用途：该技能提供推荐系统概念性知识，帮助理解与设计推荐引擎，涵盖算法类型、冷启动、评估与架构。
主要能力：
- 协同过滤：用户基于相似用户推荐；物品基于相似物品推荐，扩展性更好；矩阵分解（SVD、ALS）学习隐因子。
- 基于内容过滤：提取物品特征（TF-IDF、嵌入），构建用户画像并匹配新物品；特征包括文本、类别、属性、嵌入。
- 混合系统：加权（score = α * CF_score + β * CB_score）、切换（冷启动用内容，否则协同）、特征组合、级联（内容过滤后协同排序）。
- 冷启动：新用户可用注册偏好、人口统计、热门兜底、内容推荐；新物品可用内容相似、探索加权、编辑位。
- 场景：电商（首页、商品页、购物车）、内容平台（信息流、消费后、搜索）、社交网络（人、内容、群组）。
- 评估：离线指标 Precision@K、Recall@K、NDCG、RMSE、MAE、MRR、AUC；在线指标 CTR、转化率、停留时长、收入、留存、多样性；A/B 测试设计含对照、分流、主次指标、护栏指标与统计考量。
- 架构：批处理预计算、实时计算、混合（批处理基础+实时重排）；特征存储保证训练/服务一致、特征复用、时间点正确。
- 数据：隐式反馈（浏览、点击、购买、时长、收藏）、显式反馈（评分、评论、喜欢/不喜欢）、上下文（时间、设备、位置、会话）。
使用方式：作为知识参考，用于推荐系统方案讨论、指标选择与架构决策；相关技能包括 recommendations-spring 与 analytics-concepts。
限制：资料未提供具体实现代码、安装命令、收费或平台信息；实际落地需结合具体技术栈与数据条件。