by 运行时依赖
安装命令
点击复制技能文档
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 + 性能分析.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/movieOn信息列出 正在热映列表 ajax/coming列出?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 性能分析.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/降级 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 技能（通过 ClawHub 或手动复制） ClawHub 安装 movie-rec-personal-cn
# 2. 编辑偏好档案 cp 性能分析-template.json 性能分析.json # 用编辑器修改 性能分析.json，填入你的观影偏好
配置 用户偏好档案（性能分析.json）
复制模板后按以下说明填写：
{ "_description": "我的观影偏好档案", "更新d": "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_签名als": [ "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_记录ic": "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"], "降级_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", "会话Tar获取": "isolated", "payload": { "kind": "代理Turn", "message": "执行猫眼电影周报：先运行 python3 技能s/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 性能分析.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：
运行 python3 scripts/maoyan_movies.py 采集最新数据 读取 性能分析.json 了解你的偏好 分析匹配，生成推荐周报 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 性能分析.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 性能分析.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/ ├── 技能.md # 本文件 ├── README.md # 详细使用说明（中文） ├── 性能分析-template.json # 用户偏好档案模板 ├── 性能分析.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