单角色由 Engine B Thompson 从 Beta-Bernoulli 后验抽样;多角色由 Engine A Hungarian 求 max Σ utility。每一张推荐卡都把 fit · sampled p · α/β 摊开看见 — 决策不是黑盒。
给定 show + role_name + target_genre,Thompson 抽样从 Beta(α,β) 后验各演员 × genre 的成功率分布里取候选,叠加 fit_score 排序。点 Top-K 任一张直接跳 talent 详情试镜。
N 个 talent × M 个 role × T 时段,Hungarian 求全局最优分配。约束:同一时段 1 talent ≤ 1 role,同一角色 1 talent。Total Σ utility max。把所有候选 role 放进下方,按一次按钮收全 assignment。
Engine B 维护 talent×genre 的 Beta-Bernoulli 后验 (α=成功+1, β=失败+1),每次推荐从 Beta 分布 random sample 一个 p,叠加 fit_score(年龄/性别/niche 匹配)、type_lock 惩罚、fatigue 惩罚,排序取 Top-K。 Engine A 求 N×M Hungarian 全局最优(MILP 松弛实现,N≤30 / M≤10 / T≤24 范围 OK)。 每次 cast/confirm 后 MDP 反馈环把成功率回写 Beta 后验。