# 推荐系统实时性

## 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：140-148
- 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：real-time, feature, serving

## 面试问题

推荐系统为什么强调实时性？

## 30 秒回答

实时性让推荐系统快速响应用户最新兴趣、物品状态和场景变化。实时性包括特征实时、模型实时、召回索引实时和策略实时，但每一层都要和成本权衡。

## 展开要点

- 用户短期兴趣可能比长期画像更能预测下一次行为。
- 物品库存、价格、热度、内容状态会快速变化。
- 特征实时性、模型实时性和服务实时性是不同问题。
- 木桶效应：最慢或最旧的一环会限制整体效果。

## 高频追问

- 实时特征和离线特征如何结合？
- 模型需要实时训练吗？
- 实时性带来哪些工程成本？

## 项目映射

- 短视频/电商根据最近点击即时调整推荐。
- AI 学习系统根据刚答错的题即时推荐补充卡。

## AI PM 迁移

AI PM 在个性化产品中要区分长期记忆和短期上下文，二者更新频率不同。

## 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。