用途：为在 AWS Personalize 上构建双向信任市场的个性化与推荐系统提供设计与优化参考，覆盖从事件采集到线上度量的完整生命周期。资料指出含49条规则、9个类别，按对下游的级联影响排序，并附两套 playbook：从零规划新系统、诊断已有系统。
主要能力与规则分类：1）事件追踪（前缀 track-，关键）：记录曝光与点击、使用稳定不透明 item ID、为事件打上 request-id、通过 PutEvents 流式写入、捕获负向信号、以完成结果而非点击为奖励。2）数据集与模式（schema-，关键）：模式保守设计、User/Item 保持精简、元数据新鲜度、优先类别字段、事件权重、上下文一致、满足最小数据量（50 用户/50 物品/1000 交互）。3）双向匹配（match-，关键）：按互相接受概率排序、先硬过滤再排序、限制供给方曝光、容量约束、供需平衡。4）简单基线与约束理论（simple-，高）：先上热门度基线、先找瓶颈、冷启动启发式重排、复杂度预算、先审计再建、度量与基线差距。5）反馈回路与偏差（loop-，高）：记录排序位次、随机探索、优化完成结果、事件权重衰减、检测死亡螺旋。6）冷启动与覆盖（cold-，高）：用 v2 配方加元数据、分段流行度、采集引导意图、预留探索位、标记冷启动推荐。7）配方与管道（recipe-，中高）：默认 USER_PERSONALIZATION_v2、SIMS 仅用于物品页、PERSONALIZED_RANKING_v2 作重排器、构建候选生成与重排两层管道、基线达标后再调参。8）推理与重排（infer-，中高）：使用 Filters API、模型后加规则、按规范实体去重、曝光上限、短 TTL 缓存。9）可观测性（obs-，中高）：始终 A/B 测试、跟踪覆盖率与基尼系数、分群切片指标、监控线上线下分歧、预测漂移告警。
使用方式：该技能无用户专属配置，自包含。先读 references/_sections.md 了解类别结构与影响顺序；具体问题读 references/ 下的规则文件；设计新系统读 references/playbooks/planning.md；诊断已有系统读 references/playbooks/improving.md；新增规则用 assets/templates/_template.md。参考引用为 AWS Personalize 官方文档、偏差与曝光学术论文及 Airbnb、DoorDash 工程博客的活跃 URL。
适用场景：为新推荐系统设计事件模式与追踪、选择 AWS Personalize 配方、编写或审查候选生成与重排代码、处理新供给方/需求方或新目录区域的冷启动、诊断“大致可用但陈旧/不公平/不个性化”的线上系统、规划基线对比或 A/B 测试、排查集中度、覆盖坍塌、死亡螺旋或训练-服务偏差、添加可观测性仪表盘与漂移检测。
限制：资料未提供具体安装命令、版本号、价格或平台支持范围；该技能为文档型参考，不含可直接运行的代码实现。具体字段命名、阈值与配置细节需查阅其引用的官方 AWS Personalize 文档。