一句话总结
策略建模就是：把"让用户多花钱"这种模糊的业务目标，翻译成一套机器能执行的排序规则。 整个内容推荐系统（搜索、推荐、广告）都是围着这个目标转的。
打个比方：老板说"把店搞红火"，你得先翻译成"把最可能卖出去的货摆到最显眼的位置"，再拆成"怎么挑货、怎么排队、怎么防捣乱"几个具体步骤。
为什么要先懂这个？------AIRC 和大模型的关系
大模型系统不是凭空冒出来的，它是从 AIRC（搜索/推荐/广告）演化来的。很多大模型里听起来高级的概念，拆开看全是 AIRC 里的老熟人：
| 大模型（AIGC）里的概念 | 其实就是 AIRC 里的 |
|---|---|
| RAG（检索增强生成） | 召回（从知识库捞相关内容）+ 排序（挑最相关的）+ 生成 |
| 大模型的记忆增强 | 推荐系统的用户画像 + 多路召回 |
| 大模型的内容安全/对齐 | 推荐系统的风控模块 |
| 大模型在线服务的延迟优化 | 推荐系统"召回粗筛 + 排序精排"的效率权衡 |
| 大模型的特征处理 | 特征工程那一套 |
所以先搞懂 AIRC 的骨架（策略建模、召回排序、控制风控），后面学大模型系统时就会反复有"这不就是之前那个吗"的感觉------AIRC 是地基，大模型是在上面加了"生成能力"的进化版。
核心内容分三块
第一块：定目标------把"玄学"变成数学
第一步：找到北极星指标 每个业务都有一个最核心的追求，比如电商就是 GMV（成交总额）。它相对稳定，是所有动作的指挥棒。
第二步：拆解成转化漏斗 用户买东西的过程是一条链子：
打开 App → 看到商品 → 点击 → 加购 → 付款
任何一步断掉，就成交不了。所以系统要预判每一步的概率。
第三步：算出期望收益
期望收益 = 点击率 × 加购率 × 付款率 × 客单价每个商品对这个用户值多少钱，算出来排个序，把最靠前的展示给他------电商系统的本质就是给商品排序。
这是简化版公式，真实系统更复杂，但思路就是这样。
第二块：挑货 + 排队------召回与排序
问题来了：商品有几百万、几千万个，每个都用复杂模型算一遍？算不完，用户早跑了。
所以拆成两步：
1）召回：先粗筛，把范围缩小
核心目的： 用简单快速的方法，把大量"肯定不对"的商品排除掉，减轻后面排序的压力。
常见做法：
- 关键词召回（倒排索引）： 搜"球鞋"，直接从索引里拉出所有带"球鞋"标签的商品，不用一个个翻
- 用户画像召回： 根据年龄、性别等标签筛。比如"女性不太买渔具，男性不太买假睫毛"------靠生活经验设计策略
- 向量召回： 更高级的做法，用对比学习和图神经网络，计算用户和商品在空间中的"距离"，距离近的先捞出来
⚠️ 召回一定会丢东西：比如夫妻共用一个账号，按性别召回就可能起反作用。所以召回策略要靠对业务的深入理解。
2）排序：再精排，决定最终顺序
核心目的： 对召回出来的几百个商品，用全量特征（用户、场景、商品）做精确打分，排出最终展示顺序。
常见模型： Wide&Deep、DeepCross 等（先当成"预测概率的黑盒"就行）
排序内部还会再拆三层：
| 阶段 | 特点 |
|---|---|
| 粗排 | 更快、模型更简单，先砍掉一批 |
| 精排 | 更准、模型更复杂，精细打分 |
| 重排 | 最后调整，考虑业务规则（比如去重、打散） |
有意思的规律：随着算力提升，当年的精排模型会慢慢"下放"变成粗排模型------技术在不断前移。
第三块：控流量 + 防坏人------控制、博弈与风控
光会推荐还不够，真实系统还要解决两个问题：
1）控制 & 博弈：让系统"听话"
- 控制算法： 比如广告预算要在 24 小时内均匀花完，不能一早上就烧光。用 PID 控制、强化学习来调节曝光分布。
- 博弈算法： 广告系统里有卖方（SSP，帮媒体卖流量）和买方（DSP，帮广告主买流量），中间有个 广告交易市场（Ad Exchange） 做拍卖。卖方定底价防"捡漏"，买方实时报价竞拍------这就是博弈论里的拍卖算法。
2）风控：系统上线后可能被人搞垮
- 内容安全： 机审 + 人审。机审用"宁可错杀也不漏过"的高召回策略，筛出少量可疑内容交给人工确认。
- 反作弊：
- 实时反作弊： 看行为模式和频次，能挡住 80% 以上的攻击者
- 离线反作弊： 剩下 20% 的高手攻击者，靠离线分析长周期异常、挖掘作案团伙来抓
二八定律：80% 的攻击是菜鸟，实时就能防住；但剩下 20% 的高手造成的损失更大，得用更重的手段。
必知术语
| 术语 | 大白话 |
|---|---|
| AIRC 系统 | 内容推荐系统的统称（搜索、推荐、广告都算） |
| 北极星指标 | 业务最核心的追求，比如电商的 GMV |
| 转化漏斗 | 用户从看到到付款的一条链子，任何一步断了就成交不了 |
| 期望收益 | 点击率×加购率×付款率×客单价，用来给商品排序 |
| 召回 | 粗筛，用简单方法快速缩小范围 |
| 倒排索引 | 关键词→商品列表的查表结构，搜索的基础 |
| 向量召回 | 用空间距离判断用户和商品有多匹配 |
| 排序 | 精排，用复杂模型给召回结果精确打分 |
| 粗排/精排/重排 | 排序内部的三层流水线，越来越准但越来越慢 |
| 控制算法 | 调节曝光分布，比如广告预算匀速花完 |
| 博弈/拍卖算法 | 广告买卖双方竞价的机制 |
| 风控 | 内容安全 + 反作弊，防坏人搞破坏 |
记忆口诀
策略建模三步走：
- 定目标 ------ 北极星指标 + 漏斗，把业务变成数学公式
- 挑和排 ------ 召回粗筛省时间，排序精排保准确
- 控和防 ------ 控制流量分布，博弈定价，风控防坏人