毛片电影，把每一部片子的底细先弄清楚

电影资料库最容易掉进的陷阱，是把“信息量”和“有用性”画等号。一部影片可以列出三十个字段，但如果观众看完仍然不知道要不要看，这些字段就只是行政表格。毛片电影2026年改版时花了很长时间讨论一个问题：评分应该放在哪个位置。最后的选择是，把它放在资料之后、决策之前。类型、片长、主创、分级先告诉用户“这是什么”，评分和短评再告诉用户“别人怎么看”，顺序反过来，评分就容易变成一种先于事实的判决。

评分本身没有问题，问题在于单一数字的权重过高。一部7.2分的悬疑片和一部7.2分的家庭片，对不同类型的观众意味着完全不同的东西。所以我们在2026年加入了评分分布视图，让用户看到分数是怎么堆出来的。一部片如果集中在7分和8分，说明它稳但缺少爆点；如果1分和10分都很厚，说明它挑人，而不是“烂”或“神”可以概括。这种区分对找片的人来说，比平均分本身更有用。

资料库的价值不在于替人做决定，而在于让做决定的人手里有足够多的、可以互相校验的线索。

类型标签是另一层容易被滥用的东西。悬疑、犯罪、科幻这些大词在大多数平台上都只有导航功能，没有描述功能。毛片电影在2026年尝试的是让标签回到描述层面：不满足于标一个“悬疑”，而是标注它更靠近“社会派”还是“本格”，是“慢热”还是“强驱动”。这些细分标签有一部分来自编辑整理，有一部分来自AI对字幕和评论的辅助提取，但每一个AI辅助标签都会标明来源，不做无标记的自动生成。

片单策展是资料库的反向使用方式。当用户不再从单一影片出发，而是从一组影片出发时，资料库需要回答的是“这组片共同在做什么”。毛片电影的片单工具允许策展人给片单写一段说明，而不是只列片名。这段说明往往比单部影片的简介更能解释“为什么这些片应该放在一起看”。2026年下半年的数据显示，带有策展说明的片单，平均被完整浏览的比例明显高于纯列表片单。

关于AI，毛片电影的态度是把它放在“补全”的位置，而不是“生成”的位置。冷门外语片缺少中文资料是一个真实问题，AI可以从字幕中提取人物关系、场景类型和情绪走向，生成临时标签，但这些标签会明确标注为辅助信息，且用户可以在条目下方提交修正。我们不做AI评分，也不做AI影评。评分和评论必须来自看过的人，否则资料库和推荐算法之间就没有区别了。

最后回到一个很朴素的标准：用户在毛片电影上花的每一分钟，应该让他离“看还是不看了”这个决定更近一步。如果一个字段不能帮助判断，它就不应该出现在首屏；如果一个标签不能区分两部不同的电影，它就不应该被使用。2026年的改版没有增加太多新东西，大部分工作是把已有的东西放到它们该在的位置上。