拒绝算法喂养：我用 SQLite 和 API 搭建了一套音乐挖掘系统

现在的流媒体推荐机制正陷入一种诡异的死循环：你偶然点开一首独立摇滚，接下来的三天，你的首页会被同质化的曲风塞满。这种所谓的“个性化推荐”本质上是在构建信息茧房，它通过计算播放量和相似度，不断把你往舒适区里推，结果就是 Discover Weekly 变成了热门单曲的复读机。为了打破这种被动接收的状态，我花了半年时间，尝试把“音乐发现”这个过程从黑盒算法中剥离出来，自己搭了一套基于数据驱动的探索工作流。

这套系统的核心逻辑是：用多个客观的第三方维度取代单一的算法权重，把“被动听”改为“主动挖”。

首先是源头的多维筛选。我不再信任任何平台的“猜你喜欢”，而是通过三个不同的接口并行拉取种子数据。第一路是 Last.fm，利用它的相似标签和关联艺人进行扩展，但我特意在脚本里扣掉了流行度过滤，因为那些低热度的“小虾米”艺人往往才是挖掘宝藏的关键。第二路是 RateYourMusic，我重点爬取社区标注的极细分风格（比如 Ambient Jungle），通过高评分但冷门的专辑反向搜索。第三路则是 Discogs，我直接盯着几个心仪的独立厂牌，抓取它们的发布履历。经验证明，追踪一个厂牌的签约艺人，比依赖算法推荐的精准度要高得多。

在数据处理环节，我没有使用复杂的云端方案，而是全部落本地 SQLite 数据库。我写了一套简单的 Python 脚本，将所有挖掘到的曲目标记为“已存档”状态，并用 Plexamp 作为前端播放器。

这里我想分享一个最关键的机制——「回溯清单」。很多人收藏歌曲后就将其遗忘，导致歌单越长，实际听到的越少。我设置了一个强制执行的循环：每隔两周，脚本会随机从三个月前收藏但未细听的曲目中抽取 10 条。我的原则是“听不进就立刻删除”，绝不给无效收藏留空间。在执行这个循环几个月后，我发现每周能挖掘到真正心头好的数量从 1-2 首稳定增加到了 6-8 首，而且风格跨度极大，能从黑金属直接跳到合成波，这种随机性带来的惊喜感是算法无法模拟的。

当然，在搭建过程中我也踩过坑。最典型的是 Discogs 的 API 限流问题，因为初期请求频率过高，账号被封过一次。后来我通过在请求之间加入延迟队列（Delay Queue）才解决了这个问题。其实这套架构并不复杂，数据库 + 脚本 + Plex 的组合在很多发烧友那里很常见，甚至如果你不想折腾 Plex，换成 Navidrome 或者任何支持本地库的播放器都行。

这套系统的本质其实是一种反直觉的操作：算法追求的是让你在平台上停留，而我们要追求的是让自己离开舒适区。当你把输入源从“推荐位”切换到“厂牌履历”和“细分标签”时，你才真正重新掌握了听觉的主动权。如果你觉得手动搭建太麻烦，起码尝试关掉那些“猜你喜欢”的开关，去寻找一个独立的输入源，这比躺在算法的摇篮里要高效得多。