# 推荐系统逻辑架构

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第1章 互联网的增长引擎
- 页码线索：5-9
- 目标岗位：AI PM / 推荐系统产品 / 算法工程师面试
- 优先级：P0
- 标签：architecture, recall, ranking

## 面试问题

一个推荐系统通常由哪些模块构成？

## 30 秒回答

典型推荐系统由数据层、特征层、召回层、排序层、重排/策略层、服务层和评估反馈层构成。每层解决不同规模和目标的问题。

## 展开要点

- 数据层收集用户、物品、上下文、行为和反馈。
- 召回层从海量候选中快速筛出小集合，强调覆盖和效率。
- 排序层对候选进行精细打分，强调准确性和目标拟合。
- 策略层处理多样性、新鲜度、业务规则、探索和安全约束。
- 评估层通过离线指标、A/B 测试和日志回流驱动迭代。

## 高频追问

- 召回层和排序层为什么要分开？
- 推荐系统的数据部分包括哪些内容？
- 策略层为什么不能完全交给模型？

## 项目映射

- 画出一个内容推荐系统的端到端链路。
- 把 RAG 系统类比为：召回文档、排序证据、生成答案、评估反馈。

## AI PM 迁移

AI Agent/LLM 产品也常需要分层架构：候选工具召回、工具排序、执行策略、结果评估。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。