上一篇写了给 NAS 造的夸克自动追番流水线：发个链接就自动下载入库。这篇是它的上层——让 NAS 根据我的观看数据主动推荐，我回一个编号就把整部番下好、刮削好、配好字幕入库。

效果如下，主动触发：

被动触发：

系统现状

当前的能力边界：

• 每周五定时推 6 部候选（异世界 / 恋爱 / 福利各 2，带海报拼图与推荐理由）；

• “看完触发”：检测到某部全集已看完且已完结，立即推 3 部相似；

• 我回编号（如 1 2 6），后台执行转存 → aria2c 下载 → TMDB 刮削改名 → 配简体外挂字幕 → 入库，每个阶段单独推送进度；

• 报片名直接下；说类型（“推荐点修仙的”）按类型筛；说**“给 X 加字幕”**给已入库的番补外挂字幕；

• 下载时自动选版本（清晰度 / 体积 / 字幕可用性），生肉自动配简体外挂字幕，同分享内的剧场版一并下到电影库；

• 完结番下完即从追更列表删除，连载番自动设截止日期到完结停。

落地形态是 fnOS NAS 上的一组 Docker 容器 + cron 脚本 + 一个常驻的 LLM agent（openclaw，负责微信/QQ 收发与技能调度），最终入 Jellyfin，用 Infuse 观看。

一、整体架构与运行时分工

架构上有两条原则贯穿始终。

第一，人是闸门。 推荐由系统做，但”下不下”默认等我点头。只有当契合度高过一个保守阈值，才允许先下载、后告知；同时每周自动下载的数量和体积有上限，防止把盘塞爆。

第二，按成本分工运行时。 这套东西如果全用大模型跑会很贵，所以拆成两层：

• 便宜的定时脚本（cron）干确定性的苦力：拉 Jellyfin 数据、算口味向量、解析目录、向量粗筛、转存、下载、刮削、推送。这些是数据搬运和数学，不需要智能。

• 大模型（NAS 上常驻的 openclaw agent）只在三个点被调用：① 粗筛后对约 50 个候选做精判并写一句推荐理由；② 解析我发的自然语言意图；③ 对话审批。

具体组件：转存用 Docker 里的 quark-auto-save；下载编排是我自己的 quark_sync.py（每小时 cron）；上层编排器 quark_ctl.py 暴露 probe / tmdb / addtask / sync / autodl 等子命令，由 agent 以 sudo 调用；推荐运行时是 anime_reco.py；媒体落在 mergerfs 合并卷上（动漫 / 剧集 / 电影 / 动漫电影，写入策略 mfs 自动落最空的盘）。

二、口味画像：用观看数据建模

推荐的前提是回答一个问题：凭什么判断我会喜欢某部番？ 不靠猜，靠我自己的观看记录。

信号来源与权重

数据来自 Jellyfin API：每部剧的 UserData（IsPlayed、未看集数、LastPlayedDate）给出”看没看完、看到哪、最近在看啥”。我按”投入度”给每部样本一个权重，再把它的标签按权重累加成一个向量：

def build_taste_profile(jellyfin):
    vector = defaultdict(float)
    for show in jellyfin.watched_shows():        # 拉 UserData
        weight = (1.0 if show.finished and show.recent
                  else 0.8 if show.in_progress
                  else -0.3 if show.dropped
                  else 0.0)
        for tag in anilist_tags(show):           # 该剧的 AniList 标签
            vector[tag] += weight
    return normalize(vector), summarize_in_words(vector)

实读我的 32 部样本（16 看完 + 16 在追），跑出来两簇势均力敌：一簇是异世界·奇幻爽番（标签 Isekai / Magic / Super Power / Swordplay / Dungeon / Male Protagonist / Female Harem），一簇是青春恋爱·治愈日常（Romance / School / Slice of Life / Iyashikei / Kuudere / Cohabitation）。

校准规则

向量是统计，但有些偏好统计不出来，需要我口述成规则、写进打分逻辑。这几条直接影响后面 recommend.py 的权重：

1. 感情线是核心吸引力——我能为男女主的感情忍受致郁剧情（Re:Zero 是唯一例外，不据此推致郁番）。
2. 拒绝降智——“无脑爽”不要，要”有质量的爽”，用评分门槛卡掉低分番。
3. 重口/致郁负权：Tragedy / Gore / Horror / Survival / Boys' Love / Yuri / Male Harem 全部减分。
4. 福利 ≠ 重口：Ecchi / Harem / Fanservice + 爽向复仇是正权。
5. 男主视角 + 异性恋强偏好：Male Protagonist +1、Female Protagonist −0.8、Heterosexual +。

三、目录摄取：把”我有哪些番”喂进去

口味是”我喜欢什么类型”，还需要一个货架——来自这位大佬的无私分享：https://www.kdocs.cn/l/cnOBXUamMBJJ

为什么没法直接爬

这一步比预期折腾。该文档是 .otl（在线表格的私有协作格式），我依次试过：

• 抓 Cookie 调 API：补齐登录态（wps_sid / kso_sid / uid）后，GET 文件元信息 能通，能读到文件名、ID、大小、作者；但 .otl 没有简单导出接口——/download 返回 unSupport (403)，各 export 端点全 404。它是私有协作格式，数据不内联在分享页 HTML 里。

• 逆向渲染协议：weboffice 的渲染走私有协议，前端 preload-o.js 动态构造请求，逆向成本太高，且我对这份文档只有只读权、没有导出/编辑权。

解法：另存为 docx 后解析

最后走的是最朴素的一条：在浏览器里把表格另存为 .docx，再解析。.docx 本质是个 zip，里面是 OOXML。解析时踩了一个点：

坑｜超链接藏在域代码里。 Word 把单元格里的超链接存成 <w:instrText>HYPERLINK "..."</w:instrText> 域代码，而不是可见文字。如果只读单元格的可见文本（w:t 节点），会只拿到番名、丢掉链接。正确做法是把整个单元格序列化成 XML（ET.tostring(tc)）再正则搜 HYPERLINK。

def parse_catalog(docx):
    rows = []
    for cell in docx.all_table_cells():
        name = cell.visible_text()                  # w:t 拼接
        link = extract_hyperlink(cell.raw_xml())    # 搜整段 XML 的 HYPERLINK 域代码
        if name and link:
            rows.append({"name": name, "quark": link})
    return rows

解析出 2273 部，0 空名，抽验正确。目录以后更新就是重复”另存 docx → 跑解析器”，再 diff 出新增、只富化增量。

四、元数据富化：把每部番打上标签（四轮）

货架有了名字和链接，但推荐需要”每部是什么”——类型、标签、口碑评分。中文名直接搜动漫数据库命中率很差，这一步打了四轮，是整个项目里最反复的部分。

关键工程细节

• 匹配策略：中文名搜 AniList 命中率几乎为零（连《葬送的芙莉莲》都搜不到）。所以先用 TMDB 做中文匹配（命中 96%），从 TMDB 拿到日文原名，再用日文原名去查 AniList 的细标签。

• Cloudflare：AniList / TMDB 的请求头 User-Agent 必须是纯浏览器 UA。带 my-script/1.0 这类脚本标识会被 Cloudflare 拦成 404。AniList 的 GraphQL 端点还要求 URL 带尾斜杠。

• GraphQL 的坑：AniList 批量查询里只要有一个 null，会返回 HTTP 404 但 body 仍带 data——得捕获 404 后照样读 body，否则整批丢弃。

• 网络位置：api.themoviedb.org 在国内直连被墙，TMDB 请求必须在 NAS 上发（NAS 挂了代理）；AniList 反而本机能直连。两边分开跑。

• 节流：第三轮对 873 部批量重查，time.sleep(1.3) 限速，遇到 429 退避 60 秒，每 40 条原子落盘，非原名匹配加 ±3 年的年份校验防误配。

第三轮的动机来自一个判断：“没识别到的番不可能没收录，多半是匹配姿势不对。” 于是把日文原名做清洗（去副标题、括号、季数）重查，免费白捡回 681 部。

第四轮：LLM 并行归类

剩 192 部是硬骨头：2025 新番尚未收录、复杂续季名（“第四季 丧失篇”）、剧场版分章、别名一堆（“蓝箱 / 青春之箱 / 青之箱”）、国创原名是中文。这批用规则匹配不动了，改用 LLM：开 6 个 Agent 并行，每个负责 32 部，读各自的清单文件，用知识 + 实时查站（MAL / AniList / Bangumi / 维基 / 萌娘），产出固定 schema——al_genres（AniList 类型）、al_tags（贴推荐打分词表的英文标签）、al_score（0–100），再合并写回。

结果：192 部 0 漏配、177 部高置信，catalog 100% 归类。 抽查准确（幼女战记 → Military/Isekai 81、电锯人 → Gore/Tragedy 83、双城之战 → 89）。

坑｜异体字导致漏配。 LLM 把番名逐字写回时，有一条把”亚刻奧特曼”（异体”奧”）写成了”亚刻奥特曼”（简体”奥”），按名匹配失败。所以写回数据库前加了一步校验：拿结果的 name 和原清单求交集，列出对不上的（最终只有这 1 条），修正后再写。任何”按名 join”的环节都要先验证主键。

五、推荐引擎

两段式：先用口味向量对全量打分粗筛（几千 → 约 50），再过质量门槛、分三簇出 Top。打分函数大致是：

def score(show, taste):
    s = 0
    for tag in show.al_tags:
        s += taste.weight.get(tag, 0)              # 口味标签加权
    s += GENRE_BONUS(show.al_genres)               # 类型偏好(异世界/恋爱/福利)
    if show.al_score: s += (show.al_score - 70)*0.1  # 口碑微调
    if show.year < 2010: s -= 3                    # 老番降权
    elif show.year < 2015: s -= 1
    if is_sequel_without_prequel(show): return SKIP  # 没看前作的续集不推
    return s

去重与状态管理（anime_reco_state.json）：

• pushed = {番名: 日期}——30 天内不重推，过期可再推；

• blocked——黑名单永久不推（我说”别再推 X”时执行 anime_reco.py block "X"）；

• owned——NAS 库里已有的（不管看没看）一律不推；

• finished_seen——看完基线，用于”看完触发”判重。

两条触发腿：每周五定时推一次；看完触发是高频轮询 Jellyfin，检测”某部刚从未看完变成全看完，且 TMDB 状态为 Ended/Canceled”——连载追平最新集不算（还有更新）。

推送做了工程优化：6 部合成一段文字 + 6 张海报用 PIL 拼成一张 2 列长图，每张叠黄色编号对应文字。这是为了绕开两件事：微信连发多图会限流；QQ 偶尔丢单张图。海报由 NAS curl 拉 image.tmdb.org 到本地再发（实测远程 URL 直接喂发送脚本会 fetch failed，必须先落地）。

坑｜PIL 的 import。 Pillow 装在 agent 用户的 ~/.local，cron 跑的时候必须带 env HOME=...，否则 import 不到。微信掉线则是另一回事：发送返回 iLink ret=-2 = 会话失效，得我主动给机器人发条消息激活，代码层改不了；所以各推送渠道独立 try，微信挂不影响 QQ。

六、下载流水线：从编号到入库

回一个编号后，autodl 在后台逐步推进。夸克这部分的 API 细节是整条线最容易出错的地方。

夸克 API 的三个关键点

转存和下载都调夸克的 web API（封装在容器内的 qsync_api.py，因为容器才挂着夸克账号的 cookie）：

1. 转存子文件夹：分享的子目录要用 <分享链接>#/list/share/<folder_fid>-x 这种 URL 形式定位，再 save_file 进自己账号。
2. token 会话绑定（41020）：save_file(fid_list, fid_token_list, ...) 里的 share_fid_token 必须和取它的那次 get_stoken 来自同一个 stoken 会话，否则报 41020 token 校验异常。所以”取 token”和”save”要在同一段脚本/会话里完成，不能跨调用。
3. 下载直链的 403：acc.download([fid]) 返回 (响应, dlcookie) 两段。喂给 aria2c 时，Cookie 头必须是账号 cookie + ”; ” + 这个 per-file dlcookie，少了后半段就 403。

# 转存后不要立刻信"成功"——校验该季账号里确实有文件,防竞态漏季
ok = False
for _ in range(10):                       # 重试 10 次,每次间隔 20s
    run_quark_auto_save()                 # 触发转存
    if account_season_filecount(savepath) > 0:
        ok = True; break
    sleep(20)
if not ok:
    push("❌ 转存失败,交给整点 cron 重试"); return
push("✅ 已转存,开始下载入库…")
run_with_flock(SYNC)                       # 下载/解压/刮削/推送

这个”转存后校验 + 重试”是被一个真实 bug 逼出来的：多季番一次性提交转存会竞态漏季（某部 4 季里 S4 没转上），改成逐季转存、每季校验账号里确有文件再继续。

异步与并发

最初流水线是同步的——回编号后在对话里一直跑到下载完才回，但一部番几十分钟，对话会超时、中途没反馈。改成异步：

def on_approve(nums):
    reply("收到，后台下载中…")            # 立即回
    spawn_detached(f"autodl {nums}")      # setsid 脱离当前进程,后台跑
    end_turn()                            # 结束这轮对话

坑｜并发。 ① autodl 和每小时整点的 cron 都会触发下载，没加锁时两个 aria2c 撞一起，对同一文件 -x1 反复重下卡了两小时。加 flock /tmp/quark_sync.lock 解决——但不能双重加锁：外层 flock 包一次、内层 sync 又包同一把锁，会自己等自己、死锁。

坑｜TMDB 刮削偶发失败要重试。 改名偶尔撞上 TMDB 的 SSL EOF，导致集名没补上、只剩 SxxExx。加了”刮削失败重试，上限 3 次、间隔 5 秒”，再没出现裸集号。

七、版本选择

同一部番，分享里常并存多个字幕组/画质版本。选择规则是我口述、AI 落地成打分函数的。

def select_version(folders):
    ok = [f for f in folders if sub_ok(f) > 0]   # 滤掉只内嵌繁体/非中文且不可换的
    pool = ok or folders                         # 全是差字幕才退而求其次
    return max(pool, key=lambda f: (
        len(f.episodes),     # ① 覆盖完整(底线): 防选到只有后半季的分卷
        quality_score(f),    # ② 清晰: 关键词 2160/4K > 1080 > 720, +10bit/超分/HEVC
        f.total_size,        # ③ 同清晰选大文件: 1G 系列优先于 512M 系列
        sub_ok(f)))          # ④ 字幕可用性

quality_score 从文件夹名和样本文件名里抓关键词（2160/4K、10bit/Hi10p、HEVC/x265、FLAC）；sub_ok 判断字幕可换性——含”简体/外挂/内封”为好，“只内嵌繁体或非中文”为差（不可换，直接过滤）。覆盖完整放在第一位，是因为吃过亏：早期版本按”最大集号”选，结果对一部分卷番选中了只有 14–26 集的后半季，漏了前半。

八、压缩包与解压密码

部分番（尤其里番）在分享里不是裸视频，而是重命名成 .exe 的压缩包（不是真自解压，7z 按文件头识别后缀无所谓），并带解压密码。密码的位置不固定：文件夹名里、同目录某个 txt 里、或就是分享链接/番名本身。

def archive_passwords(name, folder):
    cands  = decoy_passwords_in_folder_name(folder)   # 文件夹名里写的诱饵密码
    cands += read_password_txt(folder)                # 密码.txt
    cands += [name, share_link_id]                     # 番名 / 链接 id
    cands += [p.split("@")[0] for p in cands if "@" in p]  # 变体: ruach@66 → ruach
    return dedup(cands)

def extract(archive, cands):
    for pw in cands:
        if seven_zip(archive, pw):   # 7z x -y -p<pw>,按文件头识别真实格式
            remember_good_password(pw); return True
    return False

解压后按集号改名入库时，要先用一组 SPECIAL_RE 把 NCED / NCOP / Menu / SP / Secret Video 这类非正片过滤掉，再按 SxxExx 命名。

坑｜诱饵密码。 有个密码标的是 ruach@66，逐个试全部”密码错误”。实际真密码是 ruach，@66 是诱饵后缀。于是加了”密码变体”：对 x@y 形式，把 @ 前的部分也作为候选。多密码逐个试、并记住第一个成功的，后续同名压缩包直接用。

九、外挂字幕与剧场版

一个后期补的缺口：高画质 BDRip（如 VCB-Studio）的视频常是无字幕生肉，字幕在单独的”外挂字幕”子文件夹里。早期只下视频、没下字幕，等于下了个看不了的版本。另外同一分享里常还塞着剧场版，也漏了。

这块做成 autodl 的两个后置步骤，且都包了 try/except——失败只跳过，不影响主下载。容器侧加了两个 action：subsfor（在视频文件夹及子目录里找简体字幕、save_file 到临时目录、返回直链）、movieget（剧场版文件夹的主影片 + 简体字幕直链）。宿主机侧下载并归位。

字幕命名有个硬约束：Jellyfin 要求外挂字幕与视频完整同名（含刮削加上的集名），只差后缀和语言标记。所以字幕必须在视频改名之后处理——按集号配对库里已改好名的视频，取那个视频的完整 stem 加 .zh.ass：

def fetch_subs(folder, season):
    subs = pick_simplified_subs(folder)             # .sc/.简/chs 优先, .tc/繁次之
    for s in subs:
        video = find_lib_video(season, s.episode)   # 按 SxxExx 找已改名的视频
        if not video or has_any_sub(video):         # 已有字幕(含原版裸.ass)就跳过
            continue
        place(s, dest=f"{video.stem}.zh.ass")        # 完整同名 + .zh, Jellyfin 才认

剧场版判定走正则，但刻意不匹配裸 ZERO/movie——否则会把《Re:Zero》之类 TV 正片误判成剧场版下进电影库。只认”剧场版 / 劇場版 / 劇場 / the movie / gekijou”这类明确标记，命中后在候选里按清晰度+体积选主影片（同时排除 SP/Menu/CM/NC），落到 动漫电影/<片名> (年)/。

坑｜字幕重复。 有部番原下载就自带裸 .ass（无语言标记），补字幕时只检测了 <stem>.zh.ass 是否存在、没检测裸 <stem>.ass，结果整季又加一遍，每集两条字幕。修法是 has_any_sub() 检测任意形式的同名字幕（裸 .ass / .srt / 带标记 .zh.ass）就跳过。原则：原下载自带、跟视频同包的字幕时轴必对，优先于外部字幕组的。

十、完结判定与任务回收

追更列表早期堆了一批早已完结、却永久挂着、没截止日期的任务。补上 TMDB 状态判定后：

def after_download(show, season):
    info = tmdb_status(show.tmdb_id, season)   # status / next_episode_to_air / 各集播出日
    if info.completed:                         # Ended/Canceled 或本季全播完
        delete_task(show)                      # 下完即删,不长期占用
    elif info.airing:
        set_enddate(show, info.finale + buffer)  # 连载: 到完结日+缓冲自动停
    else:
        set_enddate(show, today + 90*DAY)        # 查不到 tmdb: 兜底 90 天,绝不永久挂

completed 的判定不只看 status，还结合本季各集的播出日期：已播集数 == 总集数、且 next_episode_to_air 为空、无未来集，才算完结。这样对”季终但全剧未完结”的情况也能正确处理。存量也清了一遍：6 个完结番的常驻任务，TMDB 确认后全删。

十一、对话交互

最后一层是自然语言入口。agent 解析意图，路由到对应的轻量技能：

输入	动作	实现
回编号 126	下推荐过的那几部	查 last_push 映射拿链接 → autodl
我想看 XXX	目录模糊搜 → 下	anime_reco.py find → autodl --link
推荐点修仙的	按类型筛选推荐	recco 中文类型 → AniList 标签映射
给 XXX 加字幕	已入库的补简体字幕	find → quark_ctl subs --link
别再推 X	加黑名单	anime_reco.py block

每个意图对应一个技能描述文件，agent 按描述触发，秒回 + 后台执行。

十二、传输与运行环境的坑

这套东西跨”本机 ↔ NAS ↔ 容器 ↔ agent 用户”四层，环境差异本身就是一类 bug 源：

• CJK 经 SSH/heredoc 会乱码：远程执行带中文的脚本时，中文和反斜杠经 heredoc 会被改写。解决办法是 payload 全程走 base64：本地 base64 -w0 → 远程 base64 -d 落地再执行，中文/特殊字符零损耗。

• 宿主机 python3 对 agent 用户是 “Permission denied”：直接 python3 /tmp/x.py 跑不了，得走 docker exec python3 或 sudo python3 或包成 bash。

• 容器看不到宿主机大部分路径：转存容器只挂了自己的 config 目录，看不到宿主机的媒体库；所以”转存”在容器里做、“下载落盘/改名/配字幕”在宿主机做，两边用账号 cookie 衔接。

• FRP 隧道会抖：NAS 经 frp 中转暴露 SSH，偶发 Connection closed by <relay>。狂重试会触发 fail2ban 越封越久，正确做法是缓一下再连。

十三、协作模式与现状

这套系统有十几个脚本、跨容器、带定时任务、会自己收发消息。它的产生方式是一个固定的循环：

值得一提的是几个判断本身的价值——它们是统计和模型给不出、需要人来定的：把”覆盖完整”放在选版第一位、“没识别到的不可能没收录”催生第三轮重查、“完结的别永久挂着”触发任务回收、“内嵌繁体不可换的直接跳过”。这些是需求，不是代码。

工程上每一步都带验证：部署后抽查、批处理后报数核对、出错回滚备份。涉及外部写入（写库、改媒体库、发布）前，都先和原始数据核对主键、留时间戳备份。

现状与待办

• catalog：2273 部全部归类，推荐池满载；

• 下载：异步、逐季、转存校验重试、完结判定、外挂字幕 + 剧场版、版本选择规则全部就位；

• 对话：回编号 / 报片名 / 说类型 / 加字幕 / 拉黑都能走。

待办：把”外挂字幕 + 剧场版”这套拿一部全新番做一次端到端实跑验证；清掉目录里混进来的少量真人影视；给推荐加”探索位”防信息茧房。