3步打造智能资源筛选系统：Jackett评分机制让优质内容主动找到你

2026-04-12 09:09:12作者：虞亚竹Luna

为什么90%的资源搜索都在做无用功？

想象这样的场景：你花了20分钟在多个BT索引器间切换，比较了30多个搜索结果，却依然无法确定哪个资源真正值得下载。是画质不够清晰？还是种子活跃度太低？或者评分虚高？这种"选择困难症"不仅浪费时间，更可能让你错过真正优质的内容。

Jackett的评分系统正是为解决这个痛点而生。它就像一位经验丰富的资源筛选专家，通过多维度数据评估，帮你快速识别高质量资源。本文将带你深入了解这一系统的工作原理，并通过实战案例展示如何配置个性化筛选规则，让优质内容主动找到你。

核心原理：Jackett如何给资源"打分"

三层评分架构解析

Jackett的评分系统采用了精巧的三层架构设计，确保评分数据的准确性和实用性：

数据采集层：从索引器API获取原始评分数据，主要包括三种核心评分维度：

BHD评分：索引器社区用户对资源质量的直接评价（bhd_rating）
IMDb评分：互联网电影数据库提供的专业影视评分（imdb_rating）
TMDb评分：电影数据库的用户评分（tmdb_rating）

这些评分数据通过API请求参数进行筛选，关键参数定义在索引器实现类中，如BeyondHDAPI.cs中的：

internal const string min_bhd = "min_bhd"; // 最小BHD评分
internal const string min_imdb = "min_imdb"; // 最小IMDb评分
internal const string min_tmdb = "min_tmdb"; // 最小TMDb评分

数据处理层：评分数据被封装为结构化数据，便于系统处理和比较：

public decimal bhd_rating { get; set; }
public decimal tmdb_rating { get; set; }
public decimal imdb_rating { get; set; }

系统还支持多种排序方式，包括按不同评分维度排序：

internal const string sort = "sort"; // 排序字段 (imdb_rating, tmdb_rating, bhd_rating等)

应用层：评分数据最终通过ReleaseInfo模型对外提供，集成到搜索结果中展示给用户，让你在搜索界面就能直观看到各资源的评分情况。

图：Jackett的手动搜索界面，显示了不同资源的评分和相关信息

三种评分维度的实战价值

每种评分维度都有其独特价值，了解它们的特点将帮助你更好地配置筛选规则：

BHD评分：这是特定索引器社区用户对资源的直接评价，反映了该社区对资源质量的认可度。当你希望获取经过社区验证的优质资源时，BHD评分是重要参考指标。

IMDb评分：作为专业影视数据库评分，IMDb评分更适合评估影视内容的整体质量。对于电影爱好者来说，这是筛选优质影片的重要依据。

TMDb评分：相比IMDb，TMDb评分更贴近普通观众的喜好，更新也更及时，适合寻找当下热门的优质内容。

思考问题：如果是你，会如何设置这三种评分的权重？为什么？

实战指南：三步构建个性化评分筛选系统

第一步：启用并配置评分筛选功能

登录Jackett管理界面，在"Configured Indexers"列表中选择支持评分系统的索引器（如Beyond-HD）

图：Jackett的已配置索引器列表界面
点击索引器对应的编辑按钮（铅笔图标）进入配置页面
在配置页面中找到"评分筛选"部分，设置各评分维度的最小值
选择排序方式，建议优先按主要评分维度降序排列
保存配置并点击"Test"按钮验证设置是否生效

第二步：设置基础筛选规则

根据你的使用场景，设置合理的基础筛选规则：

影视爱好者基础配置：

最小IMDb评分：7.0
最小TMDb评分：7.5
排序方式：按IMDb评分降序

社区资源筛选配置：

最小BHD评分：8.0
最小评分人数：50人
排序方式：按BHD评分降序

综合筛选配置：

最小BHD评分：7.0
最小IMDb评分：6.5
最小TMDb评分：7.0
排序方式：按综合评分降序

第三步：通过API实现高级筛选（适合开发人员）

对于高级用户，可以直接通过API调用实现更复杂的评分筛选规则。以下是一个C#示例，展示如何构建包含多维度评分筛选条件的API请求：

var postData = new Dictionary<string, object>
{
    { "action", "search" },
    { "rsskey", _configData.RSSKey.Value },
    { "search", searchTerm.Trim() },
    { "min_imdb", 7.5 },       // IMDb最低7.5分
    { "min_tmdb", 8.0 },       // TMDb最低8.0分
    { "min_bhd", 7.5 },        // BHD最低7.5分
    { "sort", "imdb_rating" }, // 按IMDb评分排序
    { "order", "desc" }        // 降序排列
};

这段代码可以添加到src/Jackett.Common/Indexers/Definitions/目录下的索引器实现类中，实现自定义的评分筛选逻辑。

场景化案例分析：不同用户如何利用评分系统

案例一：电影收藏爱好者（小李）

需求：只下载高评分经典电影，确保收藏质量

配置方案：

最小IMDb评分：8.0
最小TMDb评分：8.5
启用"只显示有评分的资源"选项
按IMDb评分降序排列

使用效果：小李的搜索结果永远只显示评分最高的经典影片，避免了在海量资源中筛选的麻烦，收藏库质量显著提升。

案例二：资源分享社区管理员（王站长）

需求：筛选高质量资源推荐给社区用户，提升社区内容质量

配置方案：

最小BHD评分：8.5（社区评分）
最小种子数：50
最小文件大小：1GB
按BHD评分和种子数综合排序

使用效果：社区推荐资源的下载完成率提升了40%，用户反馈资源质量明显改善，社区活跃度也随之提高。

案例三：影视内容创作者（张导演）

需求：快速找到特定类型的高质量参考影片

配置方案：

分类筛选：纪录片
最小IMDb评分：7.5
最小TMDb评分：8.0
发布日期：近3年
按发布日期降序排列

使用效果：张导演的参考影片筛选时间从原来的2小时缩短到15分钟，大大提高了创作效率。

高级拓展：定制属于你的评分规则

为其他索引器添加评分支持

虽然目前评分系统主要在BeyondHD等部分索引器中实现，但你可以通过以下步骤为其他索引器添加类似功能：

在src/Jackett.Common/Indexers/Definitions/目录下创建新的索引器定义类，继承自BaseIndexer.cs

添加评分相关属性，参考BeyondHDAPI.cs中的实现：

public decimal bhd_rating { get; set; }
public decimal tmdb_rating { get; set; }
public decimal imdb_rating { get; set; }

实现评分筛选参数处理逻辑
在搜索结果解析中添加评分数据到ReleaseInfo模型

实现自定义加权评分算法

高级用户可以实现自定义的加权评分算法，综合多个评分维度：

// 示例：自定义加权评分计算
public decimal CalculateWeightedScore(Result result)
{
    // 影视类资源：IMDb占比40%，TMDb占比30%，BHD占比30%
    if (result.Category.Contains("Movies"))
    {
        return (result.imdb_rating * 0.4m) + (result.tmdb_rating * 0.3m) + (result.bhd_rating * 0.3m);
    }
    // 其他类型资源：BHD评分占比70%，其他评分占比30%
    else
    {
        return (result.bhd_rating * 0.7m) + ((result.imdb_rating + result.tmdb_rating) / 2 * 0.3m);
    }
}