🎬 观影小管家

🎬 你的私人影音智能管家

整合 TMDB 与 Emby/Plex 的私人影音管理助手,支持电影查询、媒体库管理、智能推荐与观影记录,打造专属观影体验。

收藏
3.5k
安装
984
版本
1.0.0
CLS 安全性认证2026-08-04
点击查看完整报告 >

使用说明

核心用法

Movie Butler 是一款面向私人影音爱好者的综合性观影管理工具,核心功能围绕三大模块展开:

1. 电影信息查询

  • 调用 TMDB API 获取全球电影数据库信息(简介、评分、演员、海报等)
  • 同步查询本地 Emby/Plex 服务器,确认片源存在性与画质
  • 支持"一键对比"模式,同时呈现网络信息与本地库状态

2. 媒体库管理

  • Emby/Plex 双平台支持:浏览库容、搜索影片、查看最近添加/播放记录
  • 智能统计功能,掌握个人媒体资产状况

3. 智能推荐系统

  • 每周一部电影:自动生成推荐并记录观影计划
  • 背景感知推荐:根据心情、工作状态、时段(周末/工作日)动态调整
  • 个性化学习:基于观影记录与评分,分析类型/导演偏好,持续优化推荐质量

4. 观影记录

  • 自然语言记录观影感受与评分
  • 自动维护 movie-memory.md 偏好档案

---

显著优点

  • 本土化整合:将 TMDB 的全球数据与私人 NAS 媒体库打通,解决"网上有但服务器没有"的痛点
  • 场景化推荐:不同于泛泛的算法推荐,结合用户实时状态(累/忙/闲)提供情境化建议
  • 低使用门槛:自然语言交互,无需学习复杂指令
  • 数据自主权:观影记录本地存储,隐私可控

潜在局限

  • 依赖外部 API:TMDB、Emby、Plex 任一服务失效将影响功能
  • 配置复杂度:需自行申请 API Key、配置服务器地址,对非技术用户有门槛
  • 推荐深度有限:无协同过滤,仅基于个人历史,新用户冷启动问题明显
  • 中文内容覆盖:TMDB 对华语电影数据完整度弱于豆瓣等平台

适合人群

  • 拥有 Emby/Plex 私人媒体库的电影爱好者
  • 希望系统化管理观影记录、建立个人影史的用户
  • 追求"管家式"推荐、厌倦流媒体算法投喂的深度影迷

常规风险

| 风险类型 | 说明 |
|---------|------|
| 隐私泄露 | TMDB API Key、Emby/Plex 凭证需妥善保管,避免硬编码提交至公共仓库 |
| 服务器安全 | 需确保 Emby/Plex 服务未暴露于公网或已做好访问控制 |
| 数据丢失 | `movie-memory.md` 需定期备份,无云端同步机制 |

安全解读

核心用法

Movie Butler是一款面向个人媒体库管理的观影助手Skill,核心功能围绕三方数据整合展开:通过TMDB API获取全网电影元数据(简介、评分、演职人员、海报),通过Emby/Plex API对接本地私有媒体服务器,实现"云端信息+本地资源"的一体化查询。用户可通过自然语言交互完成电影检索、服务器内容查询、观影记录管理及个性化推荐。

使用流程分为三类场景:信息查询(如"查询《星际穿越》详细信息")、库管管理(如"Emby上有哪些科幻电影")、智能推荐(如"最近工作很累,推荐部轻松的")。Skill会自动维护movie-memory.md文件,记录观影历史、评分及类型偏好,并基于这些本地数据生成背景感知推荐——结合用户心情、工作状态、时间场景(周末/工作日)等维度进行智能匹配。

显著优点

隐私优先的架构设计是最大亮点。观影记录以本地Markdown文件存储,用户完全掌控个人数据,无需担心云端同步带来的隐私泄露风险。这种"本地记忆+云端元数据"的混合模式,既享受了TMDB等专业数据库的权威性,又保留了个人观影数据的私密性。

多源整合能力提升了使用效率。传统观影场景需要在TMDB查信息、在Emby查资源、在笔记软件记录感受,Movie Butler将三者整合为单一交互入口,支持"一键对比"全网信息与服务器状态,显著降低操作成本。

场景化推荐引擎具备一定创新性。不同于简单的类型匹配,该Skill尝试引入心情、工作状态等上下文变量,推荐逻辑从"用户喜欢什么"延伸到"用户此刻需要什么",更贴近真实观影决策场景。

部署灵活性也值得肯定。Emby/Plex支持私有部署,TMDB提供免费的API配额,整体使用成本可控,适合个人用户和小型家庭媒体中心场景。

潜在缺点与局限性

配置门槛较高是首要障碍。需要用户自行申请TMDB API Key、配置Emby/Plex服务器地址及认证信息,对非技术用户不够友好。当前硬编码的默认配置虽降低了首次使用难度,但带来了安全隐患(见安全报告RISK-001至RISK-003)。

推荐算法深度有限。虽然引入了心情、工作状态等维度,但实际推荐逻辑仍主要依赖简单的类型匹配和评分过滤,缺乏协同过滤、内容特征向量等现代推荐系统技术,长期使用的精准度可能不及Netflix、豆瓣等专业平台。

网络依赖与延迟问题。TMDB服务器位于海外,国内访问可能存在延迟;Emby内网部署场景下,外部网络环境变化(如VPN切换)可能导致连接异常。

功能边界模糊。"智能下载建议"功能在Skill描述中存在,但实际实现可能仅为提示性文字,不直接介入下载流程,用户预期管理需要加强。

适合的目标群体

  • 自建媒体库用户:已部署Emby/Plex/NAS的影音爱好者,需要统一的管理入口
  • 观影记录爱好者:希望系统性记录观影历史、建立个人电影档案的用户
  • 隐私敏感型用户:不愿将观影数据上传至豆瓣、IMDb等公共平台
  • 技术背景用户:能够独立完成API申请、环境变量配置、内网穿透等技术操作

使用风险

API配额与稳定性:TMDB免费API有速率限制(40次/10秒),高频查询可能触发限流;OMDb API为付费服务,硬编码的Key可能随时失效。

配置安全风险:当前版本存在硬编码API Key和默认服务器地址,建议立即迁移至环境变量配置,避免意外泄露。

网络传输安全:Emby默认配置使用HTTP明文传输,内网环境相对安全,但公网访问建议强制启用HTTPS。

数据持久化风险:观影记录依赖本地文件系统,需自行做好备份,防止数据丢失。

依赖维护:dotenv等依赖未锁定版本,建议定期检查更新,防范供应链攻击。

🎬 观影小管家 内容

手动下载zip · 22.4 kB
DEMO.mdtext/markdown
请选择文件