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。

入门篇解决「把功能写出来」，高级篇解决「把系统接出去」：Rails 应用如何正确接入 Redis（缓存/队列/数据结构）、Elasticsearch（搜索与索引同步策略）、RabbitMQ/Kafka（事件驱动与幂等消费）、以及 Spark/Flink/ClickHouse 这类大数据组件（Rails 的角色定位）。最后收束到一套接入任何外部组件都适用的工程纪律：超时、重试、熔断、幂等与降级。