上一篇拆了推荐 Feed 的架构，这篇换个讲法：造一个用户，给他一晚上的真实行为数据，从《数学之美》的余弦定理出发，经过 Netflix 的三层分工和 TikTok 的工程极致，跟着他走完召回、粗排、精排、重排四层漏斗——每一步输入什么、输出什么、分数怎么变。

拆解微博、X 式推荐流背后的完整架构：用户偏好如何用交互矩阵和 embedding 算出来，召回/粗排/精排/重排四层漏斗各自的技术路径与离线在线分工（主力是十年前的深度学习栈，不是大模型），无限下拉靠游标分页、已曝光去重和候选池分层兜底。