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。
回顾
从第一版只有人工精选列表的首页，到覆盖内容供给、CDN 分发、召回、排序、反馈和治理的完整推荐系统，视频推荐流不是单个模型，而是一套持续反馈的系统。
演进路径回顾
- 人工精选列表：第一版只有运营手动挑选的视频。内容可控，但无法满足个性化。
- 内容链路：创作者涌入后，上传、转码、审核和 CDN 成为内容供给基础，保证内容能进入系统并被流畅播放。
- 召回与排序：用户增长后，热门列表无法满足个性化，多路召回从海量内容中挑候选，多目标排序平衡点击率、完播率和多样性。
- 实验与治理：策略持续迭代，行为日志、特征平台、A/B 实验和治理护栏，让推荐系统可评估、可迭代、可解释。
贯穿始终的主线
推荐系统的本质是持续反馈系统：
内容被推荐 -> 用户产生行为 -> 行为变成数据 -> 数据影响下一次推荐四条链路缺一不可：内容链路（上传→转码→审核→入池）、分发链路（存储→CDN→播放器）、推荐链路（召回→排序→重排→Feed）、反馈链路（曝光→行为→特征→模型更新）。
课程沉淀
后面几页会分别总结：最终的系统架构、从实战中提炼的设计原则，以及在每个关键节点上的技术取舍。设计推荐系统，始终先问：内容能否稳定进入并被审核、请求能否低延迟返回可播放视频、候选集是否覆盖相关与探索、排序是否多目标、行为是否完整回流。