# 推荐系统对 AI PM 的价值

## 元数据

- 书名：深度学习推荐系统
- 作者：王喆
- 章节：全书综合
- 页码线索：全书
- 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：aipm, personalization, study-plan

## 面试问题

AI PM 为什么要学习推荐系统？

## 30 秒回答

推荐系统是个性化、行为建模、实验评估、实时反馈和工程权衡的成熟样板。AI PM 学推荐系统，不是为了背模型，而是学习如何把用户行为转化为持续优化的智能产品。

## 展开要点

- 个性化 AI 需要用户画像、兴趣建模和上下文理解。
- RAG 与推荐共享召回、排序、embedding 和评估问题。
- Agent 任务编排也需要候选工具/动作选择。
- 推荐系统的 A/B、Replay、Interleaving 能启发 AI eval。
- 成本、延迟、实时性和多目标是 AI 产品共同约束。

## 高频追问

- 推荐系统和 RAG 有哪些相似点？
- LLM 产品如何做个性化？
- 如何避免 AI 推荐造成信息茧房或错误强化？

## 项目映射

- 把面试素材库做成个性化学习推荐系统。
- 为企业 AI 助手推荐下一步操作、文档、专家或工具。

## AI PM 迁移

这本书可作为 AI PM 的“个性化系统课”：从模型思维升级到产品-数据-工程-评估闭环。

## 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。