01

60 秒回答模板

我会按线上请求链路回答：用户进入推荐场景后，服务先拿用户、上下文和设备等实时信息；召回层从协同过滤、向量、热门、关注、地域、内容标签和规则池中快速拿到候选；粗排或预排用轻量模型把候选缩到可精排规模；精排用复杂模型融合用户、物料、上下文和交叉特征预测点击、时长、转化、满意度等多目标；重排阶段做多样性、去重、频控、探索、业务规则和安全过滤；最后记录曝光点击停留等日志，用于训练、监控和 A/B 实验。

考点 召回保覆盖
难度 真实面经题
回答目标 讲清方法、取舍和追问
02

深入解析

01

请求和上下文

推荐链路从一次用户请求开始。服务需要获取用户画像、实时行为、场景入口、时间、位置、设备、网络和实验分桶等信息，并保证特征读取延迟可控，否则后续模型再好也无法在线服务。

02

多路召回

召回层的目标是在毫秒级从海量内容中找出几百到几千个候选。常见通道包括协同过滤、双塔向量召回、热门召回、关注关系、标签召回、地域召回、新内容召回和规则召回。

03

粗排预筛

召回候选数量仍然太大，粗排用轻量模型或规则快速过滤低质候选，减少精排计算成本。粗排要在效率和漏召之间平衡，不能为了速度把潜在优质长尾内容过早丢掉。

04

精排建模

精排是核心效果层，通常使用更复杂的深度模型或多任务模型，融合用户、物料、上下文、序列行为和交叉特征，预测点击率、完播、停留时长、互动、转化和负反馈等目标。

05

重排和策略

精排分数最高并不等于最终列表最好。重排要处理多样性、去重、作者频控、探索流量、冷启动扶持、安全审核、广告约束和业务策略，让列表整体体验更稳定。

03

易错点

  • 不要只说召回和排序，线上推荐还包括特征、重排、策略、日志和监控。
  • 不要把精排分数最高当成最终列表，体验约束和业务规则同样重要。
  • 不要忽略延迟预算，推荐链路每一层都受在线服务成本限制。
  • 不要只讲离线训练，曝光日志和线上实验决定模型能否持续迭代。
04

面试官追问

召回和排序有什么区别？

召回重在从大规模库中快速覆盖可能相关的候选，排序重在对较小候选集合做精细打分和顺序决策。

为什么需要粗排？

精排模型复杂、计算成本高，不可能处理全部召回结果。粗排用轻量方式过滤候选，在延迟预算内保留更有价值的内容。

线上推荐异常先排查什么？

先看流量分桶、召回量、特征缺失、模型版本、延迟、过滤规则、日志埋点和关键指标分层，定位是数据、模型还是策略问题。