这篇研报主要讨论了推荐系统的实践和思考，包括协同过滤、深度学习、数据采集和处理、特征工程、模型服务群、评估方法、迭代和挑战等方面。推荐系统需要数据作为基础，包括用户行为、物品信息、用户画像和外部数据等。数据采集方案包括事件设计、用户打通、内容打通和行为打通等。特征工程是将行为数据转化为训练数据的过程，包括商品画像、用户画像和实时特征等。模型服务群是用于大规模的高维向量相似性搜索的系统，可以支持十亿规模高维向量查询。推荐系统需要解决的问题包括高可扩展性、不同场景不同时效性、A/B Test、监控和报警、高维向量查询等。推荐系统是一个系统工程，需要全流程、实时、可快速迭代的推荐闭环。
