Communitygithub.com

KAMIENDER/anime-semantic-recommender

중국어 우선의 의미론적 애니메이션 추천 Codex 스킬 및 실험적 TypeScript CLI로, Bangumi/AniList 등 고품질 데이터 소스를 우선 참조합니다.

anime-semantic-recommender란 무엇인가요?

이 스킬은 사용자의 취향을 의미론적으로 분석하여 애니메이션을 추천하는 도구입니다. 단순한 태그 매칭을 넘어 관계 패턴, 감정적 질감, 서사 엔진, 페이싱 등 사용자가 실제로 좋아한 경험을 추출하여 맞춤형 추천을 제공합니다. Codex 환경에서 기본 워크플로우로 사용되며, 실험적인 로컬 TypeScript CLI도 포함하고 있어 사용자가 요청할 경우 로컬 추천, 캐시, Bangumi/AniList 데이터 수집, 피드백 데이터베이스 등을 활용할 수 있습니다. 또한 정보의 정확성을 위해 Bangumi(중국어 타이틀 및 ACG 컨텍스트), AniList(구조화된 태그), 공식 사이트 등 고품질 소스를 우선 확인하도록 설계되어 있으며, 검색 스니펫이나 SEO 페이지 등은 신뢰하지 않습니다.

지원 대상~Claude Code✓Codex CLI~Cursor
npx skills add KAMIENDER/anime-semantic-recommender

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Anime Semantic Recommender

가벼운 취향 분석 워크플로우를 기본으로 합니다. 사용자가 실험적인 로컬 추천기, 캐시, Bangumi/AniList 데이터 수집, 피드백 데이터베이스를 명시적으로 요청하지 않는 한 로컬 CLI로 시작하지 마세요.

필수 소스 근거

브라우징이나 검색을 사용하거나, 사실적 정확성이 추천에 영향을 미치는 경우 취향 매칭 전에 작은 소스 패킷을 구축하세요. 일반 웹 검색보다 먼저 수행하세요.

선호 소스 순서:

  1. 공식 애니메이션 / 출판사 / 스트리밍 페이지: 출시 상태, 각색 상태, 스태프, 출연진, 에피소드 수, 시청 가능 여부 확인용.
  2. Bangumi: 중국어 타이틀, 중국 ACG 컨텍스트, 평점, 태그, 작품 간 관계, 커뮤니티 메타데이터 확인용.
  3. AniList: 구조화된 태그, 포맷, 인기도, 다국어 타이틀, API 친화적 메타데이터 확인용.
  4. MAL/Jikan: 더 넓은 국제적 인기도 및 대체 메타데이터 확인용.
  5. TMDb: 포스터, 이미지, 일반 미디어 메타데이터만 확인용; 주요 애니메이션 취향 소스로 사용하지 마세요.

규칙:

  • 검색 엔진은 위 소스 페이지를 찾기 위한 발견 도구로만 사용하세요.
  • 검색 스니펫, 일반적인 SEO 페이지, 스크랩된 시놉시스 사이트, 출처 없는 블로그, AI 생성 리스트 글을 권위 있는 정보로 취급하지 마세요.
  • 기준 작품이 명확하지 않은 경우 최소한 Bangumi 또는 AniList를 확인하고, 작품이 최신이거나, 덜 알려졌거나, 각색 상태가 중요한 경우 공식 소스도 확인하세요.
  • 선호 소스를 사용할 수 없거나 접근 불가능한 경우 "지정된 고품질 소스에서 확인할 수 없음"이라고 말하고 확인된 사실과 기억/추론을 분리하세요.
  • 프로세스를 보고할 때 "웹 검색만 함"이라고 말하는 대신 "Bangumi/AniList/공식 정보를 먼저 확인"과 같이 실제로 확인한 소스 클래스를 명시하세요.

기본 워크플로우

  1. 기준 작품 식별.

    • 사용자가 본/읽은 것은 무엇인가요?
    • 애니메이션, 만화, 라이트 노벨, 웹 소설, 또는 각색 작품인가요?
    • 정확한 작품이 덜 알려졌거나 최신인 경우, 사실에 의존하기 전에 간단히 확인하세요.
  2. 태그뿐만 아니라 좋아한 경험 추출.

    • 관계 패턴: 친구에서 연인으로, 여성 주도, 느리게 타오르는, 그룹 로맨스 등.
    • 감정적 질감: 달콤한, 수줍은, 부담 없는, 그리운, 재미있는, 긴장된.
    • 서사 엔진: 일상 장면, 비밀, 동아리 활동, 동거, 경쟁.
    • 페이싱: 느린 유혹, 빠른 고백, 에피소드식, 강한 플롯.
    • 회피 사항: 하렘, 팬서비스, 무거운 드라마, 삼각관계, 긴 오해.
  3. 계층적으로 추천.

    • 직접 일치: 같은 경험에 가장 가까운 작품.
    • 인접 일치: 표면은 다르지만 비슷한 감정적 또는 관계 패턴을 가진 작품.
    • 확장 선택: 유용한 경우에만, 왜 확장인지 설명.
  4. 모든 추천 설명.

    • 사용자의 기준 작품과 정확히 일치하는 점을 말하세요.
    • 차이점을 말하세요.
    • 적합성이 불확실한 경우 주의 사항을 포함하세요.
  5. 피드백 즉시 활용.

    • "봤음"은 다시 추천하지 않음을 의미.
    • "너무 하렘"은 다인/파티 경쟁 선택을 낮춤.
    • "너무 달콤함"은 현실감이나 달콤쌉싸름함을 추가.
    • "너무 느림"은 플롯 진행을 높임.
    • "전부 봤음"은 중간 인기도 및 오래된 타이틀로 더 깊이 이동.

출력 형식

일반 요청의 경우 답변을 간결하게 유지:

당신이 좋아할 만한 작품: ...

1. 제목
   일치하는 점: ...
   다른/주의 점: ...

사용자의 시청 기록을 알고 있는 척 하지 마세요. 사용자가 달리 요청하지 않는 한 인기작, 중간급, 선택적 탐색 작품을 하나씩 섞으세요.

실험적 CLI

리포지토리에는 실험적인 로컬 추천기가 포함되어 있습니다. 사용자가 구현을 테스트하려는 경우에만 사용하세요:

npm run recommend -- "Frieren처럼 여운이 있지만 왕도 열혈은 아닌 작품 보고 싶어"
npm run recommend -- "조용한 여행 느낌 보고 싶어" -- --no-network --limit 5
npm run feedback -- "소녀종말여행" -- --seen --liked --comment "방향 좋음"
npm run profile

현재 한계: 로컬 시드 카탈로그가 작고 "여운/여행/치유/세계관" 예제에 치우쳐 있습니다. 특히 학원 로맨스/라노벨 로맨스 장르는 카탈로그가 확장되기 전까지 아직 모든 장르에 대해 신뢰할 수 없습니다.

참고

가벼운 방법론에 대해서는 docs/simple-methodology.md를 참조하세요.

더 무거운 실험적 아키텍처에 대해서는 docs/technical-plan.md를 참조하세요.

관련 스킬