组件推荐系统旨在根据页面语义、用户意图与上下文自动推荐最合适的组件与布局，以提高生成效率与用户体验。
信号来源与特征
- 页面上下文：文本语义、现有组件结构、目标任务（如展示产品、文章、登陆页）。
- 用户行为：历史使用偏好、点击与转化率数据。
- 组件元数据：组件类型、可配置性、适配断点与可访问性得分。
推荐模型与排序
- 规则优先：基于显式规则（例如表单场景优先推荐输入组件）快速返回候选。
- 学习排序：使用 LightGBM/RankNet 等对候选组件按相关性及历史表现打分。
- 多目标优化：在相关性与可访问性、性能成本之间进行权衡。
集成与可控性
- 提供可覆盖的推荐策略与白名单/黑名单机制，允许设计师或运营对推荐结果进行干预。
- 将推荐结果作为建议而非强制插入，保留最终编辑可控性。
评估与回路
- 在线 A/B 测试与离线离线指标（点击率、转化率、编辑保存率）结合评估效果。
- 将用户的显式反馈纳入训练数据，建立持续改进闭环。
相关链接：