一句话看懂：Android Police 作者 Akshay Bhalla 发现 Netflix 的推荐算法越来越偏重热度和完播率，反而导致选择困难——他用 Gemini 的自定义提示词和记忆功能，搭建出一套更贴合个人作息和口味的观影推荐流程。
事件核心：发生了什么
2026 年 11 月 1 日，Android Police 发文介绍了作者在日常生活中用 Gemini 替代 Netflix 推荐算法的做法。他给出的原因是：Netflix 首页的推荐偏向当前热门内容和完播率，对用户可支配时长、深夜想轻松一笑这类情境判断不足；而 Gemini 通过自然语言提示词接收“还有 60 分钟睡前、要轻松喜剧”这类约束，并结合记忆功能，长期记录哪些剧看了、哪一季弃了，再据此动态调整推荐。文中提到 Derry Girls、Inside Job、Archer 等具体剧集，并指出 Gemini 还会解释推荐理由和单集时长，方便用户做决定。
为什么重要
这件事的意义不在于“AI 比 Netflix 更懂电影”。它反映了一个更普遍的变化：用户已经把大模型当作跨应用信息筛选器，用个性化的 prompt 绕开平台推荐。Netflix 这类流媒体最核心的资产是推荐系统，这次对比说明，当模型具备记忆能力和多轮对话能力后，平台推荐的“默认体验”可能被外部 AI 重新组织。对当时正竞相接入大模型的应用来说，这是一个关于交互入口的提醒：AI 不一定要与平台深度打通，就能在用户决策环节形成替代。
对用户/开发者/创作者的影响
对普通用户，这套做法门槛不高，但依赖持续、细致地输入偏好，而且 Gemini 与 Netflix 没有官方集成，最终仍需要手动搜索和确认片名。对开发者，提示词工程配合长期记忆，是把大模型用于垂直决策的一个轻量样本。对内容创作者，推荐逻辑从“平台算法分发”扩展到“用户描述的语境匹配”，剧集的单集时长、观看情绪可能比传统标签更影响被发现的机会。需要注意的是，原文为作者个人体验，并非严肃评测，效果也受限于用户输入质量。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Netflix 等平台是否在推荐中引入更细粒度的情境信号，例如可用时长和用户即时情绪；二是 Gemini 的记忆与定时任务能否在更多内容消费场景复用，而不只停留在影视推荐；三是这类第三方“推荐层”若形成习惯，平台与 AI 助手的关系会如何演变。目前公开信息显示，原文截断处提到 Gemini 可能存在虚构剧名等问题，用户使用时仍需自行核对。
