多阶段漏斗

抖音主 Feed 是模型系统而不是 Timeline。工程上拆成三条必须同时成立的管道：在线多阶段排序、近线特征生产、在线参数更新。缺任何一条，几亿 DAU 下的兴趣漂移都会把效果打穿。

亿级可推内容池

多路召回 · 千级

粗排 · 百级

精排 · 几十

重排混排 · 约十条

客户端 Feed

流程图 · 推荐漏斗从亿级收到约十条

漏斗

延迟预算不允许对全库跑精排，所以先用便宜的方法缩小集合，再把算力花在最可能被看完的候选上。

阶段	规模	做什么
内容池	亿级	过审、完成关键转码、具备基础标签与 embedding 的可分发视频。新内容、低质内容和违规内容不在同一起跑线。
多路召回	千级	若干召回路并行：兴趣向量、协同、热门、社交、同城、运营、作者粉丝。目标是高召回，允许粗糙。
粗排	百级	轻量模型快速估计点击/完播概率，砍掉明显不匹配的候选，把精排成本控制住。
精排	几十	重模型消费用户长期画像、短期序列、上下文（时段、设备、网络）和视频多模态特征，对完播、互动、停留做多目标打分。
重排 / 混排	十条左右	打散同类、限制同一作者连续出现、插入直播与广告、满足生态与安全策略，再下发给客户端。

召回路	索引 / 存储	解决什么
双塔向量	ANN（HNSW/IVF 一类）	user tower 在线出向量，item tower 离线/近线建库。个性化主力召回。
协同 / Swing	倒排 · 预计算相似表	看过 A 的人还看 B。离线构图，在线只查邻接。
社交	ByteGraph	关注作者的新内容、好友互动。主屏不是关注流，但这是重要补召回。
热门 / 运营 / 同城	KV 热池 · geo 索引	冷启动、突发热点、本地内容。保证漏斗里永远有可打的候选。

只优化点击会推出标题党；只优化完播会推出过短或过于刺激的内容。精排通常是多目标：完播、停留、互动、关注、长期留存，再加生态约束和商业目标。重排是这些目标发生冲突时的最后调停层。

特征生产见特征平台，在线参数更新见 Monolith。