台词片段搜索
只记得某句台词、某个场景，却想不起漫画名字？搜漫的台词索引支持用片段反查作品。输入你记得的那句话，系统会在台词库里匹配，把可能的作品列出来。记得越多，匹配越准。
搜索平台该做的事其实就几件——把索引做全、把匹配做准、把入口做顺。
只记得某句台词、某个场景，却想不起漫画名字？搜漫的台词索引支持用片段反查作品。输入你记得的那句话，系统会在台词库里匹配，把可能的作品列出来。记得越多，匹配越准。
题材、状态、地区、篇幅可以同时勾选，比如"国漫 + 连载中 + 玄幻 + 近一月有更新"。搜索结果实时显示数量，方便在翻找之前先判断范围是否合适，不用一页页划。
说不清名字也没关系，用几句话描述剧情就行，比如"主角是个在药铺打杂的少年，后来发现能听懂草药说话"。AI 会从库里挑出几部对味的候选，并说明匹配的理由。
读者可以把自己的收藏整理成主题书单，比如"适合通勤看的小短篇""零差评完结作品""冷门但好看"。翻书单比翻列表轻松很多，也更容易发现以前没注意到的作品。
收藏的分组、阅读进度、屏蔽设置都存在账号里。手机上看了一半，换成电脑打开还是停在同一页，不用自己记话数，也不用重新拖进度条找位置。
加入书架的作品一有新话上线，会收到一次轻提醒。提醒可以按时间段合并，比如每天晚上统一推一次，不用被零散通知反复打断。想攒着一起看的读者，也可以把提醒整体关掉。
不堆功能，只把读者每天真正会用到的几处做扎实。
搜索支持漫画名、作者名、题材标签、台词片段多种输入方式。台词搜索会从句子里匹配关键词，只记得大概情节也能反查到作品，不用完整记得名字。
搜索结果按匹配度和热度综合排序，最相关的排在最前面。筛选面板支持题材、状态、地区、篇幅多条件组合，结果数量实时显示，不用一页页翻。
社区里有很多读者整理的主题书单，按场景和偏好分类。想不出看什么的时候，翻书单比翻列表轻松很多，也更容易发现以前没注意到的作品。
阅读进度、收藏分组、屏蔽设置都存在账号里。手机上看了一半，换成电脑打开还是停在原来的位置，不需要自己记话数，也不用重新找位置。
阅读页不放弹窗，不插横幅，翻页时也不会突然跳出一块内容挡住画面。页面上的元素能收就收，只留下进度条和必要的设置入口。
加入书架的作品一有新话上线，会收到一次轻提醒。提醒可以按时间段合并，不必被零散通知反复打断。想攒着一起看的读者，也可以整体关掉提醒。
聊聊搜索索引、模糊匹配与推荐逻辑背后的一些观察。
和文字内容的搜索不一样，漫画的主要信息是以画面形式呈现的。台词、旁白、拟声词分散在每一页的对话框里，没有统一的结构。要让这些信息可以被搜索，第一步是把它们从画面里提取出来，整理成可索引的文本。这个过程需要人工校对和机器识别配合，工作量比想象中大得多。
只记得一句台词的情况下，系统会从句子里提取关键词，在台词索引里做模糊匹配。匹配时不仅看词是否相同，也会考虑语序变化和近义词。所以即使记得不太准确，只要关键词大致对得上，就有机会反查到作品。匹配结果会按相关度排序，最可能的那部排在最前面。
台词搜索依赖你记得具体的句子，但很多时候读者只记得一个模糊的印象，比如"主角是个在药铺打杂的少年"。这时候 AI 模糊描述派上用场。系统会把描述拆成几个要素——主角身份、场景、关键情节，然后从库里匹配要素重合度高的作品。它给的不是精确答案，而是一个候选范围，最终选哪部还是由读者决定。
搜索解决的是"我知道自己要找什么"的问题，推荐解决的是"我不知道看什么"的问题。社区书单是一种人工推荐，按场景和偏好整理；首页精选是一种算法推荐，按搜索热度和讨论量排序。两种方式各有侧重，但目标是一致的：把读者面对的选择范围从几百部收窄到几部，让决定变得容易一点。
来自搜索技术、内容运营、产品设计几个方向的看法。
搜索技术研究者
漫画内容的搜索比文字内容难得多，因为信息分散在画面里，没有现成的结构化文本。搜漫把台词、旁白、拟声词都提取出来做索引，这个工作量很大，但也是搜索体验的基础。没有这一步，台词搜索就无从谈起。
搜索产品设计师
搜索框看似简单，背后的设计取舍其实很多。支持哪些输入方式、结果怎么排序、筛选条件怎么组合，每一样都影响读者的体验。搜漫把台词搜索和模糊描述搜索分开处理，看起来是增加了复杂度，实际上是把不同的搜索场景都照顾到了。
内容运营者
社区书单这件事，看着简单，其实很考验运营的耐心。一份好的书单需要编辑把作品一部部看过，再根据主题挑出来。这种工作没法完全交给算法。搜漫把社区书单放在比较重要的位置，说明它在意的是"人推荐给人"这条路径，而不只是依赖算法排序。
数据产品顾问
推荐和搜索，本质上都在解决同一个问题：帮读者减少选择成本。搜索解决的是有明确目标的场景，推荐解决的是没有明确目标的场景。搜漫把两条路径都做得比较清楚，读者可以根据自己当前的状态选择用哪个，而不是被单一逻辑牵着走。
过去几年，漫画平台拼的是收录量和更新速度。谁的作品多、谁更新快，谁就能吸引更多读者。但当内容量趋近饱和之后，读者面对的问题不再是"有没有得看"，而是"怎么从几百部作品里找到现在想看的那一部"。这个变化，让搜索能力重新回到竞争的中心。
漫画搜索的难点在于信息结构。文字内容有现成的段落和章节，搜索可以直接在文本上做。漫画的主要信息在画面里，台词、旁白、拟声词分散在每一页的对话框里，没有统一的结构。要把这些信息变成可搜索的索引，需要大量的人工校对和机器识别配合。这个工作量很大，但一旦做成了，搜索体验的差距会非常明显。
另一个趋势是搜索和推荐的边界在变得模糊。读者用模糊描述来找作品时，搜索实际上承担了一部分推荐的功能；社区书单在推荐作品时，也承担了一部分搜索的功能。平台能不能把这两条路径打通，让读者在不同场景下都能找到合适的内容，可能会成为决定长期留存的关键。
做这个站的起点，来自一个很具体的困扰。团队里几个人都遇到过这种情况：明明记得某部漫画的某个情节，或者某句台词，但就是想不起名字。在普通平台上搜半天也搜不到，最后只能放弃。这种"记得却找不到"的感觉，比单纯没有内容更让人难受。
我们就想，能不能做一个把搜索做深一点的平台。不追求收录量最大，但至少要做到：记得台词能搜、记得作者能搜、记得大概情节也能搜。于是有了搜漫最初的版本。
做的过程中我们慢慢意识到，漫画搜索比文字搜索难得多。台词、旁白、拟声词分散在画面里，没有现成的结构化文本。要把这些信息提取出来做索引，需要大量的人工校对和机器识别配合。所以我们把台词索引和模糊描述匹配都放到了很重的位置，而不是只做一个简单的关键词搜索框。
搜漫不打算做收录最多的那个，也不想做功能最花哨的那个。我们更在意的是，读者记得什么，就能搜到什么。把这件事做顺了，这个站就算没白做。
功能上线、规则调整、体验优化，都在这里说清楚，点开就能看完整说明。
台词搜索索引从原来的几万条扩展到了十万条以上，覆盖的作品范围更广。只记得某句台词的情况下，匹配到对应作品的概率明显提高。
用几句话描述剧情就能找到候选漫画的功能，从内测扩大到了全部登录用户。这一版增加了匹配理由展示，每部候选作品旁边会写明为什么被选中。
社区书单现在按阅读场景做了分类，比如"适合通勤看的小短篇""适合睡前翻两话"。翻书单的时候可以按场景筛选，找起来更省事。
搜索结果的排序逻辑做了调整，现在会同时考虑匹配度和作品热度。台词搜索的结果里，包含对应台词的作品会排在前面，而不是只看作品的整体热度。
过去清晰度是自动切换的，网络波动时会来回跳。现在可以在阅读页手动锁定一档画质，锁定后不会再自动降级或升级，适合网络环境稳定的读者。
同一时间段内有多部作品更新时，提醒会自动合并成一条推送，不再一条一条单独弹出。合并时间窗口可以在提醒设置里调整，最短十五分钟，最长两小时。
8 条最常被问到的，点开就能看到完整回答。