好档案
cp profile-template.json profile.json
# 用编辑器修改 profile.json，填入你的观影偏好

配置

用户偏好档案（profile.json）

复制模板后按以下说明填写：

{
  "_description": "我的观影偏好档案",
  "updated": "YYYY-MM-DD",

  // 已喜欢的电影——用于 AI 学习你的口味
  // 每部需包含：片名、上映日期、类型、主演、导演、产地、喜欢原因、特征标签
  "liked_movies": [
    {
      "nm": "电影名称",
      "rt": "上映日期",
      "cat": "类型（如：动作,科幻,惊悚）",
      "star": "主演",
      "dir": "导演",
      "src": "制片国家/地区",
      "sc": null,
      "reason": "你为什么喜欢这部电影",
      "traits": ["特征1", "特征2"]
    }
  ],

  // 想看但还没看的电影——用于与新片交叉比对
  // 结构同上，可不填 reason/traits
  "want_to_watch": [
    {
      "nm": "电影名称",
      "rt": "上映日期",
      "cat": "类型",
      "star": "主演"
    }
  ],

  // 核心偏好——定义你的口味骨架
  "core_traits": {
    "genre_affinity": {
      "动作": "你对动作类型的感觉——不是纯打斗，而是动作驱动叙事？还是爆米花爽片？",
      "科幻": "偏好硬科幻/高概念设定，还是软科幻/科幻背景的爱情/剧情？",
      "悬疑/惊悚": "接受度如何？偏好与其他类型混搭还是纯悬疑？",
      "武侠/奇幻": "对强世界观、架空设定有偏好吗？",
      "动画": "是否接受动画电影？偏好什么类型的动画？"
    },
    "ip_affinity": "对 IP 改编（漫画/小说/游戏/翻拍）的偏好程度：极高/中等/无所谓/排斥",
    "style_preferences": [
      "你喜欢的风格类型（高概念、类型混搭、暴力美学等）",
      "多写几条让 AI 更了解你"
    ],
    "weak_signals": [
      "你明确不看的类型（纯爱、文艺、慢节奏、恐怖等）",
      "这些信号会让 AI 降级或排除相应电影"
    ]
  },

  // 推荐规则——定义排序逻辑
  "recommendation_rules": {
    "priority_logic": "用一句话描述优先级：匹配越多核心 trait 排序越高，什么组合是最高优先，什么组合应该降级",
    "boost_keywords": ["关键词1", "关键词2"],
    "downgrade_keywords": ["关键词3", "关键词4"],
    "exclude_keywords": []
  }
}

提示：liked_movies 越多越好（建议 5-10 部），AI 的推荐会越精准。如果刚开始用，可以先填 2-3 部。

Cron 设置

在 OpenClaw 中创建 cron job，每周执行一次（例如每周五下午推送周末观影推荐）：

{
  "schedule": "0 18 * * 5",
  "sessionTarget": "isolated",
  "payload": {
    "kind": "agentTurn",
    "message": "执行猫眼电影周报：先运行 python3 skills/movie-rec-personal-cn/scripts/maoyan_movies.py 采集最新电影数据，保存到 /tmp/movies_weekly.json。然后读取 profile.json 和 /tmp/movies_weekly.json，基于 core_traits 和 recommendation_rules 为每部未看过的电影打分排序。输出结构化周报（🎯 强烈推荐 / 👍 值得关注 / 👀 可观望），推送到飞书。如果 want_to_watch 里有电影撞上正在热映列表，要在开头特别标注「你标记想看的电影已上映」。",
    "timeoutSeconds": 120
  },
  "delivery": {
    "mode": "announce",
    "channel": "feishu",
    "to": "你的飞书 open_chat_id"
  }
}

推荐时段：

• 每周五 18:00（周末观影指南）
• 每周一 09:00（新片首周上映提醒）

使用示例

手动触发一次推荐

直接在对话中说：

帮我做一期猫眼电影周报

AI 会：

1. 运行 python3 scripts/maoyan_movies.py 采集最新数据
2. 读取 profile.json 了解你的偏好
3. 分析匹配，生成推荐周报
4. 推送到飞书

查看原始数据

# 全量 JSON（格式化）
python3 scripts/maoyan_movies.py

# 紧凑 JSON（一行）
python3 scripts/maoyan_movies.py --compact

更新偏好档案

直接在对话中说：

我刚才看了《流浪地球3》，感觉很不错，帮我更新到观影偏好里

AI 会更新 profile.json 的 liked_movies 数组。

注意事项

• 脚本请求猫眼 API 时内置 0.3-0.5s 随机延迟，全量抓取约需 30-120 秒（取决于当前上映电影数量）
• 猫眼 API 返回的「想看人数」是用户标记「想看」的累计值，可辅助判断热度
• profile.json 的 liked_movies 不需要实时同步猫眼评分——重要的是你为什么喜欢，不是别人怎么打分
• 如果某部电影详情接口失败，脚本会跳过详情但保留基本信息（片名、类型、上映日期等）

文件结构

movie-rec-personal-cn/
├── SKILL.md                  # 本文件
├── README.md                 # 详细使用说明（中文）
├── profile-template.json     # 用户偏好档案模板
├── profile.json              # 你的个人偏好档案（从模板复制后填写，不提交到 git）
└── scripts/
    └── maoyan_movies.py      # 猫眼电影数据采集脚本