用户点过两次“轻便”，页面把轻量商品排到前面。这个功能可以有用，但若实现只是调整本地分数，就应称为会话重排。把一个偏好权重加到排序公式里，不等于微调了大模型，也不证明推荐质量提升。
2026 年 10 月 22 日的 Decisions API 公告讨论有限答案决策；10 月 6 日的 EmbeddingGemma 2 资料讨论嵌入能力。它们分别给分类和表征提供了候选技术，选择哪一种，要从页面的问题开始。
先问需要改变什么
如果规则是“用户勾选轻便后，先看符合重量上限的商品”，过滤和稳定排序就够了。如果请求是“出差带着方便，但不要牺牲降噪”，可能需要分类或语义检索，将意图变成可检查的标签与候选。若要学习跨会话的参数，则涉及训练数据、目标函数、参数更新与离线评估，已经不是前端排序函数。
模型输出的偏好不能覆盖用户明确的筛选条件。用户说预算不超过某个数值，候选超预算就应排除或解释例外，而不是因为相似度高悄悄混进来。数值价格仍由权威商品服务提供。
一个有开关的稳定重排
下面把偏好限制在会话内。商品 ID 是稳定身份，原始顺序作为同分时的规则，关闭个性化直接恢复基线。它没有训练、嵌入和模型调用。
保存为 rerank.mjs，执行 node rerank.mjs：
import assert from "node:assert/strict";
function rerank(items, { enabled, preferLight, maxPriceCents }) {
if (!Number.isSafeInteger(maxPriceCents) || maxPriceCents < 0)
throw new Error("invalid budget");
const ids = new Set();
const rows = items.map((item, index) => {
if (typeof item.id !== "string" || ids.has(item.id))
throw new Error("unique stable IDs required");
ids.add(item.id);
if (!Number.isSafeInteger(item.priceCents) || item.priceCents < 0 ||
!Number.isFinite(item.weightGrams) || item.weightGrams <= 0)
throw new Error("invalid catalog row");
return { item, index };
}).filter(x => x.item.priceCents <= maxPriceCents);
if (!enabled) return rows.map(x => x.item);
return rows.map(x => ({ ...x, score: preferLight && x.item.weightGrams <= 250 ? 1 : 0 }))
.sort((a, b) => b.score - a.score || a.index - b.index)
.map(x => x.item);
}
const items = [
{ id: "a", priceCents: 10000, weightGrams: 300 },
{ id: "b", priceCents: 12000, weightGrams: 200 },
{ id: "c", priceCents: 9000, weightGrams: 220 },
{ id: "d", priceCents: 90000, weightGrams: 100 }
];
const opts = { enabled: true, preferLight: true, maxPriceCents: 20000 };
assert.deepEqual(rerank(items, opts).map(x => x.id), ["b", "c", "a"]);
assert.deepEqual(rerank(items, { ...opts, enabled: false }).map(x => x.id), ["a", "b", "c"]);
assert.equal(items[0].id, "a");
assert.throws(() => rerank([items[0], items[0]], opts));
assert.throws(() => rerank(items, { ...opts, maxPriceCents: NaN }));
console.log("stable rerank fixtures passed; no model trained");
重量阈值 250 克只是示例规则，不代表某品类的科学标准。真正的业务规则应由产品需求与商品字段约定决定。单纯排序也可能造成用户正在操作的卡片移动：稳定 ID 只保住组件身份，不保证键盘焦点附近的阅读顺序不变。可以在用户完成本次操作后再应用新排序，并提示顺序已更新。
模型值得接进来的证据
分类模型应有人工标注的请求集，记录错分、拒答和模糊输入。语义检索则需要测召回与误检；嵌入相似不等于商品满足硬性要求。规则路线也要记录维护量，否则“零模型费用”可能掩盖长期人工成本。
端侧路径需要分别记录下载、初始化、预处理和推理；服务端路径需要算网络与排队。INP 关注交互到下一次呈现，不能拿一次网络决策耗时冒充 INP。后台标签页与冷启动样本也不应混入同一张平均值表。
会话偏好可以少收集一些数据，但“本地处理”不自动解决隐私问题。持久化什么、多久过期、能否关闭、错误偏好如何清除，都要有明确产品行为。
已运行的是 Node v26.3.0 的排序边界测试；尚未接入模型、浏览器焦点、真实用户或推荐实验，不能宣称准确率和转化收益。
参考资料：Decisions API，2026-10-22；EmbeddingGemma 2，2026-10-06；INP，持续更新的指标文档。采用前人工复核产品版本与文档。
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/cannonmonster01/article/details/169170511
