用户兴趣是动态变化的。刚看完几篇健身内容，此刻可能就想继续看健身相关推荐；若系统仍按昨天的画像推送，体验会明显割裂。
实时特征能捕捉这种短期意图。实时行为序列、近若干次点击的类目分布、当前会话的停留模式，都是强信号，对时效性内容尤其关键。
实时化也带来工程挑战。特征需要低延迟计算与存储，线上线下一致性必须严格保证，否则训练与服务使用不同口径的特征，效果会打折。
并非所有特征都需要实时。用户长期画像、物品静态属性用离线批处理即可，盲目实时化只会增加复杂度而不带来收益，要按价值分级。
评估实时性收益要用专门实验。对比接入实时特征前后的效果，并观察不同用户群的差异，确认收益真实存在再扩大投入。
