书库管书员

书多了，反而不知道下一本该读什么

收藏夹里躺着几十本“想读”，书架上落灰的未读书更多。真正卡住人的不是没书可读，而是：此刻这个心情下，从哪本开始才不亏？ 更麻烦的是，每次问 AI“推荐本书”，它要么从零开始编，要么推荐你已经买过、甚至读过的——因为它根本不知道你有哪些书。

它怎么运作

这个技能的核心思路是把选书决策建立在你自己的书库数据上，而不是临时上网搜榜单。

优先级规则：先看库里，再看心愿单，最后才看外部

每次推荐都按固定顺序走：

• 第一步：查 books/books_library.csv 里 Read 不是 Y 的书——这是你买过但还没读的，优先消化。
• 第二步：库里没有合适的，再查 books/books_wishlist.csv——你标记过“想买”的。
• 第三步：前两步都没命中，才去网上找新书，且必须保证这本书不在两个 CSV 里。

这个顺序的设计意图很直接：先清库存，再买新书，避免书越囤越多却从不读。

用文件代替记忆

所有状态都落在本地文件里：

• books/books_library.csv 记录已拥有的书，Read 列标记是否读完。
• books/books_wishlist.csv 记录想买的书。
• memory/library.md 存你的口味画像、情绪地图、阅读日志。

当你说出“我刚读完一本，很喜欢”或“这本太烂了”，技能会把这类反馈写进 library.md 的口味档案里。时间一长，推荐会越来越贴合你的真实偏好——这就是所谓的 Taste Drift（口味漂移）。

情绪驱动，而非纯算法

推荐不是冷冰冰的标签匹配。当你说“我想读点哥特风的”，技能会先查 library.md 里的情绪地图，看“哥特”对应哪些书，然后用你的话复述这个匹配理由——“既然你想读点哥特风的……”

边界与注意点

• 首次使用需要手动填一份口味档案。初始化时会问你 genres 和 mood map，这一步跳过的话，后续推荐只能靠书单本身，精准度会下降。
• 不联网时无法推荐全新书。第三步依赖网络搜索，离线场景下只能从库里和心愿单里挑。
• 绝不剧透。技能明确禁止透露情节转折、结局或角色命运，只给 hook 和 premise。
• CSV 是手动维护的。买新书、读完标记，都需要你主动触发对应语句（如“I bought…”或“Mark as read”），它不会自动感知。

换句话说，它不是替你买书的购物助手，而是一个以你已有藏书为锚点、用本地文件记录口味演化的选书副驾驶。