TachiyomiSY社区推荐功能的数据源整合问题分析

在TachiyomiSY的社区推荐功能中，存在一个影响用户体验的技术问题——推荐结果未能同时整合MAL（MyAnimeList）和AniList两大平台的数据源。本文将深入分析该问题的技术背景、产生原因及解决方案。

问题现象

当用户查看漫画的社区推荐时，系统通常仅显示单一平台的推荐结果（多数情况下为MAL），而不会同时展示AniList的推荐内容。这种现象在特定类型作品（如韩国漫画）中尤为明显，因为AniList平台往往拥有更丰富的社区推荐数据。

技术背景

1. 数据源优先级机制：当前系统采用优先级策略，默认优先查询MAL数据源。仅当MAL返回空结果时，才会查询AniList。

2. 推荐类型差异：

   • MAL包含自动推荐（AutoRec）和社区推荐两种类型
   • AniList仅提供社区推荐

3. API响应处理：系统未实现多平台结果的聚合逻辑，导致只能呈现单一数据源的结果。

问题根源

1. 条件判断逻辑缺陷：现有代码中缺少对"有效推荐"的明确定义，将MAL的自动推荐也视为有效结果。

2. 结果集合并缺失：未设计多平台结果去重和排序的合并算法。

3. 缓存策略影响：可能存在的缓存机制导致后续查询被跳过。

解决方案

1. 逻辑优化：

   • 明确区分自动推荐与社区推荐
   • 对MAL结果进行过滤，排除自动推荐条目

2. 多源数据整合：

   • 实现并行查询机制
   • 设计基于推荐数的排序算法
   • 添加来源平台标识

3. 用户体验改进：

   • 增加数据源切换选项
   • 实现渐进式加载效果
   • 添加平台来源标记

技术实现建议

1. 使用Kotlin协程实现异步并行查询：

val malDeferred = async { fetchMALRecommendations() }
val aniListDeferred = async { fetchAniListRecommendations() }
val results = awaitAll(malDeferred, aniListDeferred)

2. 结果合并算法应考虑：

   • 各平台的推荐权重
   • 作品的匹配度
   • 用户的历史偏好

3. 实现缓存策略时应注意：

   • 设置合理的过期时间
   • 区分平台缓存
   • 实现缓存更新机制

总结

该问题的本质是多数据源整合策略的不足。通过优化查询逻辑、改进结果合并算法以及增强用户界面，可以显著提升社区推荐功能的使用体验。开发者已在预览版中实施了相关改进，预计将在下一稳定版本中发布完整解决方案。