推荐系统的核心不是猜你喜欢什么，而是从海量候选里挑出你更可能点击的那一小部分。它通常包含召回和排序两个阶段，召回负责快速缩小范围，排序负责精细打分。
召回阶段常用协同过滤、向量检索或热度策略，目标是在毫秒级从百万级内容中筛出几百条。这一阶段追求覆盖率，宁可选错也不能漏掉潜在好内容。
排序阶段则用更复杂的模型，结合用户特征、内容特征和上下文特征给出点击率预估。分数高低决定最终展示顺序，也直接影响你的浏览体验。
理解这个流程后就会明白，所谓信息茧房往往来自召回策略过于单一，而不是排序模型本身的问题。多样性和准确性需要人为平衡。
