种子季度匹配

启用后，新种子和匹配输入发生变化的种子会在后台匹配已录入季度。本阶段只记录结果，不触发下载，也不会自动重跑历史记录。未匹配到季度属于正常结果。季度目录实际变化后，外部 matcher 默认等待 10 分钟以合并连续变更，LLM 模式默认不额外等待；两者均可配置。

种子列表的「季度」列会将识别成功的结果显示为季度链接；尚未识别时保留解析出的名称标签。将鼠标移到链接上，点击红色删除图标可取消关联。取消后恢复名称标签，后续自动匹配不会重新关联该种子。

配置与匹配服务

独立 API 默认关闭匹配，可选择远端本机模型服务或 API 内置的外部大模型后端，API 镜像无需 Python。远端服务使用 v2 协议，升级时需同步更新 API 与 matcher。

本机模型的成品镜像 tag 使用 fp-<fingerprint>-<variant>，fingerprint 可从对应提交的 build-manifest.json 中读取 images.anime-matcher.fingerprint。

变体后缀	默认行为	内置模型
`lexical`	词法匹配，无神经推理依赖	无
`semantic-cpu`	CPU、float32	固定版本 E5-base 和 Qwen3-Reranker-0.6B
`semantic-cu126`	CUDA、float32	同上

将下面 <fingerprint> 替换为所需版本：

docker run --rm -p 127.0.0.1:8090:8090 \
  ghcr.io/std4453/lani-anime-matcher:fp-<fingerprint>-semantic-cpu

# 需要宿主机 NVIDIA 驱动及已配置的容器 GPU 运行环境。
docker run --rm --gpus all -p 127.0.0.1:8090:8090 \
  ghcr.io/std4453/lani-anime-matcher:fp-<fingerprint>-semantic-cu126

语义镜像已含校验过的权重，运行时不会隐式下载。CPU 推理建议预留 8 GiB 内存。CUDA 镜像可添加 --device cpu 在无 GPU 机器运行，也可添加 --no-semantic 使用词法模式。显式选择 CUDA 而设备不可用会报错。

cu126 使用 PyTorch 2.14.1，支持 Pascal。CUDA 12.x 的 Linux 小版本兼容最低驱动要求为 525.60.13，但部分功能要求较新驱动，需验证实际硬件；驱动和 NVIDIA Container Toolkit 由宿主机独立管理，镜像不会升级驱动。Kubernetes 还需 GPU device plugin 和匹配的 RuntimeClass。

默认无需挂载模型。使用外部模型时显式添加 -v /path/to/models:/external-models:ro 和 --model-dir /external-models；该目录必须通过当前模型清单校验，且容器用户可读。HTTP 服务应留在内部网络；跨容器使用服务地址，127.0.0.1 仅适用于同一网络命名空间。

API 的 config.yaml：

matching:
  enabled: true
  backend: external
  endpoint: http://127.0.0.1:8090
  timezone: Asia/Shanghai
  previousQuarters: 1 # 首轮包含前一公历季度，可设 0–8
  nextQuarters: 0 # 后几个公历季度，0–8
  catalogDebounceMs: 600000 # 外部后端默认 10 分钟；LLM 默认 0；显式配置优先
  timeoutMs: 120000 # 每次协议操作的超时，冷目录较大时可调高

修改 catalogDebounceMs 后重启 API，对随后检测到的目录变化生效；正在等待的窗口保留原截止时间。首次初始化不等待，目录检测仍每分钟执行一次。已有 Bangumi sort 会与本篇编号合并为去重、排序的区间摘要；只有摘要或其他目录内容实际变化才会更新版本、重新计算等待窗口。重复同步以及逐集标题、放送时间、行顺序变化不会重置窗口。

选择 backend: external 时必须提供 HTTP worker 的 endpoint。设置 enabled: false 时停止接收和消费匹配任务，新种子保持未识别状态；已有关联仍可展示、取消。重新启用不会自动回填关闭期间新增的种子。模型模式与权重目录由 worker 的 --semantic、--model-dir 或 LANI_MATCHER_MODEL_DIR 配置。

外部大模型服务

外部大模型后端内置于 API。选择 matching.backend: llm，在 matching.llm 中配置兼容 Chat Completions 的 API 基础地址、模型和密钥，无需另建匹配器容器。供应商参数及匹配总期限也放在 matching.llm；共享调用并发与单次超时由顶层 llm 配置。

matching:
  enabled: true
  backend: llm
  llm:
    apiBase: https://your-provider.example/v1
    apiKey: your-api-key
    model: your-model
    deadlineMs: 100000
    fallbackEnabled: true
    firstParameters: {}
    reviewParameters: {}
llm:
  concurrency: 2
  timeoutMs: 45000

该服务先处理近期候选，必要时在全部已录入季度中复核，因此可识别旧季补档。远端故障会保留为任务错误；正常未匹配与网络错误分别记录。作品声明集数和首播日期来自作品元数据，已有目录可通过作品资料同步或该季度的剧集同步补齐。

配置示例与参数见API 大模型匹配说明。调用外部模型会产生供应商费用。请求包含资源原标题、解析别名、发布时间、集数和发布者季数；首轮发送近期候选目录，启用复核时发送完整已录入季度目录，包含季度 ID、作品名称、年份、季度、声明集数和首播日期。

all-in-one

默认包含词法推理依赖与小型树模型，不安装 ONNX Runtime、不下载神经模型权重。容器独立运行本地 worker，API 默认连接 http://127.0.0.1:8090。/config/config.yaml 可设置 matching.enabled: false 关闭匹配，或配置外部 worker 的 endpoint；这两种情况下不启动内置 worker。

需要内置语义推理时，从源码构建。按常规构建流程准备 common/deploy，随后指定构建参数：

node common/scripts/install-run-rush.js install
NODE_OPTIONS=--openssl-legacy-provider node common/scripts/install-run-rush.js build --to @lani/all-in-one
node common/scripts/install-run-rush.js deploy --project @lani/all-in-one --overwrite
docker build --build-arg MATCHER_SEMANTIC=true \
  -f apps/all-in-one/Dockerfile -t lani-all-in-one:semantic .

MATCHER_SEMANTIC 只安装语义依赖，不下载模型。依赖下载慢时可通过构建参数 PIP_INDEX_URL 指定自己的 Python 包索引，默认使用 PyPI；Torch 使用 CPU 索引，可通过 TORCH_INDEX_URL 配置。运行容器时额外挂载已校验的权重目录，并为容器设置环境变量 ANIME_MATCHER_MODE=semantic、LANI_MATCHER_MODEL_DIR=/models。若使用独立 HTTP worker，则无需重建 all-in-one 语义镜像。

种子季度匹配

配置与匹配服务​

外部大模型服务​

all-in-one​

配置与匹配服务

外部大模型服务

all-in-one