12、推荐系统：Recommendations API、通知栏推荐与内容更新

说实话，做TV应用最头疼的问题之一，就是用户打开电视后不知道看什么。手机可以刷，电视不行。遥控器按来按去，用户就烦了。这时候，推荐系统就派上用场了。

Android TV的推荐系统，说白了就是帮用户“猜心思”。你猜得准，用户就留下来。猜不准，用户就切到别的App去了。今天我就把这块的实战经验掰开揉碎讲给你听。

12.1 Recommendations API 的核心机制

Android TV的推荐，不是我们自己写算法。Google已经帮我们搭好了架子。我们只需要把内容“喂”给系统，系统会帮我们展示在Launcher的主屏上。

这个机制的核心，就是 RecommendationRequest 和 RecommendationResponse。嗯，其实更准确地说，是 Recommendations API 配合 Notification 来工作。

我刚开始接触这块时，以为要自己写推荐算法。后来发现，Google的思路是：你提供内容，系统负责展示。说白了，我们只需要做好“内容提供者”这个角色。

12.2 构建推荐卡片

推荐卡片长什么样？说白了就是一个 Notification。只不过这个Notification比较特殊，它带了很多TV专用的属性。

来看一段我实际项目中的代码：

public class RecommendationBuilder {
    private static final String CHANNEL_ID = "recommendation_channel";

    public static Notification buildRecommendation(Context context, 
                                                   String title, 
                                                   String description, 
                                                   String imageUri,
                                                   String contentId) {
        // 创建Intent，用户点击卡片后跳转
        Intent intent = new Intent(context, DetailActivity.class);
        intent.putExtra("content_id", contentId);
        PendingIntent pendingIntent = PendingIntent.getActivity(
            context, 0, intent, PendingIntent.FLAG_UPDATE_CURRENT | PendingIntent.FLAG_IMMUTABLE
        );

        // 构建推荐卡片
        Notification notification = new Notification.Builder(context, CHANNEL_ID)
            .setContentTitle(title)
            .setContentText(description)
            .setSmallIcon(R.drawable.ic_recommendation)
            .setLargeIcon(loadBitmap(imageUri))  // 注意：这里要异步加载
            .setContentIntent(pendingIntent)
            .setCategory(Notification.CATEGORY_RECOMMENDATION)
            .setVisibility(Notification.VISIBILITY_PUBLIC)
            .build();

        return notification;
    }
}

12.3 发布推荐到系统

卡片构建好了，怎么让系统知道？通过 NotificationManager。但这里有个关键点：每条推荐都需要一个唯一的ID。

public class RecommendationPublisher {
    private static final int RECOMMENDATION_ID_BASE = 1000;

    public static void publishRecommendation(Context context, 
                                              Notification notification, 
                                              int index) {
        NotificationManager notificationManager = 
            (NotificationManager) context.getSystemService(Context.NOTIFICATION_SERVICE);

        // 创建通知渠道（Android 8.0+ 必须）
        NotificationChannel channel = new NotificationChannel(
            "recommendation_channel",
            "内容推荐",
            NotificationManager.IMPORTANCE_HIGH
        );
        channel.setShowBadge(false);  // TV上不需要角标
        notificationManager.createNotificationChannel(channel);

        // 发布推荐，ID必须唯一
        int notificationId = RECOMMENDATION_ID_BASE + index;
        notificationManager.notify(notificationId, notification);
    }
}

你想想看，如果ID重复了会怎样？后发布的会把前面的覆盖掉。我之前就犯过这个错，结果用户看到的推荐永远是最后一条。嗯，排查了半天才发现是ID没处理好。

12.4 通知栏推荐与内容更新

TV上的通知栏推荐，和手机上的通知不太一样。手机通知会弹出，TV通知不会。TV的通知是直接显示在Launcher主屏的推荐行里。

内容更新这块，我建议采用“增量更新”策略。什么意思？就是不要每次把所有推荐都删了重新发，而是只更新变化的部分。

我个人习惯用增量更新。具体做法是：维护一个推荐列表的缓存，每次更新时对比新旧列表，只发布新增的、移除过期的。

public class RecommendationUpdater {
    private Set<String> currentRecommendations = new HashSet<>();

    public void updateRecommendations(Context context, List<ContentItem> newItems) {
        // 1. 找出需要移除的（旧列表有，新列表没有）
        for (String oldId : currentRecommendations) {
            if (!newItems.contains(oldId)) {
                removeRecommendation(context, oldId);
            }
        }

        // 2. 找出需要新增的（新列表有，旧列表没有）
        for (ContentItem item : newItems) {
            if (!currentRecommendations.contains(item.getId())) {
                publishNewRecommendation(context, item);
            }
        }

        // 3. 更新缓存
        currentRecommendations.clear();
        for (ContentItem item : newItems) {
            currentRecommendations.add(item.getId());
        }
    }

    private void removeRecommendation(Context context, String contentId) {
        NotificationManager manager = 
            (NotificationManager) context.getSystemService(Context.NOTIFICATION_SERVICE);
        manager.cancel(contentId.hashCode());
    }
}

12.5 推荐内容的生命周期管理

推荐不是发出去就完事了。它有自己的生命周期。我总结了一下，大概分这几个阶段：

• 创建期：构建推荐卡片，发布到系统
• 展示期：在Launcher主屏展示，等待用户点击
• 过期期：内容过时，需要移除
• 点击期：用户点击，跳转到详情页

这里有个坑：系统不会自动帮你清理过期的推荐。你得自己维护。我一般会在App启动时，或者定时任务里，清理掉超过24小时的推荐。

public class RecommendationCleaner {
    private static final long EXPIRY_TIME = 24 * 60 * 60 * 1000; // 24小时

    public void cleanExpiredRecommendations(Context context) {
        SharedPreferences prefs = context.getSharedPreferences("recommendations", Context.MODE_PRIVATE);
        Map<String, ?> all = prefs.getAll();

        long now = System.currentTimeMillis();
        NotificationManager manager = 
            (NotificationManager) context.getSystemService(Context.NOTIFICATION_SERVICE);

        for (Map.Entry<String, ?> entry : all.entrySet()) {
            long timestamp = prefs.getLong(entry.getKey(), 0);
            if (now - timestamp > EXPIRY_TIME) {
                manager.cancel(entry.getKey().hashCode());
                prefs.edit().remove(entry.getKey()).apply();
            }
        }
    }
}

12.6 实战中的避坑指南

做TV推荐系统，我踩过的坑真不少。挑几个典型的说说：

• 图片加载：推荐卡片的图片必须提前加载好。不能在发布时现下载，会卡住主线程。我建议用Glide的 preload() 提前加载。
• 推荐数量：系统最多显示5-6条推荐。发太多没用，反而浪费资源。我一般控制在5条以内。
• 跳转深度：用户点击推荐后，最好直接跳转到内容详情页，不要跳首页再跳详情。多一步操作，用户就流失了。
• 测试问题：TV模拟器上推荐功能可能不正常。我建议用真机测试，或者用Google的TV测试工具。

12.7 性能优化建议

推荐系统如果做得不好，会影响整个TV的流畅度。我给出几个优化方向：

• 批量操作：多条推荐一起发布，不要一条一条发。用 notify() 批量处理。
• 内存管理：Bitmap用完就回收。推荐卡片用的图片，发布后就可以释放了。
• 异步处理：所有推荐相关的操作，都放到后台线程。不要在UI线程做。
• 缓存策略：推荐列表缓存到本地，避免每次启动都重新构建。

说白了，推荐系统就是TV应用的“门面”。用户打开电视，第一眼看到的就是你的推荐。做得好，用户粘性就高。做得不好，用户连你的App都不想打开。

好了，这一章的内容就到这里。记住：推荐不是越多越好，而是要精准、及时、流畅。把握好这三点，你的TV应用就能留住用户。

---