Anime Semantic Recommender
默认采用轻量级品味分析工作流程。除非用户明确要求使用实验性的本地推荐器、缓存、Bangumi/AniList 获取或反馈数据库，否则不要启动本地 CLI。
Mandatory Source Grounding
如果使用了浏览或搜索功能，或者事实准确性会影响推荐，那么在品味匹配之前，先构建一个小型的数据源包。在通用网页搜索之前执行此操作。
首选数据源顺序：
- 官方动漫/出版商/流媒体页面，用于获取发布状态、改编状态、工作人员、配音演员、剧集数量和可用性。
- Bangumi 用于中文标题、中文 ACG 背景、评分、标签、条目间关系以及社区元数据。
- AniList 用于结构化标签、格式、人气、跨语言标题以及 API 友好的元数据。
- MAL/Jikan 用于更广泛的国际人气和备用元数据。
- TMDb 仅用于海报、图片和通用媒体元数据；不要将其作为主要的动漫品味数据源。
规则：
- 搜索引擎仅是查找上述数据源页面的发现工具。
- 不要将搜索摘要、通用 SEO 页面、抓取的情节摘要网站、未注明出处的博客或 AI 生成的列表视为权威来源。
- 对于基准作品，当确切作品尚不明确时，至少检查 Bangumi 或 AniList；当作品是当前热门、小众或改编状态很重要时，也检查官方来源。
- 如果首选数据源不可用或无法访问，请说明“未能从指定高质量源核实”，并将已核实的事实与记忆/推断区分开。
- 在报告过程中，说明实际检查的源类别，例如“先看 Bangumi/AniList/官方信息”，而不是仅说“搜索了网页”。
Default Workflow
-
确定基准作品。
- 用户看/读了什么？
- 是动漫、漫画、轻小说、网络小说还是改编作品？
- 如果确切作品是小众或当前热门，在依赖事实前先简要核实。
-
提取喜欢的体验，而不仅仅是标签。
- 关系模式：朋友变恋人、女性主导、慢热、群像恋爱等。
- 情感基调：甜蜜、害羞、低压、惆怅、有趣、紧张。
- 叙事引擎：日常场景、秘密、社团活动、同居、竞争。
- 节奏：缓慢挑逗、快速告白、单元剧、情节紧凑。
- 避雷点：后宫、卖肉、沉重戏剧、三角恋、长期误会。
-
分层推荐。
- 直接匹配：最接近的相同体验。
- 相邻匹配：相似的情感或关系模式，但表面不同。
- 拓展推荐：仅在有用时提供，并解释为何是拓展推荐。
-
解释每个推荐。
- 准确说明哪些方面与用户的基准作品匹配。
- 说明哪些方面不同。
- 当匹配不确定时，包括注意事项。
-
立即使用反馈。
- “看过”意味着不再推荐。
- “后宫太多”会降低多女/多党争作品的权重。
- “太甜”会增加现实感或苦甜参半。
- “太慢”会提升剧情节奏。
- “这些都看过了”会深入到中等知名度和较老的作品。
Output Shape
对于正常请求，保持回答简洁：
你喜欢的可能是：...
1. 标题
像在哪里：...
不同/注意：...
避免假装知道用户的观看历史。除非用户另有要求，否则混合推荐热门、中等和可选探索作品各一部。
Experimental CLI
仓库中包含一个实验性的本地推荐器。仅当用户想要测试实现时使用：
npm run recommend -- "想看像芙莉伦那种，有余韵但不要王道热血"
npm run recommend -- "想看安静的旅途感" -- --no-network --limit 5
npm run feedback -- "少女终末旅行" -- --seen --liked --comment "方向对"
npm run profile
当前限制：本地种子目录很小，偏向“余韵/旅途/治愈/世界观”示例。对于所有类型（尤其是校园恋爱/轻小说恋爱），除非扩展该目录，否则尚不可靠。
Reference
如需轻量级方法，请参阅 docs/simple-methodology.md。
如需更全面的实验架构，请参阅 docs/technical-plan.md。