114
0
�《灯下白》EP17 子扬
本期嘉宾：子扬
211大学传媒学士，前互联网产品经理，自学转型推荐算法，现某大厂推荐算法工程师（深耕召回方向），擅长从用户行为建模到内容分发全链路，兼具产品思维与技术落地能力
主持人： 吴熳
灯下白播客主理人，得到AI直播讲师，数字生命卡兹克签约AI博主，AGI bar品牌挚友，AI牛马库导航网站 ka21.org vibe coder。连续16个月日更433篇英语教学与AI融合文章，2025年10月在英国大使馆文教处世界教师日作为唯一中国代表全英文发言。从湖南内体制内高中教师到北京11年，她用"遇到问题解决问题"的八字方针，把自己从一个AI小白变成了能3小时做出个人网站的AI公工具推荐"3C带货女王"。在教育行业做了14年培训教研兼运营，曾带7人小团队做到私域销售过千万。
本节目由人类与GPT共同策划，剪映处理音频中水词，千问处理剪辑时间轴，GPT撰写Shownotes，Banana Pro生成播客logo，即梦生成播客封面，Suno生成片头片尾音乐，同时由声湃提供录音场地，由罗德麦克风提供录音设备。
---
�**本期故事**
纯文科出身，因产品经理工作中与技术团队的沟通成本过高，自学算法转入大厂推荐算法岗位。
他的日常工作，是从数千万条内容中筛选出最终呈现给用户的少数几条。
但他逐渐意识到：算法擅长拟合群体“分布”，却难以理解具体的“人”。
他本人也曾一整年未使用自己参与的产品，直到今年主动使用，才逐步与系统建立有效互动。
他反思，从业中最大的教训是过于关注单个模块而忽略整体链路。
他判断，未来推荐算法从业者的价值将更多体现在对用户与业务的理解上——
离用户越近，职业韧性越强。
---
�本期你会听到
- 推荐算法的核心任务：召回与排序的分工
- “大数据监听”说法的误读：行为采集与用户画像
- 主动搜索与被动浏览的权重差异
- 从海量内容到手机屏幕的四级筛选链路
- 用户行为的权重体系：点赞、完播、转发等指标的关系
- 算法对不同人群的差异化策略
- 信息茧房的成因：算法尝试打散，用户反馈驱动收敛
- 创作者“养号”说法的算法视角澄清
- 冷启动阶段的流量分配逻辑
- 转发行为的稀缺性与高信号价值
- 素人内容偶然爆发的机制：异常值被模型捕捉
- 封面视觉特征对推荐结果的影响
- 文科背景在算法岗位的复合优势
- 给内容创作者的落地建议：基于评论区与用户主页的分析
- 子扬从业经历中的主要教训：局部优化忽略系统链路
- 推荐算法岗位的演变趋势：向用户与业务靠近
---
本期金句
- 算法并未监听用户，而是以更细粒度对行为建模。
- 转发是比点赞稀缺百倍以上的信号。
- 模型公式越复杂，微小扰动越可能导致偏差，最终需要回归对人的理解。
- 离用户与业务越近的岗位，越难被AI替代。
---
⏱Shownotes
- 子扬背景：从文科到算法工程师
- 推荐算法的召回与排序模块
- 用户行为的采集：滑屏速度、停留时长等
- 主动兴趣信号的权重
- 从候选集到最终推荐的全链路
- 不同用户行为的权重分配逻辑
- 算法对主流人群的识别与头部效应
- 用户行为序列的建模难点
- 信息茧房的产生与平台的破壁尝试
- 创作者“养号”的误区
- 冷启动阶段的流量分配机制
- 转发行为的高价值与稀缺性
- 素人内容异常爆发的案例讨论
- 模仿热点内容的阶段性有效性
- 封面视觉特征与模型偏好的关系
- 给创作者的建议：研究评论区与用户主页
- 文科背景在算法岗位的差异化优势
- 子扬的职业教训：局部优化忽视系统链路
- 未来一年：向产品经理角色靠拢
- 推荐系统的悖论：数学拟合终需回归对人性的理解
-结束 从一年未用到每日使用：与系统的磨合过程
---
�故事摘要
子扬为纯文科出身，因产品经理工作中与技术团队的沟通成本较高，自学算法并转入大厂推荐算法岗位。
他的日常工作涉及从海量内容中筛选少量结果呈现给用户。随着经验积累，他逐渐发现：算法擅长捕捉群体层面的统计规律，但对个体用户的具体情境缺乏理解。
他本人曾长时间不使用自己参与的产品。今年开始主动使用，经历初期不适应后，系统对其偏好识别逐步改善，形成有效互动。
他反思，自己职业生涯中最大的教训是过于关注单个模块（召回）而忽略整体链路。
他认为，未来推荐算法从业者的价值将更多体现在对用户与业务的理解上，而非单纯的技术深度。这一认知也促使他重新思考自己的职业方向。
--
�听众互动
你是否经历过算法推荐“非常精准”或“完全偏离预期”的场景？欢迎在评论区分享你的观察。
