信息来源通过 RSS 等信息抓取手段

用 chat 模型理解用户的行为画像

用 Embedding 模型对文章进行嵌入和检索

用 ranker 模型对文章在其所在分类质量进行打分

思路是这样，rss 抓来的内容=>用 chat 模型进行分类、标签和总结=> ranker 模型对该文章在其所在分类的内容质量进行评级=> 评级高的进行 Embedding 嵌入

后面根据用户的互动行为用 chat 模型进行建用户画像 根据用户画像通过 U2I 去检索文章混合 TF-IDF 关键字匹配兜底，对内容进行推荐分发

为了方便理解，我让 ai 根据刚才的描述画了一个文字版架构流程图

内容处理

┌──────────────┐
│   RSS / 抓取  │
│ (Feed / Web) │
└──────┬───────┘
       │ 原始文章
       ▼
┌────────────────────┐
│ 内容预处理 Pipeline │
│ - 去噪 / 去重       │
│ - 正文抽取          │
│ - 语言检测          │
└──────┬─────────────┘
       │ 清洗后文本
       ▼
┌───────────────────────────────┐
│ Chat Model （内容理解）          │
│ - 分类（ Category ）              │
│ - 标签（ Tags ）                  │
│ - 摘要（ Summary ）               │
│ - 关键词 / 主题（可选）         │
└──────┬────────────────────────┘
       │ 结构化内容
       ▼
┌─────────────────────────────────────┐
│ Ranker Model （分类内质量评估）        │
│ - 输入：文章 + 分类 + 标签            │
│ - 输出：质量分数 / 等级（ A/B/C/D ）   │
└──────┬──────────────────────────────┘
       │
       ├───────────────┐
       │ 高质量内容     │ 低质量内容
       │ (>= 阈值)      │ (< 阈值)
       ▼               ▼
┌──────────────────┐   ┌────────────────────┐
│ Embedding Pipeline│   │ 冷存 / 低频曝光     │
│ - 向量化          │   │ - 搜索兜底          │
│ - 向量索引        │   │ - 长尾内容池        │
└─────────┬────────┘   └────────────────────┘
          │
          ▼
┌──────────────────────┐
│ 向量库 / 检索索引     │
│ (ANN / pgvector 等)  │
└──────────────────────┘

用户侧画像与推荐流程

┌──────────────┐
│ 用户行为采集 │
│ - 点击       │
│ - 阅读时长   │
│ - 收藏 / 分享│
│ - 跳过       │
└──────┬───────┘
       │ 行为序列
       ▼
┌──────────────────────────────┐
│ Chat Model （用户画像理解）     │
│ - 兴趣主题                   │
│ - 偏好分类                   │
│ - 阅读深度 / 新鲜度偏好       │
│ - 显式 + 隐式偏好             │
└──────┬───────────────────────┘
       │ 用户画像（结构化）
       ▼
┌─────────────────────────────────────┐
│ User → Item 召回（ Recall ）            │
│                                     │
│ ① 向量召回（ U2I Embedding ）          │
│   - 用户画像向量                     │
│   - 文章向量                         │
│                                     │
│ ② 关键词召回（兜底）                │
│   - TF-IDF / BM25                    │
│   - 用户兴趣关键词                   │
└──────┬──────────────────────────────┘
       │ 候选文章集合
       ▼
┌──────────────────────────────┐
│ 排序 / 混排（可扩展）          │
│ - 质量分（ Ranker ）             │
│ - 相似度分                     │
│ - 新鲜度 / 多样性              │
└──────┬───────────────────────┘
       ▼
┌──────────────┐
│ 内容分发展示 │
└──────────────┘

花了两个月的时间改进与验证，结论是本地自建推荐系统已经在技术上具备可行性了

感兴趣的可以自行验证，或在这个https://github.com/weekend-project-space/ifeed 的基础上进行验证