推荐系统与搜索推荐 AI¶

⚠️ 时效性说明：本章涉及前沿模型/价格/榜单等信息，可能随版本快速变化；请以论文、官方博客和公开招聘页为准。
搜索推荐 + LLM / RL / 多模态 仍然是 2026-2028 中国大厂与内容平台的高价值方向，不应该被简单当成“旧时代系统”。

为什么这条线仍然重要¶

今天的搜索推荐岗位，越来越像这几类融合体：

• 推荐系统 + 大模型
• 搜索系统 + Agent
• 召回排序 + 长序列建模
• RL / Bandit / reward 设计
• 多模态内容理解 + 分发

所以这门课的价值不只是学习传统推荐，更是给你补一条：

搜推 + LLM + RL + 工程 的复合路线

适合哪些岗位¶

推荐学习顺序¶

第一阶段：打基础¶

1. 00-学习指南
2. 01-推荐系统概述
3. 02-用户行为分析
4. 03-协同过滤算法
5. 04-基于内容的推荐

第二阶段：补齐主干能力¶

1. 06-深度学习推荐
2. 07-序列推荐算法
3. 09-召回算法
4. 10-排序算法
5. 13-推荐系统评估
6. 15-推荐系统架构设计

第三阶段：接上 2028 市场¶

1. 16-LLM与推荐系统
2. 17-现代推荐系统架构
3. 18-多兴趣召回与因果推荐
4. 20-强化学习与Bandit推荐
5. 21-粗排与长序列建模
6. 22-搜索推荐与LLM岗位路线

你最终要会什么¶

完成这一目录后，至少要能讲清这 5 件事：

1. 召回、粗排、精排、重排之间的关系
2. AUC / GAUC / NDCG / MRR 等评估指标
3. 长序列建模、多兴趣召回和生成式推荐的差异
4. LLM 在搜索推荐中的作用与边界
5. 一个搜推项目如何做系统设计、评测和上线

最值得做的项目¶

建议优先做以下项目中的一个：

• 电商推荐系统升级版：双塔召回 + 排序 + 长序列特征
• 搜索重排系统：基础检索 + LLM 重排/摘要
• 生成式推荐 / Bandit 推荐：用 RL 或在线策略做升级

并且至少补齐：

• 指标表
• 架构图
• 离线评测
• 失败案例
• 面试讲解稿

配套学习¶

• 更偏系统与服务： AI系统设计面试
• 更偏推理与性能： 模型优化
• 更偏求职包装： 简历与求职

最后更新日期： 2026-03-16
适用版本：推荐系统教程 v2026.03