siff26-ticket-planning

name	siff26-ticket-planning
description	用于根据任意影片清单与偏好规划 SIFF 2026 买票和观影行程；优先使用内置官方排片数据，并评估片长、散场缓冲、跨影院驾车时间与备选场次。
version	1.3.0
author	Hermes Agent
metadata	{"hermes":{"tags":["siff","siff2026","film","cinema","movie","festival","tickets","itinerary","routing","schedule"],"category":"leisure"}}

SIFF26 买票行程规划

适用范围

用于第 28 届上海国际电影节（SIFF 2026）的买票与观影行程规划。输入可以是任意影片清单、豆列、文本、截图、表格、本地文件、聊天记录中的片名，或用户直接给出的偏好；不要限定为豆瓣来源。

本 skill 内置 SIFF 2026 官方排片资料。除非用户明确要求刷新，否则不要重新抓官方排片页，优先读取本地参考文件：

• references/siff2026/siff2026-current-schedule-lighthouse-20260604.json：当前首选排片数据，基于灯塔专业版，含价格、4K/格式标识，并补回官网元数据。
• references/siff2026/siff2026-current-schedule-lighthouse-20260604.csv：同上，便于表格筛选。
• references/siff2026/siff2026-lighthouse-pro-schedule-normalized-20260604.csv / .json：灯塔专业版原表规范化结果。
• references/siff2026/siff2026-lighthouse-pro-schedule-20260604.xlsx：灯塔专业版原始 Excel。
• references/siff2026/siff2026-lighthouse-pro-manifest-20260604.json：灯塔导入说明、哈希和匹配统计。
• references/siff2026/siff2026-official-cndata-20260603-001.json：官网抓取原始 JSON，作为历史/元数据来源。
• references/siff2026/第28届上海国际电影节排片表-官方.xlsx
• references/siff2026/siff2026-scrape-summary.json
• references/siff2026/manifest.json
• references/siff2026/siff2026-cinema-coordinates.csv
• references/siff2026/siff2026-cinema-driving-matrix-osrm.csv
• references/siff2026/siff2026-cinema-metro-matrix-estimated.csv
• references/siff2026/siff2026-cinema-nearest-metro-stations.csv

不要把某次用户的片单、行程、抢票结果、评分快照写入 memory 或 skill；这里只保留可复用流程与官方排片源数据。

默认偏好

用户未指定时，按这些默认规则规划，并在输出中标注为默认假设：

• 优先工作日晚上、周五晚上、周末。
• 优先用户明确想看的影片；其次参考豆瓣/IMDb/Letterboxd 等评分与评价人数。
• 每场按 开始时间 + 片长 计算散场时间。
• 每场散场后默认加 30 分钟缓冲，再开始移动。
• 同影院连场优先，但不要把「同影院中间硬等一小时以上」自动当成优点；长间隔要评估是否回家/回住处/去附近休息更合理。
• 若用户给出家/住处/出发点，必须把「离家远近」纳入目标函数：优先近影院，标出偏远影院，并主动寻找更近备选场次。
• 高优先级片和稀缺场次优先，不让低优先级片破坏高优先级片的可行性。
• 工作日白天是否可用只是一个约束开关：用户说可用时，允许把它作为备选优化；但若用户随后指定沿用某个旧方案，旧方案优先。
• 若全覆盖会造成高风险转场、偏远影院或无意义长等待，给出「近家舒适版」「全覆盖版本」或替换建议。
• 若用户引用、指定或说「按最初/上一版/这个方案」调整行程，必须保持该方案的日期、影院和连场结构，只做用户明确要求的删减、替换或局部调整；不要擅自重新全局优化、补新场次或压缩天数。删掉影片后留下的空档可以标注为休息/回家，除非用户要求重新排。

规划前必须主动询问会显著影响行程质量的锚点信息，不要只按影院之间转场优化。至少询问：

• 家 / 住处 / 出发点的大致位置，或用户愿意提供的任意近似地标。
• 中间可停靠点：公司、常去咖啡馆、朋友家、停车方便点、可临时休息的商圈等。
• 对「离家远」的容忍阈值：例如驾车距离 >8km、地铁 >45m、夜间返程不接受等。
• 对长间隔的处理偏好：宁可回家/回公司，还是愿意在影院附近等。

隐私规则：这些锚点只用于本次规划计算。不要把用户给出的具体家庭地址、住处、公司地址、临时停靠点写入 memory、skill、README、发布仓库或任何可复用参考文件；若需要在输出文件中标注，使用「家点A」「公司点B」「停靠点C」等匿名名称。

只有当缺失信息会明显改变方案且无法自行查到时才继续追问，例如：必看片/可放弃片、硬性日期、是否接受工作日下午、是否接受深夜返程。

标准流程

0. 收集本次规划锚点与舒适度约束

• 将用户给出的家、住处、公司、常用停车点、可休息商圈等视为本次会话的 anchor_points，只保存在临时计算上下文。
• 允许用户只给大致地标，不要求精确门牌。
• 若锚点是上海小区/弄堂名，Nominatim/OSM 常查不到；先用 web_search 查权威或地图页确认地址，再优先取地图页坐标（例如 360/高德/百度页面）。国内地图坐标多为 GCJ-02/BD-09，不要直接喂给 OSRM；先换算到 WGS84，或明确标注坐标系与估算误差。
• 对每个影院计算到各 anchor 的距离/耗时；优先使用 OSRM 或地图/交通工具查询，无法查实时交通时标注为估算。
• 锚点加入后必须重排方案，而不只是给原方案补距离说明：把明显偏离家点/夜间返程不划算的影院替换成同片更近场次，再保留必要的全覆盖或高分优先版本。
• 为影院打离锚点等级，例如：近 / 可接受 / 偏远；阈值优先用用户给定值，未给定时用默认假设并在输出中说明。
• 对同日两场之间的长间隔，计算是否值得回到某个 anchor：
  • 可停留时间 = 下一场开始 - 上一场散场 - 离场缓冲 - 去 anchor 耗时 - 从 anchor 到下一影院耗时 - 提前到场缓冲
  • 若可停留时间达到用户阈值，建议回 anchor；否则建议留在影院附近或寻找更近替代场次。
• 不要把「同影院但中间空很久」自动视为好方案；若长等待明显不舒服，主动找更近场次或拆到其他日期。

1. 提取与规范化影片

• 从用户输入中抽取片名、原名、英文名、年份、导演等。
• URL 用 web_extract、browser 或 terminal 取内容；截图先做视觉/OCR。
• 对中文名、外文名、别名做匹配，必要时用年份/导演消歧。
• 不确定是否同片时保留候选并标注歧义，不要强行合并。

2. 读取 SIFF 2026 排片

• 首选当前版 JSON：references/siff2026/siff2026-current-schedule-lighthouse-20260604.json。
• 该文件基于灯塔专业版 Excel，字段重点：nameCn、nameCnBase、date、dateCn、weekday、stime、etime、lengthMin、priceYuan、cinema、hallsName、cinemaAddress、formatFlags、is4k、group、director、country、remarks、showType。
• 需要原官网字段或核对历史差异时，再读旧官网 JSON：references/siff2026/siff2026-official-cndata-20260603-001.json。旧官网 JSON 的时间可能落后于灯塔表，不能再作为价格/格式/当前时间的首选。
• Excel 可作为人工核对或用户需要附件时的官方原始表。
• 若用户提供影迷自制/增强版 Excel，先检查其是否与官方场次 key 完全对齐；若对齐，可优先使用其中新增的 weekday、etime、time quantum、show_type、remarks、color 等辅助字段。
• 不要盲信官网 JSON 的 liveActivity 可识别全部见面场；若增强版 Excel 有 show_type=见面场，应以它作为见面场筛选信号，并在输出中标注来源为用户提供表格。
• 若用户要求刷新，才重新抓官方数据，并说明刷新时间与来源 URL。

3. 获取优先级信号

优先级顺序：

1. 用户明确的「必看 / 想看 / 可放弃」。
2. 用户指定的平台评分。
3. 常见评分与评价人数：豆瓣、IMDb、Letterboxd 等。
4. 影展价值：4K 修复、导演回顾、少见格式、见面会、稀缺场次、特殊厅。
5. 票价：优先读 priceYuan，输出买票方案时给出单场价格和总价；若为空才标注未知。
6. 时间与交通可行性。

不要编评分。查不到就写「未知」。

4. 建模每个场次

为每个候选场次计算：

• start_time
• end_time = start_time + runtime
• leave_time = end_time + 30m
• 时段标签：工作日白天 / 工作日晚 / 周五晚 / 周末白天 / 周末晚 / 深夜
• 是否冲突、是否近冲突、是否有见面会或备注

片长必须从排片字段或可信片源读取；缺失时标注估算，不要装作确定。

5. 评估交通、回家间隙与转场

不要再用「近距离 10–25 分钟 / 跨区 25–45 分钟」这类泛化规则替代查询结果。SIFF 2026 的影院间交通参考已经预先计算到参考文件。若用户给出家/住处/出发点，先把该点加入评估：计算家点 ↔ 候选影院距离/耗时，筛掉或标红偏远影院，并检查同影院长等待是否值得回家，而不是只因同影院就推荐硬等。方法细节见 references/home-base-optimization.md。

SIFF 2026 的影院间交通参考：

驾车：

• references/siff2026/siff2026-cinema-coordinates.csv：44 家上海展映影院坐标与坐标来源。
• references/siff2026/siff2026-cinema-driving-matrix-osrm.csv：44 家影院两两之间 OSRM 驾车距离与自由流耗时。
• references/siff2026/siff2026-cinema-routing-manifest.json：驾车矩阵生成说明与校验哈希。

地铁：

• references/siff2026/shanghai-metro-stationInfo-metroflow.csv：上海地铁站点与邻接关系源数据。
• references/siff2026/siff2026-cinema-nearest-metro-stations.csv：每家影院最近地铁站、步行距离与步行时间估算。
• references/siff2026/siff2026-cinema-metro-matrix-estimated.csv：44 家影院两两之间的地铁移动时间估算。
• references/siff2026/siff2026-cinema-metro-routing-manifest.json：地铁矩阵生成说明与校验哈希。

使用方法：

0. 若用户给出家/住处/出发点：
   • 先定位家点坐标，并计算家点到所有候选影院的驾车/地铁耗时。
   • 按离家远近给影院分级，例如 近 / 可接受 / 偏远；偏远影院若有同片近家备选，优先提出替换。
   • 同影院两场之间若间隔很长，不要只写「同影院低风险」；要计算 散场离场缓冲 + 回家耗时 + 再到影院耗时 + 提前到场缓冲 后，能在家停留多久。
   • 如果可在家停留时间足够（默认 ≥45 分钟），建议中间回家；不足则建议留在影院附近，并说明理由。
1. 同影院：交通 0 分钟，但仍要看厅间转场、休息缓冲，以及长间隔是否回家/附近休息更合理。
2. 跨影院先同时查两张矩阵：
   • 驾车：从 siff2026-cinema-driving-matrix-osrm.csv 查 from_cinema → to_cinema 的 distance_km 与 duration_min_freeflow_osrm。
   • 地铁：从 siff2026-cinema-metro-matrix-estimated.csv 查 from_cinema → to_cinema 的 total_metro_transfer_min_est，并记录最近地铁站。
3. OSRM 驾车耗时是自由流基线，不是实时交通；按离场时段再加交通系数并标注为估算：
   • 工作日 07:30–09:30、17:00–19:30：建议 max(OSRM×2.0, OSRM+20m)。
   • 周末商圈高峰 13:00–21:00：建议 max(OSRM×1.6, OSRM+15m)。
   • 平峰：建议 max(OSRM×1.3, OSRM+10m)。
   • 远郊/停车困难/雨天：额外加 10–20m 风险缓冲。
4. 地铁矩阵是估算值：最近站步行（4.5km/h + 两端各 5m 进出站）+ MetroFlow 站点邻接图最短路；不是实时列车时刻、末班车或拥挤度。深夜场必须额外查末班车或改用驾车。
5. 计算可行性时分别评估驾车与地铁，默认选择风险更低且缓冲更大的方案。

驾车：

leave_time + traffic_adjusted_drive_time + parking/walking_buffer <= next_start

地铁：

leave_time + total_metro_transfer_min_est + platform_wait_or_late_night_buffer <= next_start

输出跨影院时必须给出：影院 A → 影院 B、驾车 OSRM 距离、驾车自由流耗时、按时段修正后的驾车耗时、地铁最近站、地铁总耗时估算、两种方式各自剩余缓冲、推荐方式、风险等级。

6. 生成方案

先满足硬约束，再做优化：

• 不安排时间重叠。
• 不安排缓冲不足的跨影院转场，除非用户明确接受风险。
• 不把偏远影院、无意义长等待、深夜返程风险藏在方案里；必须显式标出并给替换建议。
• 若用户提供了家/住处/公司/停靠点，优先做「近锚点舒适版」，再给「全覆盖/高分优先版」。
• 抢票锚点优先：高分、稀缺、周末黄金档、连场结构核心。
• 对每个高优先级片准备备选场次。
• 输出「买票顺序」而不只是时间顺序。
• 对每个高优先级片准备备选场次。
• 输出「买票顺序」而不只是时间顺序。

推荐输出结构：

1. 数据来源与假设。
2. 买票优先级。
3. 主行程（日程按天列）。
4. 离家远近、跨影院转场与风险。
5. 长间隔处理：回家 / 附近休息 / 继续候场。
6. 关键备选场次，尤其是更近影院替换。
7. 可放弃/低优先级项。
8. 如有需要，附 CSV / ICS。

输出要求

每个推荐场次至少包含：

• 影片名
• 评分/优先级来源
• 日期、星期、开始时间
• 片长、散场时间、+30m 后可离场时间
• 影院、影厅、地址
• 票价（priceYuan）
• 格式标识：is4k 与 formatFlags；不要只看旧表的 resolution 字段
• 与用户本次提供的家/住处/公司/停靠点的匿名距离等级，例如「距家点A：近 / 可接受 / 偏远」
• 交通与缓冲说明
• 长间隔处理：留在影院附近 / 回家点A / 回公司点B / 换场次
• 风险等级：低 / 中 / 高

抢票顺序要说明原因，例如：高分、稀缺、连场关键、替代少、周末黄金档。

质量检查

最终答复前逐项检查：

• 推荐影片都来自用户给定清单，或明确标为备选扩展。
• 每个场次能在内置官方排片或刷新后的官方源中找到。
• 散场时间和 30 分钟缓冲已计算。
• 跨影院转场已给出车程估算、缓冲与风险。
• 若用户提供家/住处/公司/停靠点，已把离锚点远近、长间隔是否回锚点、偏远影院替换建议纳入方案。
• 工作日晚/周末偏好已体现。
• 高优先级片有备选方案。
• 评分、交通、票务规则等当前事实有来源；无法确认的明确标注为估算。
• 输出、附件、skill、memory 中没有保存用户的具体家庭地址、公司地址或私密停靠点。
• 高优先级片有备选方案。
• 评分、交通、票务规则等当前事实有来源；无法确认的明确标注为估算。

常见错误

• 只看开场时间，不算片长与散场后 30 分钟。
• 用直线距离代替驾车时间。
• 只看开场时间，不算片长与散场后 30 分钟。
• 用直线距离代替驾车时间。
• 为了覆盖低分片，牺牲高分片或稀缺场次。
• 中文片名/外文片名未用年份、导演消歧。
• 把一次性行程结果写进 memory 或 skill。
• 把用户具体家庭地址、公司地址、私密停靠点写进 memory、skill、README、发布仓库或可复用参考文件。
• 把「同影院中间等很久」当成当然优点，不评估回家/回公司/换近场的舒适度。
• 明明已有内置 SIFF 2026 官方排片，却重复抓官方排片页。