什么是Screen recommendation loop
Screen Recommendation Loop 是一个专为电影和动漫爱好者设计的轻量级推荐系统，旨在通过低摩擦的方式持续为用户推荐内容，并根据用户的反馈动态调整推荐策略。该系统不依赖复杂的用户画像或庞大的元数据，而是聚焦于极简交互流程：每次推荐一部作品，收集简短反馈，再基于这些信号优化后续选择。其核心理念是‘持续运行’而非一次性推荐——通过长期积累观看偏好，逐步构建更精准的兴趣模型。
整个系统以自动化循环为基础，包含六个关键步骤：挑选候选作品、发送推荐消息、按内容类型安排跟进时间、记录用户状态、更新偏好权重，最后根据新权重选出下一部作品。推荐过程强调灵活性与探索性之间的平衡，既强化已知喜好，也保留一定配额用于发现新类型，避免陷入信息茧房。同时，系统对未完成或中途放弃的作品持中性态度，将其视为有价值的偏好信号而非失败案例。
该方案特别适合那些希望拓展观影广度但缺乏明确兴趣标签的用户群体。无论是刚看完热门大片想找类似风格，还是对某类动画产生好奇却不确定是否适合自己，都可以通过这个闭环机制获得个性化引导。整个过程无需复杂设置，仅需每日一次简短回应即可完成迭代，真正实现‘推荐—反馈—再推荐’的无缝衔接。
核心功能特点
- 单次推荐+短反馈循环，降低用户参与门槛
- 自动按内容类型设定跟进周期（电影7天/动漫30天）
- 混合候选池结合约束随机排序，兼顾偏好匹配与内容探索
- 支持五种用户状态记录：已看/部分观看/未开始/中途弃剧/拒绝此片
- 基于行为信号的动态权重更新机制，缓慢衰减旧偏好防止过拟合
- 最小化数据存储，仅保留必要字段且无隐私敏感信息
适用场景
Screen Recommendation Loop 最适用于那些拥有大量已观看内容但难以提炼出清晰偏好的用户。例如，一个经常刷豆瓣Top250电影的人可能知道自己喜欢悬疑题材，但不确定是否适合尝试科幻；或者追番族发现本季新番太多，需要有人帮忙筛选。此时系统会从经典高分作品中随机选取类型（允许电影或动漫交替），发送简洁推荐如‘今天试试这部冷门文艺片吗？’，并在一周后询问观感。即使只看了开头就暂停，也能标记为‘partial’，系统据此轻微下调节奏缓慢的标签权重。
另一个典型场景是兴趣漂移型观众——比如工作日压力大想看治愈系动画放松，周末则渴望烧脑剧情。传统推荐系统往往固化单一标签，而本系统通过‘next mood’选项捕捉即时情绪需求，将‘light’心情与轻松喜剧关联，‘brainy’则导向复杂叙事作品。即便某次推荐未被启动，也不会施加负面惩罚，仅作为调度参考，确保不会连续推送同类高负荷内容。这种弹性机制尤其适合生活节奏多变、难以长期维持固定观影习惯的人群。
此外，对于希望系统性拓展视野的创作者或研究者而言，该工具同样有效。影视专业学生可通过追踪‘被拒作品’中的共性元素（如特定导演风格、叙事结构），反向分析自身盲区；动漫文化研究者则可借助‘dropped_midway’数据识别某种亚文化的接受阈值。所有反馈均转化为可量化的标签权重变化，形成持续进化的兴趣图谱，而无需人工标注或手动分类。整个流程完全离线运行，数据本地存储，保障隐私安全的同时也降低了部署成本。