不改模型不买 GPU：用搜索日志把 Alamo 影院搜索准确率提升 18.4%
CShorten30 · x · 2026-11-12
搜索工程师 softwaredoug 以顾客身份修复了 Alamo Drafthouse 影院点餐 App 的搜索：输入 burger 却显示 nachos。模拟 2,327 次搜索会话实测，MRR 提升 18.4%，零结果会话减少 72.4%。
- 问题诊断：原搜索是「导航式」实现（类似文件系统前缀过滤，输入 bur 就筛 bur 开头的菜品），几乎没有相关性排序，大量误配。
- 核心方法：把用户搜索流量本身当作语料——存储历史查询与点击，聚合出高频查询的正确答案，作为搜索时的信号数据集直接使用。
- 适用条件：语料小、流量集中在少数高频查询（fat head）的站点，这一干预性价比最高，远比微调 reranker/嵌入模型简单，且不需要训练模型或部署 GPU。
「应用」频道最新
- Netlify 推出 Server 长驻后端服务，可直接部署 AI Agent — jasonkneen · 2026-11-12
- Gemini 开始向全球 Apple CarPlay 推送上车 — Polymarket · 2026-11-12
- iKnow 开源工具可视化 Mac 本地知识图谱，暴露 Apple Intelligence 推断的个人信息 — JeremyCMorgan · 2026-11-12
- Every agent 新功能：从 Slack 直接创建和编辑 Google 表单 — every · 2026-11-12
- Every 推出 Slack 内 AI 同事：Slack 里直接合并 PR、处理纠纷 — every · 2026-11-12
- Leadpoet 上线 Nous Research Hermes:agent 全自动跑外呼销售 — markjeffrey · 2026-11-12