SuggestArr

O SuggestArr é uma plataforma de automação de multimédia de código aberto com mais de 1.100 estrelas no GitHub, que preenche a lacuna entre o que vê e o que é adicionado à sua biblioteca de multimédia autoalojada. Liga-se ao seu servidor de multimédia Jellyfin, Plex ou Emby, analisa o histórico de visualização recente de cada utilizador e usa a API do The Movie Database (TMDb) para encontrar títulos semelhantes — e, em seguida, envia automaticamente esses títulos como pedidos de download para a sua instância Seer. O ciclo de recomendação-para-pedido funciona sem supervisão num agendamento cron configurável, transformando um fluxo de trabalho manual diário num serviço de fundo totalmente automatizado.

Casos de Uso Comuns

Operadores de laboratórios domésticos com uma biblioteca Jellyfin ou Plex usam o SuggestArr para manter a sua coleção a crescer automaticamente com base nos padrões de visualização reais, sem navegar manualmente no Seer todos os dias à procura de algo semelhante para ver a seguir. Famílias com servidores Plex partilhados direcionam o SuggestArr para contas de utilizador específicas para que cada membro da família receba recomendações com base no seu próprio histórico de visualização, em vez da média da biblioteca partilhada. Utilizadores avançados ativam o modo IA para ligar o SuggestArr a uma instância local do Ollama, obtendo recomendações personalizadas com explicações e a capacidade de pesquisar com consultas de linguagem natural em vez de correspondência de palavras-chave. Utilizadores que acumularam um grande atraso usam os filtros de conteúdo para excluir géneros, títulos com baixa classificação, lançamentos recentes ou conteúdo já disponível nas suas subscrições de streaming — mantendo a fila de pedidos focada em adições genuinamente novas.

Principais Funcionalidades

• Ingestão do histórico de visualização do Jellyfin, Plex e Emby com segmentação por utilizador
• Correspondência de similaridade para filmes e programas de TV, alimentada pelo TMDb, com limites de resultados configuráveis
• Envio automatizado de pedidos para o Seer (anteriormente Overseerr/Jellyseerr) num agendamento cron
• Filtros de conteúdo: excluir por género, classificação, ano de lançamento, idioma e disponibilidade de serviço de streaming
• Motor de recomendação de IA opcional usando OpenAI, Ollama, Gemini, LiteLLM ou OpenRouter
• Pesquisa de multimédia em linguagem natural alimentada pela integração LLM (beta)
• Painel web com visualizador de registos filtrados em tempo real para monitorizar execuções de automação
• Assistente de configuração de primeira visita: todas as chaves API e conexões de serviço configuradas na UI após a implementação
• SQLite por padrão com PostgreSQL ou MySQL opcional para implementações multiutilizador maiores
• Endpoints de saúde prontos para Kubernetes: sonda de liveness em /api/health/live e sonda de readiness em /api/health/ready

Porquê implementar o SuggestArr num VPS da Hostinger

O SuggestArr foi concebido para funcionar como um serviço de fundo persistente e sempre ativo — precisa de estar online em intervalos agendados para obter o histórico de visualização e enviar pedidos, o que o torna inadequado para funcionar num computador de secretária ou portátil que é desligado regularmente. Um VPS da Hostinger oferece a disponibilidade sempre ativa que a automação exige, com recursos suficientes

recursos para lidar com as chamadas periódicas da API TMDb e LLM sem impactar outros serviços autoalojados. Toda a lógica de recomendação e os dados do histórico de visualização permanecem na sua própria infraestrutura, em vez de serem processados por um serviço alojado. Como o SuggestArr usa SQLite por predefinição, toda a implementação é um único contentor com um volume nomeado — fácil de fazer cópias de segurança e leve o suficiente para ser executado juntamente com a sua pilha Jellyfin, Plex ou Seer existente, sem alocação de recursos dedicada. Emparelhar o SuggestArr com uma instância Seer co-alojada no mesmo VPS elimina a latência entre serviços e mantém todo o tráfego de recomendação local.