2026-10-20

推荐系统业务岗：12 周准备路线 v2（从学习清单到投递闭环）

2026-10-21 修订：v1 把"学什么"写清楚了，但漏了"什么时候拿 offer"。这一版重排了时间线（4 周 MVP + 8 周迭代）、给每个项目补了完成定义和验收口径、把"实验与评测"从三条 bullet 扩成一章，并修正了"主打系统工程岗"这个不太现实的定位。

先把三句话钉在墙上（v1 这三条是对的，是全文地基）：

1. 业务岗考的不是论文，是你改了什么、指标动了多少、代价是什么、怎么证明不是噪声。
2. 离线涨不等于线上涨。样本偏差、位置偏差、特征穿越，任何一个都能把 AUC 的 +2% 变成负收益。
3. 模型不是唯一杠杆。重排打散、多样性配额、生态扶持，经常比换模型收益更大。

0. v1 缺什么（这次改了哪八处）

1. 终点错了。 v1 的终点是"第 12 周学完"，简历整理在第 11 周、投递在第 12 周之后。求职计划的终点是 offer；正确做法是第 4 周末就有一份能投的简历。
2. 没有岗位画像。 四类岗位只是分类，没落到"目标公司 JD 出现频率 → 我拿什么证据回应"。
3. 没有时间锚点。 10 月 20 日往后排 12 周就是 1 月中。秋招补招、春招实习、在职转岗，三种情形策略完全不同，v1 默认了"我在全职学习"。
4. 项目没有完成定义。 只写了做什么，没写"做到什么算过"：口径冻结没有、泄漏检查没有、能不能复现、追问接不接得住。
5. 数据集偏旧偏小。 只有 Amazon Beauty / MovieLens。缺带曝光反馈的数据（bandit 和 AB 必须有），也缺 CTR/CVR 多目标数据（精排和多任务必须有）。
6. 评测只有口号。 "全库评估、GAUC"写了，但没写显著性、多种子、口径对比——而这三个恰恰是业务岗面你的原因。
7. 系统项目偏 demo。 压测没有口径，降级没有超时预算，没有灰度、没有热更新，离"上过生产"还差一截。
8. 面试准备不能排练。 缺三档讲述、追问清单、mock、复盘表。

所以 v2 的结构是：定靶 → 4 周做出可投版本 → 8 周边投边补。

1. 先定靶：你要投什么、什么时候投

三种情形，三种倒排。先对号入座，再往下看：

定不下来就先按 A 走，但W4 之前必须开始投递——不管投不投得中，面试反馈是最好的需求文档。

2. 岗位画像：从 20 份 JD 反推证据

方法：拉 20 份目标 JD，把要求拆成"能力 → 我有没有证据 → 证据在哪"。这张表是你 12 周的验收清单，不是读书清单。

这张表里的"频率"是我看 JD 归纳的，你需要用自己的 20 份替换。不同公司差很多：字节重规模和 AB，美团重场景和供给，小红书重内容和多样性，快手重长序列。

3. 总路线：4 周 MVP + 8 周迭代，双轨并行

原则只有一条：项目线永远领先面试线两周，因为面试问的是项目，不是知识点。

4. 项目设计（每个都补了完成定义）

项目 A：端到端两阶段推荐（脊柱，4–5 周）

• 数据：KuaiRec（带曝光反馈）或 Amazon Beauty；别只用 MovieLens-1M
• 链路：多路召回（双塔 + i2i + 热门兜底）→ 精排（DIN）→ 重排（DPP / MMR）
• 完成定义（DoD）：
  1. 评估口径冻结（第 5 节模板），README 第一屏能看见
  2. 三种召回对比、精排增益、重排对多样性的影响，各一张表
  3. 每个数字有 3 个种子 + 95% bootstrap CI
  4. 至少一次完整的负结果记录：哪个改动没涨、为什么
  5. P99 延迟有真实数字（写清硬件和并发）
• 必须能接住的 5 个追问：
  • 为什么用双塔而不是交叉特征？代价是什么？
  • 全库评估和负采样评估差多少？为什么差？
  • 负采样比例怎么定的？对它敏感吗？
  • 你的增益是噪声吗？怎么证明？
  • 如果线上延迟砍一半，你砍哪里？

项目 B：曝光反馈、探索与 AB（差异化，2 周）

• 数据：KuaiRec（快手短视频）。它同时记录"曝光了什么"和"没曝光什么"（full exposure matrix），是少数能做 bandit 和曝光偏差实验的公开数据
• 做什么：bandit 模拟器（用户响应模型 + 噪声 + 曝光反馈），对比 ε-greedy / UCB / Thompson；再做一个 AB 分析 notebook
• AB notebook 必须包含：SRM 检查、样本量估算、CUPED 方差缩减、多重比较校正、护栏指标、新奇效应讨论
• 产出：一页结论——"什么条件下该多探索、代价多少、换回多少"

项目 C：在线服务（2 周）

• 栈：FastAPI + Faiss + Redis + Docker
• 必须做：P99 压测（wrk / locust，写清并发、QPS、错误率口径）、超时预算拆解、限流、缓存击穿、依赖超时降级、特征一致性脚本、模型版本与灰度
• DoD：一条录屏——杀掉向量库 → 自动回落热门 → P99 恢复 → 告警触发

项目 D：差异化（可选，2 周）

三选一：推荐鲁棒性评测（注入 / 投毒）、LLM4Rec 小实验（语义 ID 检索）、生态指标（多样性 / 流量集中度）。选和投递岗位最接近的那个，不要贪多。

5. 评测与实验：这才是业务岗的护城河

5.1 冻结评估口径（直接抄这个模板）

• 数据版本 + 划分方式：按时间切，留最后 N 天做测试
• 候选集：全库 or 采样 K（K 值写死）
• 是否过滤已交互
• 指标实现与版本
• 随机种子：至少 3 个
• 报告格式：mean ± std + 95% bootstrap CI

口径不冻结，数字就没有意义。面试官第一句通常就是"你这个 0.xx 是怎么算出来的"。

5.2 显著性

• 论文里的 +2% 很可能是噪声。用 paired bootstrap 或置换检验，别只看均值
• 多种子跑、报方差；单次结果不要写进简历
• 差值不显著时，诚实写"不显著"，这比硬编一个提升更值钱

5.3 离线涨、线上不涨的六个来源

1. 样本选择偏差：只统计有曝光的样本
2. 位置偏差：越靠前越容易被点
3. 特征穿越 / 泄漏
4. 目标错位：离线 logloss 对齐不了线上的时长 / GMV
5. 反馈循环：模型改变了未来的数据分布
6. 口径差异：离线全库 vs 线上候选集

5.4 AB 的六个检查项

1. SRM：分流比例对不对（卡方检验）
2. 样本量：n ≈ 16σ²/δ²（80% 功效，α = 0.05）
3. 方差缩减：CUPED（用实验前指标做协变量）
4. 多重比较：Bonferroni / BH
5. 新奇效应：看 7 日曲线，别看首日
6. 护栏：延迟、错误率、负反馈率、多样性

6. 知识地图（四层 + 每层验收问题）

四层保留 v1 的骨架，补上漏的，并给每层加了验收问题——答不出来就是没过。

第 1 层 模型：要能白板上推出来

• 协同过滤 → 矩阵分解 → FM / FFM → 双塔（DSSM）
• GBDT + LR；要能解释它为什么被深度模型取代
• 精排：DeepFM、DCN、DIN、DIEN、SIM、ETA、TWIN、MMoE、PLE、ESMM、AITM
• 序列：SASRec、BERT4Rec、BST；对比学习（S3-Rec）
• 召回：i2i / u2i、Faiss / HNSW、语义 ID（TIGER）
• 重排：PRM、DPP / MMR
• 图：LightGCN（知道为什么比 GCN 好用就行）
• 前沿：HSTU、OneRec（加分，不是主线）

验收：能不能画结构图并说清"它解决了上一个方法的什么缺陷"？能不能手推 FM 的 O(nk) 化简？

第 2 层 系统：要能画链路图

• 全链路：日志 → 样本拼接 → 特征 → 训练 → 服务 → 多路召回 → 粗排 → 精排 → 重排 → 返回
• 特征平台：离线 / 近线 / 在线三份特征怎么保证一致（工程岗最高频追问）
• 训练：大规模 embedding（PS / worker）、稀疏梯度、增量训练
• 推理：延迟预算（看 P99）、批处理、量化 / 蒸馏、降级、缓存
• 向量检索：索引选型、召回率与延迟的权衡、增量更新
• 补：日志到样本的时间对齐、训练-服务 skew、模型热更新与灰度

验收：能不能画出一个请求的完整超时预算，并说清哪一层超时该丢弃、哪一层该降级？

第 3 层 业务与实验：要能算账

• 指标：AUC / GAUC、NDCG@k、HR@k、覆盖率、多样性、时长、GMV、留存
• 补：延迟转化与归因窗口、曝光未点击、pointwise / pairwise / listwise、校准
• AB：分流、样本量、CUPED、多重比较、新奇效应与长期效应
• 冷启动、探索利用、供给约束、生态配额
• 偏差：位置偏差与去偏（PAL、特权特征蒸馏）、样本选择偏差（ESMM）

验收：给你一个"离线 AUC 涨 0.5% 但 AB 不显著"的场景，能不能在 5 分钟内说出三种排查方向？

第 4 层 前沿：加分，不是必需

读工业论文的 20 分钟法：标题摘要 → 架构图 → 实验设置（数据规模、基线、延迟）→ 结论和适用边界 → 只记三句话。判断值不值得读只问一句：它解决了什么约束（规模 / 延迟 / 冷启动 / 多目标）？

7. 12 周执行表（周粒度，含验收）

总计约 148 小时，平均每周 12 小时。允许掉一周链子，优先砍 W9。

8. 面试准备（可排练版）

8.1 手撕分级

• A 级（必须无提示写出来）：LR 梯度推导、AUC（含并列）、TopK 堆、Attention / Self-Attention、FM 交叉项化简、负采样、in-batch negative loss
• B 级（常考）：DIN attention、交叉熵梯度、KMeans、FTRL、快排 / 归并 / 二分、链表树遍历、DP
• C 级（加分）：Transformer block、Beam Search、分布式 AUC（分桶）

8.2 系统设计七步

1. 澄清约束：场景、DAU / QPS、延迟预算、可用性、冷启动、合规
2. 指标：北极星 + 护栏
3. 数据与日志：埋点、样本拼接、时间对齐
4. 离线链路：样本 → 特征 → 训练 → 评估 → 发布
5. 在线链路：多路召回 → 粗排 → 精排 → 重排 → 混排
6. 特征平台与一致性
7. 降级 / 容量 / 实验

画图 + 讲取舍，不要背结构。 面试官打断你的时候，往往是在问"为什么不是另一种"。

8.3 业务 case 五步

定义指标 → 分层拆解（人群 / 场景 / 端 / 供给）→ 假设树 → 验证方案（数据 + AB + 样本量）→ 风险与长期效应 + 决策建议

三个必练：新用户次日留存跌 3%、多样性下降但时长涨了、AB 不显著。

8.4 八股四十八问

1. 样本与标签：曝光未点击算负样本吗；延迟转化与归因窗口怎么定；正负比例与采样对哪些指标有偏；样本权重的用法；位置偏差与 PAL；特征穿越的典型例子；训练 / 验证为什么不能随机切；冷启动样本怎么造
2. 特征与训练：类别特征编码与哈希冲突；embedding 维度怎么定；实时与离线特征一致性；特征重要性与 SHAP 的局限；归一化 / 分桶为什么很多模型不做；多值和序列特征怎么进模型；不收敛 / 过拟合怎么排查；增量训练 vs 全量重训
3. 模型结构：FM 为什么能从 O(n²) 降到 O(nk)；DeepFM 的 FM 与 DNN 怎么互补；DIN attention 和普通 attention 的区别；上万长序列怎么建模（SIM / ETA / TWIN 取舍）；多任务跷跷板与 MMoE / PLE 的区别；ESMM 解决了什么、假设了什么；重排为什么不能只看精排分（DPP / MMR）；生成式推荐改变了什么、没改变什么
4. 评估指标：AUC 的物理含义与为什么不均衡不敏感；GAUC 怎么算、线上为什么看它；AUC 涨线上差的原因；NDCG / Recall@K / HR@K 的偏置；全库评估与负采样评估的差距；排序指标怎么和业务指标对齐；校准为什么在广告 / 出价场景必须要；离线涨但 AB 不显著先查什么
5. 实验与因果：分流哈希与一致性；SRM 出现说明什么；样本量与功效不足的后果；CUPED 的前提；多重比较校正；新奇效应与长期效应怎么测；反向实验 / holdout 什么时候用；观察性数据什么条件下能说因果
6. 系统与在线：一个请求的延迟预算怎么拆；超时预算怎么传播、下游超时怎么办；缓存击穿 / 雪崩怎么防；限流放哪层、限流后返回什么；模型热更新与灰度怎么做；向量检索的召回率-延迟权衡与增量更新；训练-服务 skew 怎么系统性发现；依赖挂了怎么定降级顺序

8.5 三档讲述

同一个项目准备三个版本：30 秒（电梯）、3 分钟（一面）、10 分钟（深挖）。30 秒只讲"业务问题 + 我的动作 + 结果数字"；10 分钟要能讲清每一次取舍和失败。

录一遍自己的 3 分钟版本，回放时数"嗯、然后、就是"——这是最便宜的提升。

9. 投递策略与复盘

• 渠道优先级：内推 > 官网 > 招聘平台
• 记录表字段：公司 / 岗位 / 渠道 / 投递日 / 状态 / 轮次 / 被问到的题 / 复盘链接
• 纪律：每场面试 24 小时内写复盘；连续三场挂在同一类题，停下来补，不要继续投

10. 简历与差异化

同一件事的两种写法：

差：基于 DIN 实现了推荐排序模型，提升了效果。

好：在 KuaiRec 上搭多路召回 + DIN 精排，全库评估 HR@10 从 0.041 到 0.052（3 seed，95% CI 不重叠）；推理 P99 从 42ms 降到 27ms（批处理 + 量化）；上线前做特征一致性校验，定位并修复 3 处离线 / 在线偏差。

差别不在技术，在于有没有数字、有没有规模、有没有代价、有没有验证。

关于差异化，v1 写"主打系统工程 + 生态治理、算法作为第二腿"，这个定位有风险：系统工程岗通常要求生产级后端经历（C++/Go/Java、高并发），2 周 FastAPI 撑不起来；生态治理岗 HC 少且偏策略。更现实的打法：

• 主线：推荐算法（业务向）——项目 A + B 直接对口
• 第一标签：评测与实验能力——这是业务岗最缺、也最容易补出差异的能力
• 第二标签：能压延迟——把模型压进延迟预算是硬通货，但别把它当主卖点

11. 砍单规则：只剩 6 周 / 2 周 / 3 天

只剩 6 周：W1–2 项目 A 最小版（双塔 + 全库评估 + 一个精排 baseline）；W3–4 项目 B 的 AB notebook；W5 简历 + 投递；W6 手撕 + 系统设计。砍掉 C 和 D。

只剩 2 周：项目 A 只做双塔 + 全库评估 + 热门兜底对比；简历压到一页；手撕 A 级；系统设计白板走一遍。

面试前 3 天：只复习自己的项目 + A 级手撕 + 三个业务 case。不要读新论文。

12. 几个坑（v2 版）

• 学到第 12 周才开始投：这是最大的坑，v1 就踩了
• 只做模型不做系统：一面问特征一致性就露馅
• 只报离线指标：没有代价、没有显著性
• 数字不可复现：口径没冻结，面试官一问实现细节就崩
• 项目没有失败记录：讲不出坑，说明没真跑过
• 追新模型不看约束：HSTU、OneRec 是加分项，不是主线
• 简历写"熟悉"不写数字
• 面试不复盘：同样的题挂三次

13. 本周就动手（三件事，6 小时）

1. 拉 20 份目标 JD，填完第 2 节那张表（2h）
2. 冻结评估口径 + 建实验台账（1h）
3. 用 RecBole 跑通 BPR 基线，记下 HR@10 与 NDCG@10（3h）

附：资源清单

论文（按优先级读，每篇只回答一个问题）

数据集

工具：RecBole、Faiss、Redis、FastAPI、Docker、MLflow 或 W&B（实验追踪，从 W0 就要有）、wrk / locust、scipy / statsmodels。

书两本：王喆《深度学习推荐系统》（业务视角最好的一本）、项亮《推荐系统实践》（老，但当历史读）。

计划是给人用的，不是给人看的。12 周里允许掉一周链子，但项目 A 必须完整跑完一遍——它是所有面试话题的载体。