一句话定义：Thompson Sampling（汤普森采样，也叫后验采样）是一种解决“探索与利用”权衡的算法——它给每个候选策略维护一个“效果有多好”的概率分布，每次做决策时，按这些分布随机抽一个策略来执行。
原理，用挑面馆打个比方。楼下有三家面馆，你不知道哪家好吃。你心里对每家都有个模糊判断：A 家口碑稳，大概不错；B 家只去过一次，说不好；C 家去过很多次，基本确定不行。Thompson Sampling 的做法是：每次吃饭前，让每家“按自己当前的不确定性掷一次骰子”——A 家因为数据多，掷出的分数集中在高位；B 家数据少，分数可能很高也可能很低；C 家数据多且差，分数基本都很低。你选掷得最高的那家去吃，吃完再更新判断。
形式化一点：当奖励是“点击/没点击”这类二值结果时，常用 Beta 分布表示每个选项的后验（posterior），成功一次就把参数 α 加 1，失败一次把 β 加 1；决策时从每个 Beta 分布各采样一个值，选最大的那个执行。
为什么常比 ε-greedy 高效。ε-greedy 是“以 ε 的概率完全随机挑一个，其余时间选当前最好的”。它的问题在于探索时平均用力：一个已经被大量数据证明很差的选项，和一个只是数据不足的新选项，被随机抽中的机会一样。Thompson Sampling 的探索量由不确定性自动决定——不确定的选项分布宽，偶尔会抽出很高的值从而被尝试；确定的差选项分布窄，几乎抽不出高分，自然被冷落。数据越多，采样越接近真实均值，探索自动收敛。不用手调 ε，也不会把预算浪费在明显没希望的选项上。
和相邻概念的区别
| 方法 | 每次怎么选 | 是否建模不确定性 | 主要参数 |
|---|---|---|---|
| 纯贪心 greedy | 选当前平均表现最好的 | 否 | 无 |
| ε-greedy | 以 ε 概率随机选，否则选最好 | 否 | ε |
| UCB（上置信界） | 选“均值 + 不确定性”最高的 | 是 | 置信系数 |
| Thompson Sampling | 按后验分布各抽一个样本，选最大 | 是 | 先验 |
UCB 是乐观地给不确定的选项加分，Thompson Sampling 是随机地给它们机会，目标相近、风格不同。
对从业者的意义：A/B 测试、推荐冷启动、广告创意分配、模型或提示词路由、超参数搜索都能用。它让流量更快集中到更好的版本，减少试错成本；实现上只需采样和计数，很轻。要注意两点：反馈有延迟时，结果没回来之前不能更新分布；环境非平稳（用户口味会变）时，要给旧数据打折或用滑动窗口。
对普通人的意义：你被分到的实验版本、刷到的推荐位，背后可能就在用类似逻辑“边试边学”——先小范围试，再逐步偏向表现好的方案，而不是死守最初设定的分流比例。
至于先验怎么设、参数怎么调，各家实现不同，以官方文档为准。