开始 - 视频推荐流概述

用户打开 App，首页自动播放第一条视频。向上滑动后，下一条视频必须立刻出现，而且最好“刚好感兴趣”。如果等待太久，用户会退出；如果连续几条不感兴趣，用户也会离开。

视频推荐流的目标不是把“最热门视频”塞给所有人，而是在低延迟下持续给每个用户提供合适内容。

推荐流要解决什么

一个生产级视频推荐流至少要解决：

• 内容供给：创作者上传的视频如何转码、审核、入库。
• 播放体验：视频如何通过 CDN 快速加载，首帧延迟如何降低。
• 候选生成：从海量视频中挑出几百条可能相关的候选。
• 个性化排序：按用户兴趣、内容质量和业务目标排序。
• 反馈闭环：曝光、点击、完播、点赞、跳过如何回流优化策略。
• 治理：低质、重复、违规和过度沉迷内容如何控制。

核心指标

推荐流不能只看点击率。常见指标包括：

• 首帧时间：用户滑到下一条视频多久能播放。
• 刷新延迟：请求下一页 Feed 的响应时间。
• 点击率、完播率、点赞率、关注率。
• 跳出率和连续跳过率。
• 内容多样性和新内容曝光率。
• 违规内容曝光率和投诉率。

指标之间会冲突。只优化点击率可能推送标题党，只优化完播率可能偏向短视频，只优化停留时长可能牺牲内容健康。

课程主线

我们会先建立 Feed 基础模型，再处理视频上传和 CDN 分发，保证内容能进入系统并被流畅播放；然后设计推荐算法、召回和排序；最后把实验、治理和架构收束在完整系统里。

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，数据再影响下一次推荐。