候选商品召回—多目标排序—曝光公平约束营销法

开源实现和评估流程完整，适合拆分为数据检查、候选生成、过滤、排序和实验评估模块，但上线入口需按平台能力适配。

建立推荐编排Agent，负责候选合并、业务规则过滤和可解释排序；模型训练、敏感属性审查及线上扩量保留人工审批，推荐结果设置短有效期并检查实时库存。

开源仓库提供推荐系统的数据准备、候选生成、排序、评估和示例工作流，并包含准确率、排序质量及多种模型的可复用实现。可迁移至淘宝、拼多多的步骤是用户与商品交互表构建、时间切分、召回与排序两阶段建模、离线Top-K评估和上线实验；外部算法示例不能替代平台可用的人群投放与关联推荐入口。

输出格式：用户或人群包级Top-K商品列表，附召回来源、排序分、利润分、库存状态、风险标签、推荐理由和有效期。

执行示例：对近30天购买婴儿餐具的人群生成50个候选SKU，过滤不适龄、缺货及低毛利商品后，按购买概率、毛利和退款风险排序输出10个商品；新品至少保留1个探索位，并用未触达人群作为对照评估增量利润。