WatchWorthy：一个会思考的电影推荐引擎

WatchWorthy是一款Netflix风格的AI电影推荐应用，核心特点是采用多步推理代理分析用户情绪、时间预算和观影历史，提供像懂电影的朋友一样的个性化推荐。它是Microsoft Agents League Hackathon创意应用赛道的参赛作品，旨在解决传统推荐系统"黑匣子"问题，让推荐过程透明可解释。

传统流媒体推荐系统是"黑匣子"，仅给出"可能喜欢"的结果却不解释原因，且忽略用户实际处境（如时间、陪伴者、情绪等关键信息）。WatchWorthy将推荐视为多步推理任务而非简单相似度匹配，正是为解决这一痛点而生。

WatchWorthy的核心是显式有序的推理代理，需返回完整推理链供用户查看，步骤包括：1.分析用户情绪与可用时间；2.交叉参考观影历史（避免重复或拒绝影片）；3.按情绪标签和时长筛选片库；4.根据偏好为候选影片打分；5.选择主推荐和备选推荐；6.撰写个性化解释（引用用户信息，像朋友推荐）。

双后端架构：支持Claude（claude-sonnet-4-20250514，主脑）和GitHub Models（openai/gpt-4o-mini，备选），用户可切换。

可靠性保障：完全本地化电影数据集（稳定）；离线回退机制（无API或调用失败时用本地推理引擎）；推荐约束（仅推荐数据集内、未看过/未拒绝影片）；海报404时优雅降级为深色标题牌匾。

界面追求"高端电影杂志数字化"风格：首次使用有入门口味测试（情绪、时间、最近喜欢影片）；个性化首页含精选推荐、热门、影评人推荐等；电影卡片悬停放大显示评分/简介/平台；"帮我找部电影"流程（3个问题→推理→主/备选推荐）；观影后反馈（星级、评价等，用于未来推荐）；个人资料页（统计、喜欢类型、观看列表等）；全响应式设计（移动端抽屉、桌面端对话框）。

WatchWorthy展示了AI代理在消费级应用的潜力：不仅用AI推荐，更让过程透明可解释，提升用户信任与满意度。这种"可解释AI"模式可扩展到电商（解释商品推荐）、内容策展（新闻/音乐）、教育（学习资源推荐）等领域，或许是下一代智能应用的重要设计范式。