来源：Eugene Yan 博客（推荐系统与 LLM 应用实战）｜作者 Eugene Yan｜站点 https://eugeneyan.com/｜原文链接：https://eugeneyan.com/
做推荐和 LLM 应用的人，常卡在"论文看懂了，落地还是不会"。Eugene Yan 的博客恰好补这块——他写过 Netflix、Meta 的实战，文章全是"我们当时怎么想、踩了什么坑、后来怎么改"的一手经验。
为什么值得读，三个收获点：第一，他对"推荐系统怎么接 LLM"有系列长文，从特征、召回、排序到评估讲得连贯，适合正在做个性化的人；第二，他特别强调"评估"——怎么知道改了之后真变好，而不只是觉得变好，这点很多团队忽略；第三，他写得很克制，不堆术语，新人也能跟。一句话金句：他信的是"能被度量的改进，才算改进"。
适配谁看：推荐算法工程师、LLM 应用开发者，以及所有"上线了个 AI 功能却说不清有没有用"的团队。
编辑补充：他的案例偏英文互联网产品，落地时可以结合本站收录的 Kimi、ChatGPT 先做小实验验证思路——博客给框架，你用真实业务数据跑一遍，理解才落地。