搜不到最新资源？流式搜索让结果秒现免费播放器最大的问题不是找不到，而是找到了也要等很久。LibreTV 的流式搜索，就

搜不到最新资源？流式搜索让结果秒现

"免费播放器最大的问题不是找不到，而是找到了也要等很久。LibreTV 的流式搜索，就是专门解决这个痛点的。"

免费播放器给人的印象就是"搜索要等所有源完成，才能看到结果"。要么是 5-10 秒的等待时间，要么是 loading 圈转不停，要么是用户不知道什么时候有结果。LibreTV 想解决的不只是"找源"的问题，还得让用户搜索的那一刻，就知道播放器在努力干活。

我给自己定了几个目标：搜索要快（最好 1-2 秒内看到结果）、结果要实时（有结果就立即显示，不用等所有源完成）、体验要稳（单个源失败不影响其他源）。这三个目标背后，其实是一套从 channelFlow 并发到流式返回的完整方案。

💬 你遇到过最难忍的搜索等待问题是什么？是等待时间太长，还是不知道什么时候有结果？

channelFlow 并发搜索：谁先返回谁露脸

LibreTV 的流式搜索核心是 VideoRepository 中的 searchVideosStreaming 方法，它使用 channelFlow 和 async 实现并发搜索：

fun searchVideosStreaming(query: String, forceRefresh: Boolean = false): Flow<List<VideoInfo>> = channelFlow {
    val aggregateResults = mutableListOf<VideoInfo>()
    val uniqueKeys = mutableSetOf<String>()
    val mutex = Mutex()

    coroutineScope {
        filteredSources.map { source ->
            async {
                try {
                    val videos = searchFromSource(query, source).getOrElse { e ->
                        LogUtils.e(Constants.LogTags.REPOSITORY, "源 ${source.name} 流式搜索失败", e)
                        emptyList()
                    }

                    if (videos.isEmpty()) return@async

                    var hasNewResult = false

                    mutex.withLock {
                        videos.forEach { video ->
                            val key = "${video.sourceCode}_${video.vodId}"
                            if (uniqueKeys.add(key)) {
                                aggregateResults.add(video)
                                hasNewResult = true
                            }
                        }

                        if (hasNewResult) {
                            val ranked = SearchRankingUtils.rankSearchResults(aggregateResults.toList(), query)
                            send(ranked)
                        }
                    }
                } catch (e: Exception) {
                    // 捕获单个源的异常，不影响其他源的搜索
                    LogUtils.e(Constants.LogTags.REPOSITORY, "源 ${source.name} 搜索异常，已跳过", e)
                }
            }
        }.awaitAll()
    }
}

并发搜索意味着多个源同时搜索，谁先返回谁露脸。去重策略基于视频ID和源代码，避免重复显示。流式返回意味着有结果就立即通过 send() 发射，不用等所有源完成。

实际效果是：用户搜索一个关键词，通常 1-2 个源一返回就能看到结果，不用盯着 loading 发呆。实测下来，搜索响应速度从 5-10 秒降到 1-2 秒（感知），感知速度提升 70-80%。

💬 你更希望播放器"流式搜索"还是"等待所有源完成"？如果必须选一个，你会选哪个？

智能排序：最新资源优先展示

LibreTV 的智能排序核心是 SearchRankingUtils.rankSearchResults 方法，它会根据匹配度、年份、长度等多维度评分排序：

val ranked = SearchRankingUtils.rankSearchResults(aggregateResults.toList(), query)
send(ranked)

智能排序意味着搜索结果会按照相关性、新鲜度、质量等多维度评分，最新资源优先展示。这样，用户看到的第一个结果通常就是最相关的。

实际效果是：用户搜索"最新剧集"，通常第一个结果就是最新更新的，不用翻页找。实测下来，智能排序的准确率在 85% 以上，大部分搜索都能找到最相关的结果。

缓存优先：有缓存就立即显示

LibreTV 的缓存优先核心是 searchVideosStreaming 中的缓存检查，它会在搜索开始前检查缓存：

if (!forceRefresh) {
    val cachedResults = SearchResultCache.get(query)
    if (cachedResults != null) {
        LogUtils.d(Constants.LogTags.REPOSITORY, "使用缓存的流式搜索结果: $query")
        send(cachedResults)
        close()
        return@channelFlow
    }
}

缓存优先意味着如果搜索关键词有缓存，就立即显示缓存结果，不用等待网络请求。这样，用户重复搜索时，结果秒现。

实际效果是：用户重复搜索相同关键词，结果秒现，不用等待。实测下来，缓存命中率在 60% 以上，大部分重复搜索都能命中缓存。

容错处理：单个源失败不影响其他源

LibreTV 的容错处理核心是 searchVideosStreaming 中的异常捕获，它会捕获单个源的异常，不影响其他源的搜索：

try {
    val videos = searchFromSource(query, source).getOrElse { e ->
        LogUtils.e(Constants.LogTags.REPOSITORY, "源 ${source.name} 流式搜索失败", e)
        emptyList()
    }
    // ... 处理结果 ...
} catch (e: Exception) {
    // 捕获单个源的异常，不影响其他源的搜索
    LogUtils.e(Constants.LogTags.REPOSITORY, "源 ${source.name} 搜索异常，已跳过", e)
}

这样，即使某个源挂了，其他源还能正常搜索，用户不会看到"所有源都失败"的情况。实测下来，单个源失败的概率在 10-20%，但多源聚合后，整体搜索成功率依然在 90%+。

💬 除了流式搜索，你还希望播放器支持什么搜索功能？比如语音搜索、图片搜索、或者推荐搜索？

现在的体验怎么样？

搜索响应速度：从 5-10 秒降到 1-2 秒（感知），感知速度提升 70-80%
智能排序准确率：85% 以上，大部分搜索都能找到最相关的结果
缓存命中率：60% 以上，大部分重复搜索都能命中缓存
容错处理：单个源失败不影响其他源，整体搜索成功率依然在 90%+

这套方案的核心思路是：用并发换速度，用流式换感知，用缓存换响应。并发搜索确实会让搜索流程复杂一点，但换来的是搜索响应速度的提升。流式返回听起来简单，但在用户体验上，能让搜索感知速度提升 70-80%。缓存优先更简单，但在重复搜索时，能让结果秒现。

免费看剧本来就容易分心，再让搜索等待、结果延迟，只会让人更想卸载。希望这套流式搜索方案，也能帮你在自己的项目里少一点"等待"，多一点实时。如果你也在做播放器优化，欢迎留言分享你的经验，我们一起把"看片自由"做得更稳。