# 没有推荐银弹

## 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：153-158
- 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：problem-driven, model-selection, business

## 面试问题

为什么说推荐系统中比模型结构更重要的是业务理解？

## 30 秒回答

推荐问题没有通用银弹。模型结构只有在捕捉到具体场景里的用户行为规律时才有价值。优秀算法设计来自对用户行为、业务目标和数据机制的观察。

## 展开要点

- 拿着新模型找场景容易变成撞大运。
- 问题驱动要求先定义清楚行为规律和技术需求。
- DIN 等模型的价值来自对用户兴趣激活机制的洞察。
- 算法工程师不能只是调参炼丹，也要理解产品和用户。

## 高频追问

- 如何判断一个新模型是否适合你的业务？
- 为什么论文 SOTA 不一定线上有效？
- 你如何做问题驱动的模型设计？

## 项目映射

- 从用户行为观察出发提出模型改进，而不是先追新模型。
- AI PM 在引入 Agent 前先定义它解决的真实流程瓶颈。

## AI PM 迁移

LLM 产品同理：不是所有问题都要上 Agent、RAG 或微调，先定义真实问题。

## 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。