推荐系统入门教程，在线阅读地址：https://datawhalechina.github.io/fun-rec/
Python
7,417
547 commits
updated Jun 27, 2026
从级联架构到生成式范式
中文 | English
注意：本项目仍在开发中，代码与内容更新较为频繁，暂不接受 Pull Request。 如果您有任何建议或问题，欢迎通过 Issue 进行反馈。
本书系统介绍了推荐系统从传统级联架构到生成式范式的完整技术演进。内容分为两大板块：上篇覆盖协同过滤、向量召回、序列召回等候选检索技术，以及特征交叉、多目标建模、多场景建模等精排与重排方法；下篇聚焦前沿生成式推荐，涵盖大模型基础、Scaling Law 架构探索、端到端生成式建模、思维链推理与扩散模型推荐等最新范式，并附有完整的生产级系统实战项目。适合具备机器学习基础、希望系统掌握推荐算法核心原理与工程实践的读者。
上篇：级联架构
下篇：生成式范式
为了方便学习和交流，我们建立了FunRec学习社区（微信群+知识星球），微信群方便大家平时日常交流和讨论，知识星球方便沉淀内容，B站上还有一些早期录制的相关视频跟技术相关的分享内容都放在了B站。由于微信群的二维码只有7天内有效，所以直接加下面这个微信，备注：Fun-Rec，会被拉到Fun-Rec交流群，如果觉得微信群比较吵建议直接加知识星球！。
核心贡献者
特别感谢kenken-xr、swallown1、Lyons-T、zhongqiangwu960812、@wangych6、@morningsky、@hilbert-yaa、@maxxbaba、@pearfl、@ChungKingExpress、@storyandwine、@SYC1123、@luzixiao、@Evan-wyl、@Sm1les、@LSGOMYP等人早期对本项目的帮助与支持。
扫描下方二维码关注公众号：Datawhale
Datawhale，一个专注于AI领域的学习圈子。初衷是for the learner，和学习者一起成长。目前加入学习社群的人数已经数千人，组织了机器学习，深度学习，数据分析，数据挖掘，爬虫，编程，统计学，Mysql，数据竞赛等多个领域的内容学习，微信搜索公众号Datawhale可以加入我们。
推荐系统入门教程，在线阅读地址：https://datawhalechina.github.io/fun-rec/
Python
7,417
547 commits
updated Jun 27, 2026
从级联架构到生成式范式
中文 | English
注意：本项目仍在开发中，代码与内容更新较为频繁，暂不接受 Pull Request。 如果您有任何建议或问题，欢迎通过 Issue 进行反馈。
本书系统介绍了推荐系统从传统级联架构到生成式范式的完整技术演进。内容分为两大板块：上篇覆盖协同过滤、向量召回、序列召回等候选检索技术，以及特征交叉、多目标建模、多场景建模等精排与重排方法；下篇聚焦前沿生成式推荐，涵盖大模型基础、Scaling Law 架构探索、端到端生成式建模、思维链推理与扩散模型推荐等最新范式，并附有完整的生产级系统实战项目。适合具备机器学习基础、希望系统掌握推荐算法核心原理与工程实践的读者。
上篇：级联架构
下篇：生成式范式
为了方便学习和交流，我们建立了FunRec学习社区（微信群+知识星球），微信群方便大家平时日常交流和讨论，知识星球方便沉淀内容，B站上还有一些早期录制的相关视频跟技术相关的分享内容都放在了B站。由于微信群的二维码只有7天内有效，所以直接加下面这个微信，备注：Fun-Rec，会被拉到Fun-Rec交流群，如果觉得微信群比较吵建议直接加知识星球！。
核心贡献者
特别感谢kenken-xr、swallown1、Lyons-T、zhongqiangwu960812、@wangych6、@morningsky、@hilbert-yaa、@maxxbaba、@pearfl、@ChungKingExpress、@storyandwine、@SYC1123、@luzixiao、@Evan-wyl、@Sm1les、@LSGOMYP等人早期对本项目的帮助与支持。
扫描下方二维码关注公众号：Datawhale
Datawhale，一个专注于AI领域的学习圈子。初衷是for the learner，和学习者一起成长。目前加入学习社群的人数已经数千人，组织了机器学习，深度学习，数据分析，数据挖掘，爬虫，编程，统计学，Mysql，数据竞赛等多个领域的内容学习，微信搜索公众号Datawhale可以加入我们。
