首页「猜你喜欢」、分类页「为你推荐」、详情页「搭配推荐」、购物车「顺手买一件」，一套用户偏好模型服务全部推荐位。
推荐结果受业务目标约束：想提连带率就倾向搭配组合，想提客单价就加权高价值商品。结果可解释、可约束、可调优。
新用户、新品没有历史行为，靠知识图谱与商品属性完成首轮推荐，不依赖冷启动周期。
接入商品主数据与用户交互行为数据，两周内跑通一个推荐场景验证效果。
商品主数据 + 用户交互行为数据，接口化对接。
行为序列 + 场景意图，构建动态用户偏好画像。
属性、图像、文本、关联关系多模态商品表示。
实时召回 + 业务目标约束排序，毫秒级返回。
推荐位靠运营配置规则与选品，场景一多维护成本成倍上升，长尾商品和长尾用户基本覆盖不到。
生成结果灵活，但缺少业务约束，容易脱离品牌调性与经营目标，运营难以解释和控制。
生成式推荐的灵活性，加上知识图谱的业务约束与 Agent 的持续调优。效果与可控，两者都要。
* 品牌与数据已脱敏，对外发布前需获得客户授权。
推荐引擎的接入不追求一步到位，先在一个场景验证价值，再横向扩展到其他触点。
