Pick Movie Theater

选影院、影厅与座位

给用户一个能直接购票的结论，同时保留影片版本、具体影厅、场次、证据和搜索覆盖边界。不要把影院品牌、影厅理论能力或社交热度直接当成影片在当前场次中的真实体验。

核心边界

• 不依赖付费 API。
• 不要求登录态。
• 不要求用户提供选座截图。
• 不维护或假设存在预建的全国影院、影厅事实库；每次从公开来源搜索。
• 不要求 Cookie、密码或 token，不绕过登录、验证码或反爬限制。
• 不执行购票、锁座、点赞、收藏、关注、评论或发布。
• 影片版本、影院、具体影厅、场次是四个不同对象；上层能力不能自动传递给下层。

只要已有“影片名称”和能限定城市的“位置”，就开始核心流程。日期缺失时搜索下一批可公开确认的场次并标明时间窗口；偏好缺失时采用画面、声音、交通和证据质量平衡的模式。只有影片重名、城市不明或限制条件会实质改变结论时才追问。

按需读取参考资料

每次运行先读取：

1. references/film-version-card.md：建立带地区和日期边界的影片版本卡。
2. references/source-and-evidence-policy.md：给字段和结论分级，处理冲突与时效。
3. references/search-playbook.md：从全城发现候选并执行覆盖审计。
4. references/hall-and-screening.md：核验影院、具体影厅和场次。
5. references/format-taxonomy.md：区分所有效果型格式、购票标签和普通用户选择逻辑。
6. references/decision-and-output.md：过硬门槛、排序并生成用户结果。

进入选座步骤时读取 references/seat-selection.md。只有维护或验收本 Skill 时读取 references/requirements-traceability.md。

工作流

1. 解析请求

提取影片、位置、日期、最大通勤时间、人数和偏好。识别避免 3D、动感、喷水、眩晕、强音量、字幕仰视等限制。截图和用户链接只作为可选补充。

把场次状态统一标为：

• 当前可确认：可重新打开的官方／票务排片在同一影片区块内同时定位到日期、影院、影厅和版本标注。
• 条件式候选：影厅能力可确认，但当前排片或影片版本仍待核验。
• 理论最佳：只说明能力上限，不暗示当前可购。

2. 建立影片版本卡

先查影片端，再查影院端。区分拍摄／创作格式、专用后期或母版、当地发行版本、当前场次实际可取得的版本。对每个字段写明“已确认／合理推断／未知”，并记录地区、日期和来源。

3. 划分发现范围与推荐范围

默认在整个城市发现优质候选，不因用户只给出区县而停止在区县内。日常推荐以约 45 分钟交通为参考；体验能力发生显著跃迁时可扩展到约 90 分钟；本地不存在的稀缺格式才进入跨城增强建议。路线不可得时使用距离或行政区近似并明确标注。

4. 多入口召回候选

先按 references/search-playbook.md 建立全城“效果优先候选全集”：逐项搜索 IMAX、Dolby、CINITY、CGS、影院 LED、ScreenX、动感／环境效果、沉浸声和其他 PLF 九个家族，并覆盖城市下辖区县、县级市和新区。不能用一次宽泛搜索代表全部家族已经覆盖，也不能因影片暂时没有某格式就跳过本地候选发现。

再执行影片／格式官方入口、口碑、近期升级和候选滚雪球。普通网页和公开社交页面承担发现与补漏；不让单一社交帖子证明技术规格。固定检查“院线电影资料库”时只使用其微博渠道，不重复检查同一运营者的小红书渠道。

去重影院别名、旧名和同址名称。候选进入深入核验层后，再搜索影院全名、厅号、设备、银幕、升级、排片和负面体验，避免对全市普通影院做无差别穷举。

5. 核验具体影厅与场次

为每个候选建立字段级事实表。首选必须尽可能落到具体影厅；无法确认厅号时明确暴露，不把同一影院其他厅的能力继承过来。核对公告日期、改名、改厅号、设备升级和过期排片。

票务页混排多部影片时，把目标影片标题到下一影片标题之间视为一个影片区块。日期、时间、影院、厅号和购票标签必须来自同一区块；搜索摘要、页面其他影片或页面级推荐位中的字段不得跨区块拼接。只有搜索引擎索引快照而原始页无法重新核对时，降为条件式候选。

营销名称只产生待核验线索。按 references/format-taxonomy.md 拆成投影、光源、分辨率、机型数量、有效画幅、银幕、声音、影片专用版本和认证状态。

对任何格式家族都不能只输出品牌名。把购票标签翻译成普通用户能采取行动的差异：具体类型、它保证什么、不保证什么、本片实际增量、银幕与遮幅是否匹配，以及为什么选它而不是同品牌或其他格式候选。

6. 过硬门槛并排序

先应用四个门槛：

1. 当地有该影片版本，或明确标为待确认。
2. 具体影厅能呈现决定推荐的增量。
3. 有对应场次，或明确输出为条件式候选。
4. 决定性字段证据足够且未被更新信息推翻。

门槛通过后，再比较影片增量、画面、声音、观看几何、当前可用性、交通、价格、用户偏好和证据风险。证据风险足以改变结论时降级排名或改成条件式建议；不要用品牌总分覆盖门槛。

7. 给出选座建议

没有截图也继续。优先取得银幕方向、总排数、座位图、银幕尺寸和座位距离；数据允许时可运行：

python -X utf8 scripts/decision_support.py seat --screen-width-m 20 --seat-distance-m 20 --lateral-offset-m 0 --screen-top-delta-m 5

输出平衡首选区、更沉浸区、更舒适区和应避开的风险区，并标明是计算、可靠推断还是通用经验。没有足够几何和余座信息时不精确到具体座号。

用户自愿提供清晰选座截图时，才识别当前可售座位并给首选、前后排备选和多人连座备选。截图模糊、裁切或状态不明时降低精度；注明核查时间，不承诺座位仍可售。

8. 执行证据与覆盖审计

决定首选前检查每个决定性事实。可把事实包传给：

python -X utf8 scripts/decision_support.py evidence --input evidence.json

所有声称有具体排片的候选先保留同区块字段绑定，再运行：

python -X utf8 scripts/decision_support.py screenings --input screenings.json

有无效绑定时删除错误场次并重新核验；只有搜索索引快照时按脚本结果降为条件式。把场次绑定审计结果放入覆盖包。

搜索停止前记录入口、格式家族、新增候选、候选状态和受阻来源，并可运行：

python -X utf8 scripts/decision_support.py coverage --input coverage.json

只有官方相关入口已检查、九个效果型格式家族逐项完成、规定入口已执行、连续两个独立补漏入口零新增、其余候选均已核验或标为未解决，且场次绑定审计没有跨影片／跨区块错误时，才写“本轮优质候选搜索达到饱和”。永远不要声称所有影院零遗漏。

默认输出

按以下顺序给结果，开头先说用户下一步该买什么：

1. 直接结论：影院、具体影厅、日期／场次状态、推荐格式。
2. 首选及取舍：本片实际多得到什么，交通、价格或舒适上付出什么。
3. 更近／更稳／更便宜的备选：只列真正合格的方案。
4. 格式差异翻译：用户在票务页会看到什么标签、候选实际是哪一代／哪种能力、为什么不是“都一样”。
5. 选座：平衡、沉浸、舒适和避雷区域；有截图时再给当前具体座位。
6. 关键依据：决定性事实、来源链接、发布日期或核查日期、证据等级和置信度。
7. 覆盖说明：九个效果型格式家族、搜索入口、停止原因、受阻来源、未确认项和购票前复核动作。

只有高热度候选容易让用户误选时才列“不推荐”，并给出可验证原因。没有合格方案时直接说明，不为凑数量编造三个推荐。

失败降级

• 没有相关候选：说明已覆盖入口，并给普通厅或扩大范围的下一步。
• 来源不可访问：写“来源不可访问”，不要写成“没有相关内容”。
• 有候选但参数不足：保留为待核验候选，列出缺的决定性字段。
• 影厅能力可确认但排片不明：输出条件式候选，要求购票前核对具体厅号和版本。
• 票务页混排多片或只能取得搜索索引快照：保留为排片线索；不能证明同区块绑定或无法重开原页时输出条件式候选。
• 有场次但真实版本不明：引用票务标注，但不把标注升级成已确认能力。
• 有座位图但当前余座不明：只给区域，不猜具体可售座位。

使用已有登录态 Chrome 搜索小红书等平台属于可选增强：先取得用户明确同意，只对已收敛候选做只读精确搜索；遇验证码或访问限制立即停止并按公开模式继续。