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：
| API | 说明 |
|---|---|
ajax/movieOnInfoList |
正在热映列表 |
ajax/comingList?ci=10 |
即将上映列表（极限 100 部） |
ajax/detailmovie?movieId= |
单部电影详情（类型、导演、时长、制片国家等） |
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，每周一和周五上午推送：
{
"name": "猫眼电影推荐（周一周五）",
"schedule": {"kind": "cron", "expr": "40 8 * * 1,5", "tz": "Asia/Shanghai"},
"sessionTarget": "isolated",
"payload": {
"kind": "agentTurn",
"timeoutSeconds": 180,
"lightContext": true,
"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。然后读取 profile.json（如不存在则使用默认偏好），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，开头醒目提醒。"
},
"delivery": {"mode": "announce", "channel": "feishu", "to": "user:your_open_id"}
}
推荐时段：
- 每周一 08:40（新片首周上映提醒）
- 每周五 08:40（周末观影指南）
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
