解析番茄小说正式推荐期的核心算法逻辑。系统通过资格池筛选、多路召回、多目标排序、重排约束、流量节奏控制及数据反作弊六大硬规则分配流量。关键在于单位曝光收益（ROI），而非单一点击。文章解释了为何同题材表现差异大，以及数据清洗对权重的影响。
本文聚焦于正式推荐期的技术决策逻辑，不涉及内部具体阈值。可用于解释同题材作品流量差异、推量波动及数据表现与推荐结果不符等现象。
在正式推荐期，平台的本质决策是：
把有限曝光分给'单位曝光带来更高综合收益'的作品
收益不是单一点击，而是多目标加权（读得久、读得深、会追更、会回访…）
所以'正式推荐规则'可以概括为三句话：
正式推荐前，系统会先判断作品是否进入'可被推荐的供给池'：
这一步的技术含义：
很多'正式推荐期没量'，不是排序输，而是压根没进主分发池（或进了但被限额）。
正式推荐的第一道天花板是：召回层能不能捞到你。
召回做的事是从海量书里快速捞出几百/几千本候选，典型会多路并行：协同过滤、向量召回、标签倒排等。
如果你正式期'偶尔有量、但不稳定'，常见就是：
召回命中不稳（今天进候选、明天进不去），所以曝光忽上忽下。
字节系公开谈过：推荐模型会拟合用户满意度函数，点击率、阅读时间、互动等都可量化进入目标。
正式推荐期基本一定是多目标排序（Multi-objective Ranking）：
常见目标（对小说最关键的几个）：
系统会用多任务学习或多模型融合，最后形成一个综合打分（概念式）：
正式推荐期最关键的技术规则之一：
只会'标题党点开'但读不下去，在精排里会输；
能让人连续读、追更、回访的书，才有持续扩量的基础。
即使你单本得分高，也可能在最终列表里被'打散'。
因为推荐系统最后一层通常是重排，它要处理列表级目标：多样性、去重、探索插入、治理约束等。重排在多阶段推荐系统里被认为对体验非常关键。
你会体感到：
正式推荐期不是匀速给量，而是在线学习式调度：
这也解释了业界常提及的'正式期有不同区间：首秀—冷却—再推'这种体感分段。
正式推荐期里，系统对行为数据会做'有效性过滤'：
所以你会看到一种很典型的现象：
'我感觉有人在读，但推荐就是起不来'
可能原因是：系统把那部分行为当噪声，不给你加权。
把它记成一条链就行：
资格池（能不能推）
→ 召回命中（能不能进候选）
→ 多目标精排（能不能打赢同场）
→ 重排约束（能不能稳定上屏）
→ 调度节奏（给多少、给谁、给多久）
→ 风控清洗（数据算不算）
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
