Skip to content

MATCH_FEATURE.md

Latest commit

 

History

History
210 lines (160 loc) · 5.85 KB

MATCH_FEATURE.md

File metadata and controls

210 lines (160 loc) · 5.85 KB
Raw

缘分匹配功能使用说明

功能概述

基于八字五行互补和MBTI心理契合的用户匹配系统，帮助用户找到命中人。

核心算法

匹配维度（总分100分）

  1. 八字五行互补（60分）

    • 缺失互补：我缺的你旺 → 20分/次，双向最多40分
    • 日主相生：金→水→木→火→土 → 15分
    • 日主相合：天干五合（甲己、乙庚等） → 10分
    • 日主比和：同五行 → 8分
    • 日主相克：相克关系 → -8分（扣分）

  2. MBTI心理契合（40分）

    • 理想配对：INFJ×ENFP、INTJ×ENTP等 → 40分
    • 互补平衡：2-3个维度相反 → 28-32分
    • 高度相似：1个维度相反 → 26分
    • 完全相同：惺惺相惜 → 22分
    • 对立较大：4个维度全反 → 15分

使用流程

1. 用户完善资料

用户首次点击"缘分匹配"时，需要填写：

  • 生辰信息：年月日时（公历）
  • MBTI类型：16种人格类型选一
  • 性别：用于异性筛选
  • 个人简介：可选，30字内
  • 联系方式：可选（微信/QQ号）

系统会自动计算八字，提取日主、五行分布、五行缺失等数据。

2. 探探式匹配

  • 单次推荐：每次显示1个最合适的匹配对象
  • 异性筛选：只推荐异性用户
  • 去重机制：不会重复推荐已展示过的用户
  • 重置功能：刷完后可以重新开始

3. 留言互动

  • 异步留言板：类似QQ消息，不需要在线
  • 查看历史：可以查看与每个人的完整对话
  • 未读提醒：消息tab显示未读数红点

4. AI详细报告

  • 按需生成：用户点击"查看报告"时才调用AI生成
  • 专属分析：800字左右的Markdown格式报告
  • 内容包含：
    • 五行互补分析
    • MBTI契合度
    • 相处建议
    • 需注意事项
    • 易经典籍引用

数据库表结构

user_profiles（用户档案表）

CREATE TABLE user_profiles (
    user_id TEXT PRIMARY KEY,
    birth_year INTEGER,
    birth_month INTEGER,
    birth_day INTEGER,
    birth_hour INTEGER,
    rizhu TEXT,              -- 日主（如"甲木"）
    rizhu_wuxing TEXT,       -- 日主五行（如"木"）
    wuxing_count TEXT,       -- 五行分布JSON（如{"金":1,"木":3,...}）
    wuxing_missing TEXT,     -- 五行缺失JSON（如["火"]）
    sizhu_data TEXT,         -- 完整四柱JSON
    mbti TEXT,               -- MBTI类型（如"INFJ"）
    gender TEXT,             -- 性别（male/female）
    bio TEXT,                -- 个人简介
    contact_info TEXT,       -- 联系方式
    allow_match BOOLEAN DEFAULT 1,
    is_profile_complete BOOLEAN DEFAULT 0,
    created_at TEXT,
    updated_at TEXT,
    FOREIGN KEY (user_id) REFERENCES users(id) ON DELETE CASCADE
);

match_history（匹配历史表）

CREATE TABLE match_history (
    user_id TEXT,            -- 当前用户
    shown_user_id TEXT,      -- 被展示的用户
    shown_at TEXT,           -- 展示时间
    action TEXT,             -- 操作类型（viewed/messaged）
    PRIMARY KEY (user_id, shown_user_id)
);

match_messages（留言表）

CREATE TABLE match_messages (
    id TEXT PRIMARY KEY,
    from_user_id TEXT,
    to_user_id TEXT,
    content TEXT,
    is_read BOOLEAN DEFAULT 0,
    created_at TEXT,
    FOREIGN KEY (from_user_id) REFERENCES users(id) ON DELETE CASCADE,
    FOREIGN KEY (to_user_id) REFERENCES users(id) ON DELETE CASCADE
);

API端点

用户资料

  • GET /api/user/profile - 获取当前用户档案
  • POST /api/user/profile - 完善用户资料

匹配功能

  • GET /api/match/next - 获取下一个匹配对象
  • POST /api/match/reset - 重置匹配历史

留言功能

  • POST /api/match/message - 发送留言
  • GET /api/match/messages/threads - 获取所有留言线程
  • GET /api/match/messages/<user_id> - 获取与某人的所有留言
  • GET /api/match/messages/unread-count - 获取未读留言数

AI报告

  • GET /api/match/report/<user_id> - 生成AI配对报告

文件结构

backend/
├── app.py                 # Flask主应用（已添加匹配API路由）
├── database.py            # 数据库操作（已添加匹配相关表和函数）
├── match_algorithm.py     # 匹配算法模块（新增）
└── ...

frontend/
├── index.html            # 主页面（已添加匹配页面和弹窗）
├── script.js             # 主应用逻辑（已添加user_id存储）
├── match.js              # 匹配功能逻辑（新增）
└── style.css             # 样式表（已添加匹配相关样式）

使用注意事项

  1. 成本控制：AI报告仅在用户主动点击时生成，避免批量调用
  2. 性能优化：
    • 候选池限制50人，避免全量计算
    • 去重机制减少重复计算
    • 可添加Redis缓存进一步优化
  3. 用户体验：
    • 单次推荐，降低选择疲劳
    • 异步留言，无需双方在线
    • 提供联系方式展示，方便线下联系

启动方式

开发环境

# 安装依赖（如未安装）
pip install -r requirements.txt

# 启动后端（端口5000）
cd backend
python app.py

# 启动前端（端口3000）
cd frontend
python -m http.server 3000

Docker部署

docker-compose up -d

访问 http://localhost:3000 即可使用。

功能演示流程

  1. 登录/注册账号
  2. 点击侧边栏"匹配"tab
  3. 点击"开始匹配"，填写资料
  4. 系统自动推荐最合适的匹配对象
  5. 查看匹配度、原因、AI报告
  6. 给TA留言或换下一个
  7. 在"消息"tab查看所有留言对话

未来优化方向

  • 添加Redis缓存匹配分数
  • 预计算热门用户的匹配数据
  • 增加更多筛选维度（年龄、地区等）
  • 添加"超级喜欢"功能（双向喜欢才能看联系方式）
  • 增加匹配成功率统计