LLM4Rec Wiki：LLM驱动维护的推荐系统知识库新范式

LLM4Rec Wiki是由大语言模型自动维护的推荐系统领域知识库，专注于LLM在推荐系统中的应用。其核心理念为'用LLM整理LLM知识'，通过构建结构化、相互链接的知识网络，解决传统RAG临时检索缺乏持续积累的局限。项目整合头部企业规模化落地经验，提供CLI工具支持自动化运维，旨在成为该领域的知识基础设施。

推荐系统是互联网核心基础设施，LLM兴起重塑其技术各层面，但相关知识分散在论文、博客等渠道，缺乏系统整合。LLM4Rec Wiki应运而生，核心理念是利用LLM自身能力维护领域知识库，形成'用LLM整理LLM知识'的元循环设计，代表全新知识管理范式。

知识库架构

• 核心文档层：含Schema规范（AGENTS.md）、概览（README.md）、目录（index.md）、操作日志（log.md）
• 主题分类层：按concepts（核心概念）、methods（算法方法）、models（模型架构）、entities（领域实体）、synthesis（综合分析）、sources（知识来源）分类
• 原始资料层：存储原始文档与多媒体资源
• 工具脚本层：CLI工具llm_wiki.py支持网页抓取、文档导入、智能查询、健康检查、状态汇总等功能。

头部企业实践

• 快手：OneRec与QARM系统提升停留时长与eCPM
• 字节跳动：LONGER与RankMixer将MFU提升至45%，满足毫秒级延迟
• 淘宝：RecGPT优化长尾商品曝光与转化率
• YouTube：PLUM框架突破检索精度与长尾泛化
• 腾讯：HiGR推动生成式列表推荐与商业目标对齐。

技术意义

• 知识管理范式创新：自动化维护领域知识库，可推广至其他专业领域
• 产学研桥梁：整合学术进展与工业实践
• 快速入门资源：降低领域入门门槛
• 技术趋势洞察：通过变更记录与综合分析把握领域方向

使用场景

• 研究选题：快速找到研究切入点
• 技术选型：辅助团队决策
• 知识分享：整合新论文到知识网络。

LLM4Rec Wiki是知识管理领域的创新探索，利用LLM自动化维护LLM相关知识库，实践证明其可行性与价值。随着LLM技术进步，项目有望成为领域重要知识基础设施，其开源架构为其他垂直领域知识库建设提供模板，值得研究者与从业者关注参与。