这是 Beta 探索课程，内容结构、实验步骤和示例可能会继续调整。
首帧优化
为什么首帧最敏感
短视频推荐流最敏感的是首帧时间。用户向上滑动，如果画面没有立刻出现，他可能已经划走了。
如果推荐结果很好但视频加载慢，用户仍然会快速退出——体验被分发拖垮，推荐算法做得再好也没用。
首帧优化的手段
| 手段 | 作用 |
|---|---|
| 预加载 | 下一条视频提前开始加载 |
| 封面 + 前几片优先 | 先加载封面和前几个分片，让画面尽早出现 |
| 初始码率适配 | 按网络选择起始码率，不要一上来拉高清 |
| 热门预热 | 热门视频提前推送到边缘节点 |
| 精简链路 | 减少鉴权与重定向，播放 URL 直达 |
预加载的取舍
预加载是首帧优化最有效的手段之一，但也有成本：
- 体验：下一条提前加载，滑动即播。
- 代价：用户可能根本没滑到那条，预加载浪费了带宽和播放量统计。
工程上通常：
- 预加载下一条（大概率会看）而不是预加载整个列表。
- 只预加载封面 + 前几秒的分片，而不是完整视频。
- 根据用户滑动习惯动态调整预加载范围。
初始码率适配
短视频用户可能用弱网。如果一上来就拉 1080p，首帧会非常慢。正确做法：
- 根据网络状态选择初始码率（弱网先 360p）。
- 播放过程中根据带宽动态升码 / 降码。
- 让「先看到画面」优先于「看到清晰画面」。
播放指标的监控
首帧优化效果要用指标衡量：
- 首帧时间（P50 / P90）。
- 预加载命中率（预加载的内容实际被播放的比例）。
- 卡顿率、起播失败率。
- 不同网络、地域的分段表现。
一句话
首帧优化 = 预加载 + 封面优先 + 码率适配 + 热门预热 + 精简链路。短视频场景下，「快」比「清晰」更影响留存。
下一节看视频的 Range 分片与热门内容保护。
发现内容有问题？
告诉我们哪里需要改进。