场景×时长×情绪×版本四层过滤。不是协同过滤"别人看了什么"，是理解"你此刻需要什么"。
新用户 7 道选择题（空闲时长/偏好语言/接受字幕/画质底线/题材红线）建立初始画像，首推准确率超 70%。
"只有 20 分钟"和"周末两天都有空"推完全不同的内容。短篇、单集独立、可暂停节点全部标注。
烧脑/治愈/爽感/陪伴/学习/背景音——同一部片在不同情绪下推荐权重不同。周末想放松和周三想充电是两套逻辑。
同一部片有 6+ 来源时，按用户设备（手机小屏/电视大屏）、网络（4G/宽带）、字幕需求自动选最优源。
连续推同类题材超过 3 次自动降权，主动引入跨类型推荐。防止"看了太多悬疑导致审美疲劳"。
"不感兴趣/看完了/弃了/中途退出"全部进入模型。弃片原因（太慢/太血腥/字幕差）细颗粒度采集。
不只推国内能直接看的。标注"需特殊网络条件"的内容，为进阶用户提供全球影视发现路径。
2026 年用户打开影视 App 的平均决策时间从 4.2 分钟降到 1.8 分钟。谁能在 10 秒内给出"对的"推荐，谁就赢。荐片的答案是：不问你喜欢什么类型，问你"现在有什么时间、什么心情"。
热榜只服务头部 1% 的内容。剩下 99% 里大量高口碑小语种、纪录片、短片无人问津。荐片的冷启动匹配和长尾发现机制正在改变这个局面——不是等用户搜，而是主动送到对的人面前。
同一部片在 6 个平台有 6 种版本：画质不同、字幕不同、集数不同、删减不同。推荐引擎如果只推"片名"不推"版本"，用户点开发现没字幕或画质糊，信任立刻归零。
用户面对 10 万部片时的焦虑感比面对 10 部时更高。荐片的逻辑是：每次只给 3 部，附上"为什么推这部给你"的透明解释。做减法比做加法难十倍，但价值高百倍。
搜片需要你知道片名或类型，但很多时候用户只知道"我现在想看个什么感觉"。荐片补的是"从感觉到片名"的翻译层。
10 万部片摆在面前等于没选。推荐引擎的价值是做减法——每次只给 3 部，附上推荐理由。
同一用户在不同时间需要完全不同的内容。搜索是静态的，推荐是动态的。
你不知道名字的好片子，搜不到。推荐引擎能主动送到你面前。
推荐是辅助决策不是替代决策。你可以说"不对，换一批"，系统立刻调整。
每部片/每集标注时长、独立度（单集是否可独立观看）、暂停友好度。系统按你的时间预算过滤。
你经常在 22:30 后看 20 分钟以内的内容，系统会自动在那个时段优先推短片/单集独立作品。
可以主动告诉系统"我现在只有 30 分钟"，推荐结果立刻重算。
工作日通勤时段推 15–25 分钟内容，周末晚间推 45 分钟以上沉浸内容，凌晨推助眠/背景音。
短时长需求下，系统还会帮你选"从哪集开始看最合适"，不浪费你的碎片时间。
手机小屏推 1080p 足矣，电视大屏推 4K/HDR。不同设备推不同源。
4G 环境推缓冲友好的版本，宽带环境推最高画质版本。
需要中文字幕的用户不会被推无字幕源。多语字幕版本优先标注。
优先推未删减版。如果只有删减版可用，明确标注"缺失内容"让用户知情。
你之前选过"导演剪辑版"超过 3 次，下次同片优先推导演剪辑版。
告诉用户"为什么推这部"比"推了什么"更能建立信任。透明推荐让用户觉得被理解而不是被操控。
推荐理由让用户能精准反馈"方向对了但细节不对"，帮助模型快速校准。
用户看到"因为你上周看了悬疑片且给了好评"会更容易接受推荐，降低决策犹豫。
"荐片说这部适合我因为…"可以成为社交分享的素材，比单纯发片名更有信息量。
2026 年头部推荐系统已从"黑盒算法"转向"可解释推荐"，这是行业共识。
每部推荐片标注可观看来源：采买平台/合作播出/授权二创/公版/自制。用户自己选去哪看。
推荐时附带版本差异说明，让用户知道不同来源的画质、字幕、完整性区别。
荐片做推荐决策层，不做存储和播放层。责任边界在"帮你选"不在"帮你放"。
推荐结果中优先展示有合法授权的来源，同时标注其他版本的存在供用户知情。
用户有权知道"我看的这个版本从哪来、谁做的字幕、完整不完整"，这是推荐引擎的基本义务。