用途：该技能用于搭建可扩展的生产级推荐系统，覆盖个性化推荐 API、低延迟服务、缓存、A/B 测试与质量监控等场景。
主要能力：提供特征存储（Redis 缓存用户/物品特征）、多级缓存（L1 内存、L2 Redis、L3 数据库）、多模型服务以支持 A/B 测试、Prometheus 指标监控，以及 CTR、转化率、P95 延迟、缓存命中率、覆盖率、多样性等指标目标。还给出冷启动回退、缓存失效、缓存雪崩抖动、多样性约束、特征过期、A/B 样本量计算等常见问题的处理思路。
使用方式：安装依赖 pip install "fastapi>=0.109.0" "redis>=5.0.0" "prometheus-client>=0.19.0"；启动 Redis：docker run -d -p 6379:6379 redis:alpine；创建 FastAPI 服务后运行 uvicorn app:app --host 0.0.0.0 --port 8000；通过 curl -X POST "http://localhost:8000/recommendations?user_id=user_123&n=10" 测试。
适用场景：需要个性化推荐 API、低延迟服务、缓存优化、算法实验与质量监控的团队。
限制：资料未提供具体模型算法、数据源接入细节、部署平台与收费信息；示例为简化实现，生产落地需自行补充数据库、模型与实验框架。