附录 B · 资源清单

⚠️ ADHD 警告：这一页最危险。 收藏 20 个资源 = 一个都不看。 规则：从每一类里只挑 1 个，看完了再回来挑第二个。

🥇 如果只能选三样

其他的先别碰。 真的。

📚 书（挑一本，别买三本）

🎥 视频课（挑一个）

💻 开源库（按用途挑）

快速上手

pip install implicit          # ALS/BPR，工业级，快
pip install lightfm           # 混合推荐，适合冷启动
pip install surprise          # 经典 CF 算法（教学用，别上生产）

做实验

pip install recbole           # ⭐ 100+ 算法统一框架，跑对比实验神器
pip install torch-rechub      # 中文社区，深度推荐模型
pip install deepctr-torch     # CTR 模型合集

向量检索

pip install faiss-cpu         # ⭐ Meta 出品，工业标准
pip install hnswlib           # 更轻量，支持增量插入
# 向量数据库: Milvus / Qdrant / pgvector

大规模

• NVIDIA Merlin —— 端到端 GPU 推荐流水线
• TorchRec —— PyTorch 官方的大规模推荐库（分布式 Embedding）
• meta-recsys/generative-recommenders —— HSTU 官方实现 ⭐
• OpenOneRec —— 快手开源的生成式推荐基础模型

📊 数据集

数据集大全：RUCAIBox/RecSysDatasets

📄 必读论文（8 篇，按顺序）

💡 读法：Abstract + Intro + 图 → 搞清楚「解决什么问题」→ 决定要不要读细节。 80% 的论文读到这就够了。

进阶（想做研究再看）： - DeepFM (2017)、DCN-V2 (2020) —— 特征交叉 - MMoE (2018)、PLE (2020)、ESMM (2018) —— 多目标 - TIGER (2023) —— Semantic ID 生成式检索 - OneRec Technical Report (2025) —— 端到端生成式推荐的工业落地

🌐 持续跟踪（前沿变化快）

🧰 工程栈参考

💡 小团队最小方案：PostgreSQL(+pgvector) + Redis + Python + cron。 别一上来就 Kafka + Flink + Feast。

🧭 ADHD 专属：怎么用这一页

  ❌ 错误用法：
     打开这一页 → 收藏 15 个链接 → 关掉 → 再也不看

  ✅ 正确用法：
     1. 现在只做一件事：从「如果只能选三样」里挑 1 个
     2. 把它加进日程（不是收藏夹）
     3. 看完了、用了，再回到这一页挑下一个

收藏夹是 ADHD 的黑洞。 加进日程才有用。

👉 回到 README