brainarr
为 Lidarr 提供本地优先、确定性的 AI 音乐专辑推荐
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：brainarr。 它的用途是：为 Lidarr 提供本地优先、确定性的 AI 音乐专辑推荐 完整的 Skill 内容见：https://321skill.com/skills/brainarr/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“基于我收藏的 90 年代英伦摇滚专辑，使用本地 Ollama 模型，为我推荐 10 张可能喜欢的专辑，预算控制在 50k tokens 以内。” 它会先分析你的音乐库指纹，选取代表性风格，然后调用指定的 AI 模型生成一份确定性的推荐列表，并附上置信度评分和 MusicBrainz 链接供你进一步审查。
介绍
Brainarr 是一款为音乐管理工具 Lidarr 设计的插件，旨在解决用户在海量音乐库中发现新专辑的难题。它通过 AI 技术，根据用户现有音乐库的风格和偏好，提供个性化的专辑推荐，帮助用户高效扩展收藏。
用户安装插件后，需在 Lidarr 的插件设置中选择 AI 提供商（支持本地模型如 Ollama 或云端服务如 OpenAI），设定推荐预算和风格偏好，即可启动推荐流程。Brainarr 会分析用户音乐库的“指纹”，生成可复现的推荐计划，并输出具体的专辑列表。
它非常适合拥有庞大本地音乐库的音乐爱好者、唱片收藏家，以及希望系统化探索特定音乐流派或艺术家相关作品的专业人士。对于后端开发者和运维人员，其丰富的可观测性和安全特性也便于集成和管理。
使用前请确保 Lidarr 版本在 3.0.0.4855+（插件/夜间分支）。建议初次使用时从本地模型开始，以体验离线功能并控制成本。注意配置好 MusicBrainz 信息以提升推荐准确性，并善用审查队列来处理低置信度的推荐。
核心特点
与同类推荐工具相比，Brainarr 的核心在于其“本地优先”和“确定性”的推荐管道。它首先在本地分析音乐库生成指纹和计划，确保推荐过程可复现；同时支持多达 14 种 AI 提供商，并内置了从信心阈值、幻觉过滤到审查队列的完整质量与安全控制链。
注意事项
不适合未使用 Lidarr 管理音乐或仅需要简单、非 AI 驱动的随机推荐的用户。
常见问题
Brainarr 需要联网吗？
使用本地提供商（如 Ollama）时可完全离线工作；使用云端提供商时需要网络。
推荐结果如何保证质量？
通过信心阈值过滤、MusicBrainz 信息补全、幻觉模式检测以及人工审查队列等多重机制保障。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/brainarr/raw/index.md 读取 brainarr 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/brainarr/raw/index.md（查看排版版本）