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。
上线检查清单
上线前逐项检查
内容与分发
- 视频是否只有在转码完成、审核通过后进入推荐池？
- 播放 URL 是否稳定，CDN 命中率和首帧时间是否可监控？
- 已下架 / 删除的视频是否能及时从推荐池移除？
Feed 基础
- Feed 是否使用游标分页和曝光去重？
- 刷新是否能返回新内容而非重复内容？
- 冷启动策略是否有探索流量池？
召回与排序
- 召回通道是否有配额、去重和质量监控？
- 排序是否有多目标和护栏指标？
- 重排是否控制作者 / 题材集中，并插入探索内容？
数据闭环
- 是否记录曝光、播放、完播、跳过、举报等行为？
- 曝光日志能否区分「未曝光」与「看到不感兴趣」？
- 行为数据是否回流到特征与模型更新？
实验与治理
- A/B 实验是否能追踪策略版本和用户分组？
- 是否有护栏指标防止策略走偏？
- 低质、违规、重复内容是否能被过滤和降权？
设计时先问五个问题
能回答这些问题，视频推荐流才具备完整的系统设计基础：
- 内容能否稳定进入系统并被审核？
- 用户请求能否在低延迟下返回可播放视频？
- 候选集是否覆盖相关性、新鲜度和探索？
- 排序是否平衡多个目标，而不是只追点击？
- 用户行为是否完整回流，支撑下一轮优化？
课程总结
视频推荐流是一套数据闭环系统。它的复杂度不只在算法，而在内容生产、播放体验、候选生成、在线排序、用户反馈和治理机制如何协同。
设计这类系统时，先跑通闭环、再优化算法；先保证体验、再追求模型；先定好指标、再做实验。系统设计的关键不是单个环节的极致，而是整条链路的稳定与可持续。
发现内容有问题？
告诉我们哪里需要改进。