搜索与推荐双引擎
抖音公开架构的中心是推荐。小红书公开论文把发现页和搜索结果页写成两套生产系统：GenRank 服务 Explore Feed，QP-OneModel 全量服务 Search Results Page。它们共用笔记，不共用漏斗。
没有 Query · 发现页
多路召回
粗排 / 精排 / GenRank
重排后双列卡片
有 Query · 搜索
QP-OneModel
召回 + 生成式相关性
结果页 / 问一问
什么必须拆
| 发现页 | 搜索 | |
|---|---|---|
| 输入 | 用户、上下文、实时序列 | Query + 用户 + 上下文 |
| 目标 | 互动、停留、下次还来 | 先相关，再体验与效率 |
| 失败模式 | 无聊、重复、封面党 | 答非所问 |
| 公开升级 | GenRank 生成式精排 | QP-OneModel、生成式相关性、问一问 |
什么可以共用
- 笔记多模态表征（NoteLLM / NoteLLM-2）既做 I2I 推荐，也做语义召回。
- 审核后的可分发池、作者和互动计数。
- 打点、归因、样本拼接（Volcano 分享提到搜推样本可以互通）。
- 广告候选作为混排输入，但广告自己还有语义 / 效率 / 探索三目标。