Граница backend и ML-сервиса рекомендаций
Где провести границу между продуктовым backend, ML-сервисом, feature store и business rules?
Ответить самому
Сначала сформулируйте ответ как на собеседовании, затем откройте разбор и оцените себя.
Короткий ответ
Backend владеет продуктовым контрактом и правилами, ML-сервис возвращает scores/candidates по стабильному API, feature слой обеспечивает свежие признаки.
Полный разбор
Практичная граница: продуктовый backend принимает request и знает UX/business rules, ML-сервис получает user/context/candidate ids и возвращает scores или ранжированный shortlist, feature store/online feature service отдает свежие признаки. Business-critical фильтры можно держать рядом с backend или в post-processing слое.
Контракт должен включать request schema, response schema, timeouts, fallback, model version, trace id и логирование candidates/features/scores. Это позволяет независимо менять модель, не ломая продуктовый API, и быстро откатываться на baseline.