A Curated List of ML System Design Case Studies：机器学习系统设计案例清单

摘要

1) 一句话总结 这是一个汇集了来自 80 多家知名企业、300 多个真实生产环境机器学习系统设计案例的开源资源库，旨在为开发者和架构师提供架构参考与技术调研支持。

2) 核心要点

收录规模：汇集了来自 Netflix、Airbnb、DoorDash、Stripe 等 80 多家企业的 300 多个真实 ML 应用案例。
100% 生产环境：所有案例均来自企业实际开发并已投入生产环境的系统，拒绝纯理论假设，具备极高的工程实践指导价值。
多维度快速检索：提供结构化表格，支持通过公司名称、所属行业、年份以及少于 5 个词的简短描述进行高信噪比的快速定位。
广泛的行业与场景：覆盖科技、金融、电商、出行、医疗等行业；应用场景包含欺诈预防、个性化推荐、需求预测、云事件管理及代码生成等。
深度技术导向：每个案例均直接链接至官方技术博客、论文或深度解析文章，涵盖目标用户、模型设计、评估标准及部署架构等细节。
紧跟技术前沿：持续更新近期的技术实践，例如收录了 2023 年各公司在大语言模型（LLM）和 Embeddings 等方向的落地案例。
集成科研辅助工具：项目深度推荐 HorizonX.live 平台，为用户提供 ML 论文检索、个性化文献库及交互式论文摘要等功能。

功能与定位

这是一个专注于机器学习（ML）系统设计的精选案例资源库。项目汇集了来自 80 多家知名企业（如 Netflix、Airbnb、DoorDash、Stripe 等）的 300 多个真实生产环境中的 ML 应用案例。其核心定位是为开发者、研究人员和架构师提供一个集中化的知识库，帮助他们学习和借鉴业界领先的机器学习系统是如何设计并用于改进实际产品与业务流程的。

典型使用场景

系统架构参考：在设计新的机器学习系统时，查找同行业或同类型业务（如推荐系统、欺诈检测）的成熟架构与部署方案。
技术方案调研：了解头部科技公司如何将特定技术（如大语言模型 LLM、计算机视觉 CV、自然语言处理 NLP）应用于解决具体业务痛点。
学术与工程研究：通过项目推荐的 HorizonX.live 平台，检索最新的 ML 论文、代码和数据集，并进行文献管理与交互式阅读。

核心功能

多维度案例索引：提供结构化的案例列表，支持通过公司名称、所属行业、简短描述（少于 5 个词）和年份快速定位相关案例。
广泛的行业与场景覆盖：
- 行业：涵盖科技、金融科技与银行、电商与零售、出行与配送、社交平台、医疗等。
- 应用场景：包括交易欺诈预防、个性化商品推荐、需求预测、广告防流失、云事件自动管理、代码生成（如 GitHub Copilot）等。
深度技术文献导向：每个案例均直接链接至企业官方技术博客、论文或深度解析文章，涵盖目标用户、模型设计、评估标准及部署架构等核心细节。
集成科研辅助平台：项目深度推荐了 HorizonX.live 平台，提供 ML 论文检索、个性化文献库、交互式论文摘要等功能，并计划推出 AI 语境文献引擎、低代码数据分析等高级研究工具。

特色与差异点

100% 真实生产环境：所有收录案例均来自企业内部实际开发并已投入生产环境的系统，拒绝纯理论假设，极具工程实践指导价值。
高信噪比的整理方式：摒弃冗长的背景介绍，直接提炼出每个案例的核心业务目标（如“预测配送时间”、“识别商业客户”），大幅降低检索成本。
紧跟技术前沿：收录了大量近期的技术实践（如 2023 年各公司在 LLM、Embeddings 等方向的落地案例）。

使用方式概览

在项目提供的表格中，通过“Industry（行业）”或“Description（描述）”列快速浏览并筛选符合自身需求的案例。
点击“Title（标题）”列的超链接，跳转至原始的技术博客或论文，深入阅读系统设计与实现细节。
访问项目推荐的 HorizonX.live 平台，利用其 AI 工具辅助进行更深入的文献检索与阅读。

限制与注意事项

使用前请核对许可证、维护状态与兼容性约束。

wsl-docs

探索