电影推荐分析

豆瓣「看过」电影档案与**精准个性化电影推荐**。亮点是推荐的「四层依据」——把用户的观影习惯（观影节奏、时长耐受、打分尺度）、稳定喜好（类型/导演/母题偏好，用「我给的均分」而非「看过多少」验证）、用户画像（性格、价值观、尺度接受度、观影场景）与近况（当下的时间精力、作息健康、人生阶段、近期关注）叠在一起，给出「为什么是它 + 为什么是现在」的判断，而不是复述豆瓣榜单。当用户提供豆瓣 App「看过」列表的手机长截图（滚动截图），希望识别成结构化数据、生成电影档案 CSV 或可交互 HTML 工作台；或希望「根据我看过的电影推荐一部 / 推荐片单」；或想分析自己的观影口味（类型偏好、打分习惯、导演覆盖、观影节奏、我 vs 豆瓣的评分差）；或已有档案 CSV/JSON 要做增量更新与再次推荐时使用；也用于深度解读场景——「把某一部电影讲透 / 从我的片里挑一部做深度解读 / 讲讲某个导演 / 这两部对比 / 我的五星片有什么共性」（输出 Markdown 文档，含主创信息、数据视角与可靠度说明；未指定片名时先给候选由用户选定，不自行开写）。核心流程：长截图切分 → 逐片原尺寸识别（多子代理并行）→ 合并校验去重 → CSV + HTML 档案 → 按四层依据出推荐。首次使用会先检测画像技能 user-profile-builder 是否已安装，未安装则询问是否安装（https://skillhub.cn/skills/user_e285fd2e/user-profile-builder），因为画像与近况正是「精准」的关键一层。

存档时间线

版本索引永久保留；内容副本只保留最近 2 版，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本