自動標籤 — 新片進庫時發生什麼

新片進來,AI 讀資料、從 14 維 400 個標籤裡選出貼切的,編輯把關後變成可搜尋的語意向量。

步驟	說明	技術
① 收集資料	把片名、劇情簡介湊齊,缺的去外部電影資料庫補	TMDB API enrich
② AI 讀片選標籤	AI 讀完整部片的資料,從 14 維、400 個標籤裡挑出適合的	OpenRouter 免費模型(會自動跳可用模型;亦可切回本地)
③ 防幻覺驗證	AI 只能用清單裡存在的標籤 — 自己發明的一律丟掉	tag registry 白名單驗證
④ 編輯把關	編輯逐一核可 / 退回 / 修改,AI 負責領航、人負責品味	Human-in-the-loop 審核紀錄
⑤ 變成語意向量	整部片(片名+劇情+標籤)濃縮成一個「語意座標」,供搜尋比對	bge-m3 embedding → Qdrant 向量庫

任何一部片都能隨時重新分析(詳情頁 🔄)— 重跑一次 AI、進編輯模式重新挑選。 退回的標籤不會消失,會進回饋知識庫供 AI 後續整理(見可解釋結果)。