# 召回层与多路召回

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：第5章 多角度审视推荐系统
- 页码线索：137-140
- 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：recall, multi-channel, ranking

## 面试问题

召回层和排序层的功能差异是什么？为什么要多路召回？

## 30 秒回答

召回层负责从海量物品中快速找出可能相关的候选，排序层负责精细打分。多路召回用不同策略覆盖不同兴趣和场景，避免单一路径漏掉候选。

## 展开要点

- 召回强调效率和覆盖，排序强调准确和目标拟合。
- 常见召回包括热门、协同过滤、内容、embedding、规则、运营召回。
- 多路召回需要去重、配额、融合和后续排序。
- 召回不足时，排序再强也无候选可排。

## 高频追问

- 多路召回结果如何融合？
- 召回层如何评估？
- 召回太多会有什么问题？

## 项目映射

- 学习卡推荐：按技能图谱、相似用户、最近阅读、岗位目标多路召回。
- RAG：BM25、向量、标签、权限、人工精选多路召回。

## AI PM 迁移

RAG 的很多问题本质是召回问题：没召回正确证据，生成层无法补救。

## 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。