UHD_Media_Tool/docs/runbook/identity.md

资源识别与待识别池运行手册(DEC-1)

新观察到的资源(RSS、站点列表快照、搜索结果)先进待识别池,只在有理由时才查 TMDB。只有和订阅或本地作品相关、 又需要你决定的资源才进待处理。对照 MoviePilot:RSS / 站点资源只在匹配订阅或用户搜索时才识别,识别失败只写日志、不告警 (app/chain/subscribe/match.py _prepare_match_torrents:未识别的种子最多重试 3 次,之后跳过)。

需求依据:REQ §4.2–4.3(观察不等于事实)、§6.3(新作品收录 / 追更补缺 / 升级都由规则触发)、§7.5(待识别池可检索、 不污染正式库、有界复查、不留死数据)、§13(待处理按作品与问题类型合并)。

识别流程(resolveObservation)

1. 解析标题(release-parser),本地召回:显式外部 ID、title_alias 精确 / pg_trgm ≥ 0.45(本地作品 = 订阅、追踪、已登记的作品)。

2. 判断是否查 TMDB(lookup,记在 source_release.resolution_evidence.lookup 和池条目 query.lookup):

   lookup	条件
   manual	任务输入 trigger: "manual":池里点「重新识别」、Agent / 能力 identity.resolve
   search	任务输入 trigger: "search":搜索结果
   takeover	接管的下载任务按文件名识别(identifyParsed(…, { trigger: "takeover" }),见下文「接管任务按文件名识别」)
   tracked_alias	本地召回有候选(标题命中订阅 / 本地作品的别名)
   previously_looked_up	周期复查,且这条池条目以前查过 TMDB(旧数据、手动、规则触发)
   eager	设置 identity.eagerTmdbLookup = true
   new_title_rule	有已发布、开启 newTitle 且有有效持续授权的获取策略,资源类型在规则的 mediaKinds 内,标题年份(若有)不早于窗口能覆盖的年份

   都不满足:只进池,reason = unmatched,不查 TMDB,不开待处理。

3. 查了 TMDB 的,召回 TMDB 候选(recallTmdbCandidates:中文名 → 英文名,按类型单语言搜索,标题对不上的按年份相近度拉前几个详情比对别名 / 译名), 交给 domain.resolveIdentity 打分:auto 建档 / 关联并发 release.resolved;否则进池。打分规则与 MP 的对照见 docs/porting/moviepilot-identity-match.md(ID-2)。

4. 自动绑定时把站点标题登记为作品别名,只在标题精确命中(或别名命中且另一种文字的名称也命中)时登记,分类词 / 单字 / 停用词不登记。 FIX-5 守卫(service/alias-guard.ts):逐个名称再查一遍,以下任一成立就不登记,原因记在 resolution_attempt.best.aliases.skipped (added 是登记了的):证据等级不是 rule_confirmed(low_evidence);资源年份与作品年份差超过 1 年且不是季年份(year_conflict); 作品有已接受的外部身份,且同一种文字(中文 / 拉丁)下已有确认的外部标题(主标题 / 原标题 / TMDB 译名与别名),这个名称对不上 (conflicts_external_title);这个名称已经挂在别的作品上(owned_by_other)。

标题更新(RSS 标题与列表标题不同、站点改标题):按新标题重新解析,发 release.observed(isNew=false),以 force 重新识别 (已识别的也不短路,触发来源仍是 observed);重新识别不能确认时撤销原自动绑定、进池。人工锁定的不动。

任务输入 trigger 缺省:force 为 true 视为 review(池复查),否则 observed。 搜索模块想让搜索结果直接识别,入队 resolveObservation 时传 trigger: "search"(目前搜索结果经 release.observed 进来, 按 observed 处理;命中订阅别名的照样会查)。

接管任务按文件名识别(QB-1)

用户手动加进 qB、贴了管理标签的任务(download_task.origin = adopted,没有 source_release / 计划)下载完成后,verifyAndImport 的 planImport 先按 MP transfer 的做法识别作品(acquisition-organize/services/takeover.ts):

1. 主视频 = 要下载(priority≠0)的视频文件里最大的一个(跳过 sample);parseReleasePath(主视频路径) 合并 文件 → 上级 → 上上级 目录名(qB 文件名含种子根目录,相当于 MP MetaInfoPath),再用种子名补缺(mergeParsed);文件名解析不出标题时直接用种子名。
2. identifyParsed(service/resolve.ts):同一套 ID-2 打分(本地召回 + TMDB 候选 → resolveIdentity),trigger: "takeover" 视为 允许查 TMDB;不写待识别池、不开身份事项。auto 且自动化开启 → 关联 / 新建作品(新建的入队一次 full 刷新),回填 download_task.media_entity_id,直接整理。
3. 失败 / 歧义 / 自动化关闭:整理记录 identity_unknown,事项 organize_identity:<下载任务 id>(identity_ambiguous), 证据带种子名、主视频、解析出的标题 / 年份 / 季集、识别结果与候选。选项:候选(最多 3 个,本地作品或 TMDB)、 「选择作品（本地）」(requires: mediaEntityId)、「选择作品（TMDB）」(requires: tmdb,本地没有时建档)、 「作为临时作品入库」(建 provisional 作品 + 别名)、「忽略」。
4. 处理(POST /decisions/{id}/resolve):整理模块注册的执行钩子(modules/decision-hooks.ts)在关闭前同步执行 —— 回填 download_task.media_entity_id → 冻结手动整理计划 → 入队执行;执行结果记在 resolution.execution。缺输入 / 作品不存在 → 400 / 404,事项保持打开。

待处理只收相关的

结果	开事项?
unmatched	否
ambiguous / proposed(查过 TMDB,有候选)	是,identity_ambiguous,级别 warning
no_match / 复查已停的 lookup_failed	只有本地召回有候选(与本地作品相关)时开 identity_unresolved,级别 warning

合并:dedupeKey identity-group:<siteId>:<归一化标题>,同来源同标题的资源并成一条。成员 = identity_candidate.decision_id 指向该事项且仍 pending 的条目。标题 1 条时写资源原标题,多条时写「来源「X」的 N 条资源待识别 / 待确认身份:<标题>」, evidence.releases 列前 50 条,evidence.count 为总数。

• 处理(选候选 / 手动 TMDB ID / 选本地作品):先处理代表资源(subject),再把确定的作品套到组内其它资源(都加人工锁)。
• 忽略:组内每条池条目都 dismissed。
• 组内某条被单独识别 / 指定 / 忽略:从组里摘除,代表资源和候选选项换成剩下的最近一条;组空了才关事项。
• 旧式单条事项(identity:<releaseId>)在该资源下次复查时并入合并事项并关闭。

收件箱:顶栏角标和待处理页缺省只算 warning 及以上(minSeverity=warning),"仅信息"类在待处理页「级别 → 含仅信息」里看。 待处理页按问题类型 + 作品 / 来源分组,前 3 组展开,其余折叠;合并事项卡片可展开组内资源。

池的治理

• 复查有上限:unmatched 每天一次本地召回,最多 3 次;查过 TMDB 的按原退避(无结果 1h 起、查询失败 15min 起,翻倍到 7 天,最多 8 次)。
• 新证据即重试:title_alias 插入触发器 title_alias_wake_identity_pool,把归一化标题相同或相似度 ≥ 0.45 的 unmatched / no_match 池条目的 next_review_at 设为现在。建档、手动加别名、合并作品都会触发。
• 过期归档:identity.poolArchiveDays(缺省 30)天没有新尝试的 unmatched 条目改为 archived,在池复查定时任务里做, 每进程每小时最多一次。归档不删资源,仍可按状态筛出、手动指定。
• 检索:媒体概览 → 待识别,按原始标题 / 解析标题检索,原因筛「未命中订阅」即 unmatched。条目详情里可「重新识别」 (手动触发,会查 TMDB)、手动指定 TMDB ID / 本地作品(复用 /identity-pool/{id}/assign,加人工锁)或忽略。

设置

设置 → 元数据 → 资源识别:

• identity.eagerTmdbLookup(缺省关):打开即旧行为,每条新资源都查 TMDB。每条约 1–2 次搜索 + 命中时 1 次详情 (识别缓存命中为 0);每小时 100 条的 RSS 约每天 2400–7200 次请求,站点独有的短剧 / 综艺多半查不到。 打开后无结果的资源仍只进池,不开事项。
• identity.poolArchiveDays(缺省 30)。

存量清理(迁移 0047_identity_pool)

未关闭的 identity_unresolved 事项中,资源未关联作品、池里没有候选、归一化标题也不命中任何本地别名的: 事项改 dismissed,resolution = {"resolution":"moved_to_pool","by":"migration:0047_identity_pool"}; 池条目改 reason = unmatched、清 decision_id、停自动复查。相关的保留原样,下次复查时并入合并事项。

需要重建镜像 / 重启 api + worker 才生效(迁移随启动执行)。

规则更新后的存量重评(ID-2,scripts/identity-reevaluate.ts)

匹配规则更新(新镜像已部署、api + worker 已重启)后,用这个脚本处理存量。缺省只读,加 --apply 才改库;DATABASE_URL 必须显式给出。

# 用户栈的 PG 不对宿主暴露端口:取容器 IP,密码取栈的 .env
PGIP=$(docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' umt-postgres-1)
DATABASE_URL=postgres://umt:<密码>@$PGIP:5432/umt deno run -A scripts/identity-reevaluate.ts --rollback-wrong           # 先看清单
DATABASE_URL=postgres://umt:<密码>@$PGIP:5432/umt deno run -A scripts/identity-reevaluate.ts --rollback-wrong --apply   # 确认后执行

• 待识别事项:列出 open 的 identity_ambiguous 成员,按新解析规则给出预估(只用池里存的候选,不查 TMDB);--apply 把这些池条目排入立即复查, 由运行中的服务按新规则重新识别——能自动确认的绑定作品、建映射,并从合并事项摘除(组空即关闭)。
• --rollback-wrong:找站点来源的分类词 / 通用词别名(例如「电视剧」),对挂着它的作品用新解析 + 作品自身名称(主标题 / 原标题 / 非站点来源别名) 核对已绑定资源;对不上的解除绑定、退回池(reason = no_match,立即复查),删除该别名和由误并入资源登记的站点别名,各记一条 resolution_attempt(outcome = manual, reason = rollback_wrong_alias)。内容单元不删,只报告无资源引用的数量;引用了这些资源的其他表只报告。
• 2026-09-29 用户库副本演练:《东北有个周东北》29 条绑定里 23 条误并入,删除 7 个站点别名(「电视剧」「动漫」「综艺」与 4 个链式英文名)。

冲突别名与临时内容单元清理(FIX-5,scripts/identity-cleanup.ts)

守卫上线前登记的错误别名、重复内容单元、孤立的临时内容单元用这个脚本清理。缺省只读,--apply 在一个事务里执行并写审计 identity.cleanup;--dry-run 显式只读;--keep-orphans 不删孤立单元;--entity <id> 只处理一部作品; --merge-duplicates 只做重复单元合并(不动别名和孤立单元,DH-1)。连接方式同上。

DATABASE_URL=postgres://umt:<密码>@$PGIP:5432/umt deno run -A scripts/identity-cleanup.ts            # 看清单
DATABASE_URL=postgres://umt:<密码>@$PGIP:5432/umt deno run -A scripts/identity-cleanup.ts --apply    # 确认后执行
# 只合并重复单元;只读演练可在连接串加 ?options=-c%20default_transaction_read_only%3Don 强制只读会话
DATABASE_URL=postgres://umt:<密码>@$PGIP:5432/umt deno run -A scripts/identity-cleanup.ts --merge-duplicates

• 冲突别名:只动 source = site 的作品级别名,且不是作品自己的名字(主标题 / 原标题 / TMDB 别名)。同一归一化别名还挂在别的作品上 (或是别的作品的标题)→ 删;作品有已接受外部身份、同一种文字下已有确认外部标题而它对不上 → 删(中文标题的拼音写法保留); 本作品下带这个名字的资源都解析出年份且都与作品年份差超过 1 年 → 删。
• 重复的内容单元(DH-1 起与 refreshMetadata 共用 apps/server/src/modules/sources-identity/service/unit-merge.ts): 同作品、同类型、同季同集号、同内容类型与分段的多条未退役单元(不论临时 / 正式),保留被引用最多的(资源、资产覆盖、下载 / 版本槽、订阅覆盖等,不含单元自身的字段来源;同数时 confirmed 优先、再取最早的),其余单元的全部引用按外键自动发现改指向保留的那条 (撞唯一约束的行——保留的单元上已有同一行——直接删),子单元改挂,然后删除。保留的单元:组内有正式的即转正式, 标题 / 播出日期 / 总集数 / metadata 为空时取被合并单元的值。成因是并发识别同一集时懒建竞态,ensureUnits 已加咨询锁。
• 2026-09-29 用户库只读 dry-run(--merge-duplicates,未 apply):2 组删除 6 条——《征途》S01E09、S01E10 各 4 条临时单元 (同一时刻建出,都无引用),各保留最早且带 TMDB 字段来源的那条(8d5e09fb…、1132f75b…),其余 3 条合并。之后对该作品跑 元数据刷新也会自动合并。
• 孤立的临时内容单元(FIX-6 收紧):只删资源解析建出、外部元数据不认识的临时单元。同时满足才删:provisional;没有资源 / 资产 / 订阅 / 下载 / 整理等任何引用;没有任何元数据痕迹(字段来源 / 字段覆盖 / 标题 / 播出日期 / 总集数来源 / metadata 非空); 作品没有已接受的外部身份,或这个季 / 集超出作品的外部季集结构(季号 > TMDB 季数,或集号 > 该季已知总集数; 季数未知时整部作品都不删,特别篇季 0 总在结构内);没有保留的子单元。字段来源 / 覆盖 / 单元别名随之删除。 TMDB / 元数据来源的季集账本单元永不删除,即使没有资源、状态还是 provisional。
• 清单按类别输出:删除(作品没有外部映射 / 超出外部季集结构)与保留(仍被引用 / TMDB·元数据·人工来源 / 在外部季集结构内 / 有保留的子单元),--dry-run 显式只读(与 --apply 互斥)。先看「删除」两类里有没有正常作品,再 --apply; 审计 identity.cleanup 的 orphanUnits 记每条删除的单元与原因。
• 事故(FIX-6,2026-09-29):FIX-5 版本只看"无引用 + 没有 TMDB 字段来源",把旧版本建的、还没回写字段来源的 TMDB 季集账本单元 (《人生切割术》S00–S03 与 20 集、《沙丘：预言》S00 与 17 集等)当孤立删除。恢复:对受影响作品跑 full 元数据刷新—— 计划页执行「元数据语言回刷」(POST /schedules/metadata.backfill_languages/run-now,停用状态也可手动执行)或逐个 POST /media-entities/{id}/refresh?full=1,季 / 集单元会按 TMDB 重建为 confirmed。季 0(特别篇)自 DH-1 起也在 full 刷新 范围内(metadata.includeSpecials 缺省开),回刷即可重建。

排查

-- 池分布
select reason, status, count(*) from identity_candidate group by 1, 2 order by 3 desc;
-- 某条资源为什么没查 TMDB
select resolution_status, resolution_evidence->>'lookup' as lookup, resolution_evidence->>'detail' as detail
  from source_release where id = '<id>';
-- 某个合并事项的成员
select p.source_release_id, r.title, p.reason from identity_candidate p join source_release r on r.id = p.source_release_id
 where p.decision_id = '<decisionId>' and p.status = 'pending';
-- 站点来源的可疑别名(分类词等)
select e.title, a.alias, a.created_at from title_alias a join media_entity e on e.id = a.media_entity_id
 where a.source = 'site' and a.normalized in ('电视剧', '动漫', '综艺', '电影', '纪录片', '音乐', '短剧');
-- 迁移搬走的事项
select count(*) from decision where resolution->>'resolution' = 'moved_to_pool';

元数据补全(META-1)

TMDB 查不到的作品(短剧、平台独播剧)按标题查网页,出一份带出处的字段建议;确认后才建本地临时作品(REQ R03 / R10、§7.3、§7.5)。 字段来源记 web(值在出处网页原文里)或 agent(Agent 归纳 / 改写,如简介),不记 tmdb。

代码:apps/server/src/modules/sources-identity/service/enrich.ts(建议 / 应用 / 自动触发 / 命中率)、service/enrich-sources.ts(META-2 来源分类、各来源抽取器、置信度合并、robots.txt、登录墙识别)、routes/enrich.ts(HTTP 与海报代理)、 apps/server/src/modules/agent/capabilities-metadata.ts(能力 metadata.enrich、模型调用)、迁移 0049_enrichment。

流程(metadata.enrich,propose,low,replay safe)

输入 {poolEntryId} 或 {title, year?, hints?},可加 fresh: true 跳过缓存。

1. 缓存:kv_cache region enrich,key = 归一化标题 | 年份 | 归一化 hints,TTL 7 天,指向上次的补全记录。命中直接返回(cached: true),不搜索、不计预算。

2. 前置条件:网页搜索没开(设置 → Agent → 网页搜索)直接报错,不占预算;Agent 会话里网页搜索没开时不向模型提供这个能力。

3. 预算:identity.enrichDailyBudget(缺省 20,0 = 停用)按当天新建的 metadata_enrichment 行计(含失败的),用咨询锁防并发超额;用完返回 budget(HTTP 429)。

4. 搜索:web.search「标题 [年份] [hints] 短剧」;如果白名单里标题完整对得上的网页不足 3 条、且摘要还不够用(集数和年份都要有两个以上网站给出,并有主演或简介),再搜「… 短剧 site:<白名单按 百科 → 豆瓣 → 平台 排序的前 6 个域名,OR 连接>」,最多 2 次。每次搜索用自己的调用方(system:enrich:<记录id>:<n>),web.fetch 白名单与 Agent 会话互不覆盖。条数跟随网页搜索设置的 maxResults(缺省 5;调到 10 摘要证据明显更多,见下方真机记录)。

5. 来源分类(META-2,每条搜索结果一类,记在 sources[].kind):

   类别	域名	怎么用	基础置信度(网页 / 摘要)
   百科 encyclopedia	baike.baidu.com、baike.sogou.com、baike.com(快懂百科)、wikipedia.org、baike.so.com	读网页(robots 允许时)+ 摘要	0.85 / 0.7
   平台 platform	hongguoduanju.com(红果)、kuaikaw.cn(河马剧场)、爱奇艺、腾讯视频、优酷、芒果、B 站、抖音、快手、西瓜、MyDramaList	读网页 + 摘要	0.8 / 0.6
   豆瓣 douban	douban.com	只用搜索摘要,不读页面(skipped: snippet_only)	— / 0.65
   其它 other	identity.enrichDomains 里的其它域名	读网页 + 摘要	0.6 / 0.5
   搜索摘要 snippet	白名单以外的网站(多为短剧聚合站)	只用搜索引擎给的标题与摘要,不打开网页;identity.enrichSnippetAllSites 关掉后不用	— / 0.35

   以上域名只有在 identity.enrichDomains 里才按对应类别处理,不在白名单里的一律按「搜索摘要」。已登记站点(site.base_url)的域名既不读也不用摘要。 没有做 Bing:Bing Search API 已停止服务,抓 Bing 结果页属于绕过访问限制,不做;「摘要模式」用 Brave 的结果摘要(描述 + 第一条 extra snippet)。

6. 读取:只读白名单里(豆瓣除外)结果标题 / 摘要包含完整标题的网页(只有七成字对得上的多是首页、榜单页,记 irrelevant),按相关度、白名单顺序最多 3 条。读之前查 robots.txt(User-agent: * 或指名 umt-websearch 的组,最长匹配、同长 Allow 优先;按「协议 + 主机」缓存 1 天,kv_cache region enrich.robots;404 视为没有限制,5xx / 超时视为不允许),不允许的记 robots 跳过;读到登录墙 / 验证码页(正文很短且含「验证码」「请先登录」等)记 blocked 放弃,不重试、不绕过。重定向出白名单的页面丢弃。robots.txt 的读取不计入 fetchCalls。

   • 2026-09-30 录制:红果 robots.txt 对所有爬虫禁止 /series/(作品页的常见地址),/detail?series_id= 允许;百度百科对 * 全站禁止(百科只能用摘要);河马剧场禁止带查询串的地址。

7. 抽取(每类来源一个小抽取器,enrich-sources.ts):

   • 摘要:结果标题必须包含查询标题(演员页、榜单页顺带提到的不用)。通用句式:书名号标题(用网页上的写法,如「重生60，我有情报系统」)、「共 / 全 N 集」「(N集)」、「年份:」「(2026)」「2026年热播」「上映于」、「主演:A＆B」、「简介 / 剧情简介 / 影视简介:」、「类型:」、「又名 / 别名:」(拼音别名丢弃);「更新到第 30 集」不当集数,网盘 / 下载字样不进主演与简介;摘要只有一段剧情(没有标签)时按 0.7 权重当简介。豆瓣摘要按「导演: 主演: 类型: 年份: 集数:」取;百科摘要按「由 X 执导,A、B 主演的……全剧共 N 集,于 2025 年 8 月 15 日在爱奇艺首播,又名“…”」取。
   • 网页:网页标题(去掉「_高清完整版…」「_百度百科」等后缀)必须对得上;只看本作品主体(「相关短剧」「热门短剧」「猜你喜欢」之后是别的作品);集数取正文句式,没有时取选集列表「1 2 … N」;平台页的平台名按域名;海报只取 og:image。
   • 模型(可选):默认 Agent 上游做一次补全,输入是读过的网页和用上的摘要;模型给的值必须以本次的网页或摘要为出处,原文里有的按该来源置信度减 0.05,改写 / 归纳的按 0.3;海报不是网页 og:image 的丢弃。fake 上游、没有上游、失败或输出不是 JSON 时只用规则抽取(extractor: rule)。

8. 合并:每个字段把候选值按归一化值分组,同组不同网站的置信度按 noisy-OR 叠加(同一网站只算一次),取最高的一组,低于 0.3 的丢弃;主演 / 类型 / 别名保留过线的前 10 / 5 / 10 个。每个值带 sourceKind、confidence、hosts(给出同一值的网站数)。证据等级:原文里有、由规则抽出且出处不是「搜索摘要」类 → rule_confirmed;两个以上不同网站给出 → multi_evidence;其余 needs_review。

9. 命中率:usage.attempts 记每类来源的 results(结果标题对得上的条数)、fetched、hit(建议里至少一个字段有它支持)、fields。GET /identity/enrich-stats?days=30(read)返回最近 N 天发起过搜索的补全次数、出建议次数、各类来源的「有结果 / 命中 / 命中率」;设置 → 元数据 → 资源识别 下方有这张表。命中 7 天缓存的不新建记录,不计入。

10. 存 metadata_enrichment(status suggested / failed、suggestion、usage:搜索 / 读取次数与 token),不写作品表。

web.fetch 输出新增 image(页面 og:image / twitter:image,绝对地址,已脱敏)。

触发

• 待识别池条目详情 →「元数据补全」→「补全」看建议 →「应用」(可选「应用的字段同时锁定」、并入某个同名作品)。POST /identity-pool/{id}/enrich(organize.execute,经能力注册中心,授权 / 审计同 Agent)。
• 自动:identity.autoEnrich(缺省关)打开后,识别结果是 no_match 且查 TMDB 的理由是 tracked_alias / new_title_rule 时入队引擎任务 enrichPoolEntry(幂等键 enrich:auto:<池条目>,每条一次,不重试),只出建议不建作品;预算用完 / 网页搜索没开时任务正常结束(skipped)。
• Agent:metadata.enrich 在授权里直接放行(只存建议),受每日预算约束。

应用(POST /identity-pool/{id}/enrich/apply,只接受控制台管理员会话)

• 作品:指定 mediaEntityId 则并入;否则按标题 / 查询标题的归一化别名找已有作品(active / provisional,年份不冲突)去重并入;都没有就建 status = provisional 的作品(缺省剧集,kind 可改)。
• 字段:metadata_field 写 source = web | agent、source_revision = enrich:<记录id>、evidence = {sourceUrl, evidenceLevel, enrichmentId, extractor};映射 title→title、year→year、synopsis→overview、platform→platform、episodeCount→episodeCount、genre→genres、cast→cast(按 MediaCredit 写,没有 TMDB 人物 ID,id 用 -1、-2… 占位,作品详情里不链接 TMDB)、posterUrl→posterUrl,然后按原规则投影(TMDB 值存在时仍优先 TMDB,锁定的字段不变)。lock: true 把应用的字段加进 field_locks。
• 别名:标题、查询标题、建议里的别名写 title_alias(source agent,kind other),会唤醒相近的池条目复查。
• 单元:剧集建第 1 季 + 1..集数(最多 200)临时单元。
• 待识别资源经 assignReleaseIdentity 关联到该作品(人工锁);记录改 applied,审计 metadata.enrichment_applied。不写外部身份。
• 后续 TMDB 收录:provisionalEntitiesForTmdbReview() 列出补全建的、还没有 TMDB 身份的临时作品,留给身份巡检按标题 / 年份查 TMDB 后用 setEntityIdentity 补映射。

作品详情「元数据」里来源显示「网页」/「Agent」,下面一行是证据等级和出处链接;网页海报经 GET /api/v1/img/enrich/{记录id} 代理(只取该记录里白名单网页给出的图片,出处仍须在白名单;不接受任意 URL;地址守卫同 web.fetch,最多 3 跳、5 MB、只收图片)。

设置(设置 → 元数据 → 资源识别)

字段	缺省	说明
identity.autoEnrich	关	订阅 / 规则命中而 TMDB 无结果时自动出建议
identity.enrichDailyBudget	20	每日次数(手动 + 自动 + Agent);0 = 停用
identity.enrichDomains	见上	可读取的域名,不放 PT 站。META-2 起缺省加了 baike.com、kuaikaw.cn;已保存过这项设置的库不会自动加,需要时手动补
identity.enrichSnippetAllSites	开	白名单以外网站的搜索摘要也用来抽字段(只看摘要,不打开网页);旧设置没有这个键,按开

单次成本:1–2 次 Brave 搜索(搜索缓存命中不计)、最多 3 次网页读取(另有 robots.txt,每个网站每天最多 1 次)、1 次模型调用(约 3–6 千输入 token)。短剧多数只有聚合站收录,通常 0 次网页读取。

迁移 0049_enrichment:metadata_field / field_override 来源加 web、metadata_field.evidence、metadata_enrichment 表。需要重建镜像 / 重启 api + worker 才生效。

-- 今天的补全
select status, trigger, count(*), sum((usage->>'searchCalls')::int) searches from metadata_enrichment
 where created_at >= date_trunc('day', now()) group by 1, 2;
-- 某作品的补全字段与出处
select field, source, value, evidence->>'evidenceLevel' lvl, evidence->>'sourceUrl' url from metadata_field
 where media_entity_id = '<id>' and source in ('web', 'agent');

真机记录(2026-09-29,开发库写记录,用户栈只读设置 / 凭证,未应用)

默认上游 OpenCode Go / deepseek-v4.1-flash + Brave,对池里 4 条 HHClub 短剧标题各跑一次(共 8 次 Brave 调用):

标题	结果	耗时	读取 / token
我被亲戚误会破产了	failed:搜索结果全是聚合站,不在白名单(当时还没有 site: 限定)	1.8 s	0
重生60 我有情报系统	failed:加 site: 后有白名单结果,读了 3 个爱奇艺页(当时未做相关度过滤),模型判定没有这部作品的信息	6.2 s	3 次 / 1601 入 533 出
京夜喜你	failed:白名单结果标题都对不上,不读网页、不调模型	1.9 s	0
春城恋曲	同上	1.8 s	0

结论:平台自制短剧在百科 / 豆瓣 / 平台站基本没有可被搜索到的条目,补全多数会以"白名单网站里没有标题对得上的结果"结束,不消耗读取和模型; 要提高命中率可以在 identity.enrichDomains 里加入短剧平台的公开页面域名。聚合站、盗播站不要加(META-2 改为只用它们的搜索摘要,见下)。

真机记录(META-2,2026-09-30,不写库)

用户库只读(连接串加 default_transaction_read_only=on)取出待识别池里 4 条 HHClub 短剧,跑 runEnrichPipeline(规则抽取,不调模型;网页搜索设置 maxResults = 5、白名单用缺省)。 请求:Brave 12 次(探索 8 次 + 第二次 site: 搜索 4 次;第一次搜索复用探索录制的响应);hongguoduanju.com 4 次(robots.txt、1 个作品页、流水线读了首页和分类页各 1 次——之后改为只读含完整标题的结果)、baike.baidu.com 1 次(robots.txt)、kuaikaw.cn 1 次(robots.txt),同一网站间隔 ≥ 6 s。 响应脱敏(删网盘链接,只留标题 / 地址 / 摘要)后存为 apps/server/test/fixtures/enrich/,enrich-sources.test.ts 回放锁住下面的结果。

标题	命中来源	结果(置信度 / 网站数)
我被亲戚误会破产了	搜索摘要	标题(0.82 / 4)、2026(0.35 / 1)、75 集(0.35 / 1)、主演刘俊达 / 刘诣文(0.35 / 1)、简介「周远公司上市后回乡给爷爷祝寿…」(0.35 / 1)
重生60 我有情报系统	搜索摘要	标题「重生60，我有情报系统」(0.88 / 5)、2026(0.82 / 4)、80 集(0.35 / 1)、主演龙泽 / 冯韵霏(0.73 / 3)、类型年代穿越
京夜喜你	搜索摘要	标题(0.88 / 5)、2026(0.58 / 2)、41 集(0.35 / 1)、主演祁乐 / 吴思君(0.35 / 1)
春城恋曲	搜索摘要	标题(0.73 / 3)、2026(0.73 / 3)、主演宋喃 / 郑天龙(0.58 / 2);没有集数

命中率:搜索摘要 4/4,百科 / 平台 / 豆瓣 / 其它 0/4(第二次 site: 搜索只搜到别的短剧、演员页和榜单页)。每次 10 条结果时证据更多:《京夜喜你》41 集升为多证据、有简介、只需 1 次搜索;《春城恋曲》主演 4 个网站;关掉 enrichSnippetAllSites 则 4 条都抽不到字段。 集数、主演多数只有 1 个聚合站给出,标「待复核」,应用前要人工核对。