Skip to content

armgit / peach

Public Imported from GitHub
0

Peach: Local-first video metadata scraper and media manager.

6.0 KB
Raw Blame

口味来源与判定

浏览历史保存在本机私有历史库;资料目录配置、浏览候选和偏好分不写入 ledger,不产生已确认的身份绑定。

来源 使用范围 证据
成人作品目录 DMM/FANZA 成人域、MGS、JavDB、JavBus、JavLibrary、厂牌网站等 搜索词、路径标签、已知人物与厂牌名称
视频、图集、漫画、音声与创作者来源 Rule34、Gelbooru、NHentai、Hitomi、OnlyFans、Fansly、Kemono、Coomer、常见视频及直播来源 标签、搜索词、账号与既有身份关联
混合内容平台 X/Twitter、Instagram、YouTube、Reddit、Bluesky、Tumblr、Pixiv、Patreon、FANBOX、Fantia 已登记实体链接、Peach 启用的关注;已知人物名称和明确成人标记仅提供浏览候选
混合发行平台 DMM.com 的 FANZA 分区、DLsite 成人分区 成人分区的网址证据;普通业务访问不提供口味信号
自有网站 既有实体资料中登记的网址 精确页面或官方根域关联,不凭未知域名猜测成人性质

域名名单是可识别来源规则,不能证明来源当前可访问,也不宣称覆盖所有成人网站。未知域名不按名称猜测性质;页面标题有明确成人上下文时,可提取该次访问的候选词,不把整站标成成人来源。新增专门适配应有网址格式和隔离样本。Rule34 搜索的负向标签不产生正向偏好,平台控制词不作为内容标签。DMM/FANZA 服务关系参考 FANZA 帮助;Rule34 标签语义参考站点标签说明。

浏览记录不能证明购买、平台收藏或关注,也不包含页面正文与停留时长。Peach 关注是独立明确证据;外部平台关注需通过用户导出或已有授权连接取得,不从访问 following 页面推断关注列表。未知成人账号仅保留候选,不自行建档。

偏好覆盖出演者、创作者、内容标签、厂牌、系列、发行区间和时长。行为与明确反馈权重较强,馆藏数量、浏览天数及关注分别计权;重复访问按身份和日期去重。技术标签、长度标签和不合口味作品不提供正向内容偏好。多题材用户的其他偏好不降低当前候选的匹配分。

尚未取得的信号:跨平台收藏与实际关注列表、独立预览停留时间、选段重复观看、规范人物特征、相邻用户协同证据。接入时需记录来源、取得状态和候选置信度;先验证对排序的影响,再用于推荐,不制造缺失字段或概率。

浏览器与导入文件统一在「管理 → 口味 → 数据源」管理,使用相同的来源卡片。自动发现常见 Chromium 和 Firefox 资料;自定义来源可添加资料目录或历史文件。浏览器卡片支持停止和启用读取,已导入记录保留;导入来源删除只删除私有库内的历史与书签,不删除浏览器原文件。读取采用 SQLite 一致快照,历史解析复用 browserexport==0.4.4;历史文件被浏览器独占时提示退出后重读,其余资料继续导入。

本机同步的历史和书签归到对应浏览器卡片,文件导入标注为「导入文件」。删除浏览器来源同时清除该来源的私有快照,并停止自动发现与读取;浏览器原文件和上传原件保留,可通过添加浏览器重新接入。API 的 browsers[].source_keys 关联私有快照,POST /api/taste/source 的 delete_browser 操作使用浏览器 id。

书签通过「读取浏览器记录」采集,或在菜单选择「导入书签文件」。本机读取 Chromium 的 Bookmarks 和 Firefox/Zen 的 places.sqlite;文件导入支持 Netscape HTML 与 Chromium Bookmarks JSON。Safari 等浏览器可导出 HTML 后导入。URL、标题和添加时间保存在本机私有历史库,不写入 ledger,不请求书签页面。书签参与标签、创作者和规范身份分析,作为独立的「浏览器书签」偏好证据;同一 URL 跨来源去重,不计为访问次数或活跃时间。

API 的 summary.bookmarks 为范围内去重书签数,来源行的 bookmarks 为该来源条数。榜单保留 web_visits 作为浏览器信号总数,web_bookmarks 标明其中的书签数,页面分别展示浏览和书签。复核 CSV 分列 visits、bookmarks 与 signals;原始 URL 和标题不进入 API 或复核报告。

本机书签读取成功后按来源更新当前快照,浏览器中已删除的书签不再提供证据;读取失败保留已有快照。不同导入文件分别作为数据源管理,可在页面底部移除。时间范围使用书签添加时间,没有有效日期的书签只在「全部时间」显示。停止读取保留快照;删除口味数据源保留浏览器原文件和上传原件。

口味页使用规则解析与统计,不调用 LLM。历史和书签联合解析标题与 URL:URL 提供搜索词、标签路径及个人页账号,标题复用中英日内容词表提取题材,并按已登记规范名和别名匹配身份。同一条记录内同义标签去重;词表取最长匹配,英文检查词边界,省写与单字不参与标题扫描。仅有作品 ID 的详情地址也可从标题提供证据;普通站点仍需成人上下文或已绑定账号,不把所有网页标题用于口味推断。厂牌和系列的标题证据参与发现推荐,口味页厂牌和系列榜展示 Peach 内部证据。

浏览器榜按信号数排序,综合分为 Peach 行为分加 2 × log₂(1+浏览器信号数)。发现推荐的各身份强度由观看反馈、馆藏、浏览天数、书签和关注加权后映射到 0–1,再按作品特征匹配并以 MMR 保留多样性。域名名单与具体 URL 格式支持分开:已登记域名不代表每种作品详情地址都能提取题材,也不表示来源当前可访问。没有标题且 URL 只有 ID 时,题材未取得;不为补题材自动抓取每个页面。