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。
核心数据模型
五类核心数据
视频推荐流至少需要这些数据：
核心数据
五类数据支撑完整的推荐闭环
video_metadatavideo_idauthor_idstatusduration / tagsplay_urlsembeddinguser_profileuser_idinterest_tagslong_term_prefrisk_statusbehavior_logeventuser_id / video_idcontextresultfeature_storeonline_featuresoffline_featuresexperiment_logstrategy_versiongroup_idmetrics曝光日志为什么最重要
曝光日志尤其重要：没有曝光，就无法判断用户没有互动是「不喜欢」还是「根本没看到」。
- 曝光 + 无互动 = 负反馈（看到不喜欢）。
- 未曝光 = 中性（还没轮到）。
把这两类混在一起，推荐系统会误判大量「假负反馈」，越优化越偏。
数据的读写路径
| 数据 | 写入 | 读取 |
|---|---|---|
| video_metadata | 内容链路发布时 | 召回、排序、播放 |
| user_profile | 离线画像更新 | 排序、召回 |
| behavior_log | 客户端实时上报 | 实时召回 + 离线训练 |
| feature_store | 离线产出 | 在线排序 |
| experiment_log | 实验系统写入 | 分析评估 |
一句话
核心数据模型回答了「系统靠什么运转」：内容、用户、行为、特征、实验五类数据各司其职，曝光日志是连接「看到」与「喜欢」的关键。
下一节把一次完整请求链路画出来。