类型相似度
如果近期多看都市情感，推荐可能偏向相似题材。不过同类型作品的气氛与叙事质量仍可能有明显差别。
潜在局限：让观看选择越来越单一。
主动穿插其他类型，给新题材一次机会。
SMART DISCOVERY / HUMAN CHOICE算法会发现相似，
算法会发现相似，
好奇心让你看见不同。
AI 影视推荐常通过行为与内容特征寻找相似项。了解这些线索的作用和局限，就能把推荐当作参考，而不是唯一答案。
你的选择内容特征观看情境兴趣变化
01 / UNDER THE HOOD推荐的线索
一条推荐为什么会出现？
停留与完成行为
观看完成度有时会被用于推测兴趣，但中途停下也可能只是被电话打断，不能直接等同于不喜欢。
潜在局限：把偶然行为当成长期偏好。
结合当下需求评价推荐，而非只依靠历史记录。
内容属性与新鲜度
题材、时长、语言及发布时间都可能成为筛选信号；“最新”并不天然意味着“最适合”。
潜在局限：忽略经典作品或冷门佳作。
同时关注熟悉类型和未曾接触的作品。
观看情境
同一个人午休想看轻松片段，周末却可能更想看一部完整电影。推荐系统不一定能充分理解情境变化。
潜在局限：上下文信息不足。
把可用时间、一起观看的人和心情纳入选择。
02 / TAKE BACK THE REMOTE给推荐一点边界，
给推荐一点边界，
给自己一点偶然。
一个简单的办法是把“接下来想看什么”拆成三个问题：我有多长时间、此刻需要什么情绪、最近是否想换题材。三个答案比笼统的“猜你喜欢”更贴近真实需求。
- 设定今天的观看时间十分钟与两小时，适合的内容结构可能截然不同。
- 为陌生类型留一个名额在常看类型之外选一部感兴趣的作品，有机会跳出重复循环。
- 不以单次浏览定义喜好观看行为只是线索，不应该取代对作品本身的判断。
