京东零售商品审核 Agent 两面:第一句就问 92.3% 怎么算的
- 轮次
- 一面、二面
- 结果
- 二面完进池子
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 你这个审核系统,输入是什么?纯文本还是带图?
- 一张商品图里同时有文字、logo、水印、二维码,你怎么分别处理?
- OCR 识别错了,比如把「0」认成「O」,后面链路会怎么样?
- 你会不会把 OCR 结果直接喂给模型?不喂的话,中间那一层做了什么?
- 图和文冲突:图片写「纯棉」,详情写「聚酯纤维」,你信谁?这个冲突你自己判过吗,还是靠规则?
- 规则引擎有多少条规则?谁维护?规则之间打架了怎么办,优先级怎么定?
- 新增一条规则,怎么验证不会误伤历史商品?有没有跑过全量回归?跑一次多久?
- 模型和规则谁先谁后?为什么这么排?
- 模型判「不确定」的时候,走人工还是走规则?
- 人工审核队列一天多少单?人均处理多少?
- 审核人疲劳之后准确率会掉,你怎么发现?怎么衡量一个审核人靠不靠谱?
- 误杀一个正常商品,商家损失是什么?漏放一个违规商品,平台损失是什么?这两个损失不对等,你的阈值往哪边偏?
- 阈值 0.8 是谁定的?业务签字了吗?调到 0.9 通过率掉多少,测过吗?
- 92.3% 是准确率还是召回率?分母是什么?测试集多少条?谁标的?标注一致性多少?
- 这个数里有没有把「模型没判、规则兜住了」的算进去?把规则那部分剔掉,模型单独多少?
- 你怎么证明提升是你的改动,不是换了模型?
- 商家申诉了,链路怎么走?申诉成功之后数据怎么回流?回流数据要不要重新标、谁标?
- 这个系统的峰值 QPS 多少?什么时候?大促期间量翻三倍,第一个撑不住的是哪?
- 图片上传和审核结果,中间是同步还是异步?异步的话商家页面显示什么?刷新页面怎么保证不重复提交?
- 幂等键怎么设计的?业务单号还是内容哈希?同一张图换个文件名重传,内容哈希一样吗?幂等记录存多久,存 MySQL 还是 Redis?
- 表数据量到千万级怎么分?按什么分片?分片键选商家 ID 还是时间,各有什么问题?按商家分片,一个大商家把某个分片打爆了怎么办?
- 商品检索用 ES 吗?索引怎么建?ES 和数据库的一致性怎么保证?双写失败了一半怎么修?
- 你用 MQ 了吗?哪一步用?消费失败返回什么?返回成功会怎么样?一条消息重复消费,审核结果会不会写两遍?消息积压了先看什么?
- 审核服务线程池参数怎么定?图片 OCR 是 IO 密集还是 CPU 密集?线程数往哪边调?
- 你用虚拟线程了吗?为什么没用?ThreadLocal 在虚拟线程里有什么问题?
- 线上接口 P99 突然从 200ms 涨到 2s,怎么排查?怎么区分是下游慢还是自己 GC 了?
- 缓存命中率多少?怎么算的?命中率掉了但 QPS 没变,可能是什么原因?
- 你给模型加了缓存吗?什么粒度?prompt 差一个字缓存就失效,怎么设计 key?
- 手撕:实现
submit(key, task),相同 key 的任务按提交顺序串行,不同 key 可并行;任务可取消,服务关闭时排队与运行中的任务要能优雅收尾,不丢任务也不卡死。 - 追问:一个 key 堆积一万条任务,其他 key 会不会饿死?key 有几万个时一个 key 一个线程怎么办?取消只置标志而任务里是不可取消的第三方库,怎么停?shutdown 时任务正好在 submit 与 put 之间,会不会漏?
- 反问。
《参考解析》
指标口径要先说分母。 92.3% 必须先回答是准确率、召回率还是通过率,分母是全部商品、模型判定的商品还是人工复核过的商品。测试集要说明规模、抽样方式、标注人、标注规范与一致性(如 Cohen’s kappa),以及是否按品类、违规类型分层。把「规则兜住的部分」算进模型指标会高估模型能力,需要单独报告模型判定、规则判定、人工判定的分布。要证明提升来自自己的改动,做同模型同数据集的 A/B,固定随机种子与阈值,比较混淆矩阵与业务指标,而不是只看一个总数。
图文冲突不能只靠单一来源。 图片里的文字、logo、水印、二维码分别走 OCR、检测、解码,OCR 结果要做纠错与置信度过滤,低置信度不直接喂模型;图文冲突时按品类规则与证据强度裁决,例如以资质文件、详情页的结构化参数为准,图片作为辅助;无法裁决的进入人工。冲突样本要沉淀成评测集,否则规则改了也无法验证。
规则引擎要治理。 规则数量增长后会出现重复、冲突、失效;需要唯一 ID、优先级、适用范围、负责人、生效时间、灰度与回滚。新增规则先在小流量或历史样本上回放,测误杀率与漏放率,再全量;规则之间冲突时按优先级与特异性排序,并把冲突记录暴露给维护者。模型与规则的顺序取决于目标:规则在前做硬约束(违禁词、资质缺失),模型在后做语义判断;或模型先判、规则兜底处理不确定与高风险类目。
误杀与漏放的成本不对称,阈值要由业务定。 误杀影响商家体验与 GMV,漏放带来合规与平台风险;两者的代价要用数据量化(申诉率、赔付、监管处罚),由业务签字确定阈值,而不是算法同学拍一个 0.8。阈值调整要做离线回放与线上灰度,观察通过率、误杀率、人工队列长度的变化。
系统设计按请求链路拆。 上传与审核异步化,商家页面显示「审核中」,用业务单号加内容哈希做幂等;分片键在商家 ID 与时间之间权衡,大商家打爆分片可以用二次哈希或独立分片;ES 与数据库的一致性用事务消息或本地消息表,双写失败由补偿任务修复;MQ 消费要幂等,失败重试并设死信队列;线程池按任务类型隔离,OCR 属于 IO 与 CPU 混合,线程数不宜照搬 CPU 核数;虚拟线程适合阻塞 IO,但 synchronized 与本地方法可能钉住载体线程,ThreadLocal 在虚拟线程上仍随线程生命周期,需要清理。
P99 排查先分层。 看入口 QPS 与错误率、线程池与连接池、下游 RT、GC 日志与 safepoint、CPU 与内存、慢查询;用 trace 把一次请求的各段耗时拆开,区分「等下游」与「自己算」。缓存命中率下降而 QPS 不变,可能是 key 设计变化、过期时间集中、数据分布变化或缓存被穿透。
手撕执行器的结构。 每个 key 一条队列,队列上挂「是否已有 worker」标志,避免一个 key 起多个线程;任务带 id 与取消标志,排队中的直接移除,运行中的只能协作式取消;停机先关闭入口,再等队列排空,最后放哨兵结束 worker。追问的四个点:单 key 大量任务会占满线程,需要限制每 key 并发或把队列做公平调度;key 数量大时不能一线程一 key,改用固定线程池加就绪队列;第三方库不可取消时只能在任务协议层要求可中断,或隔离到独立进程;submit 与 shutdown 竞态要用同一把锁保护「检查 closed 与入队」两步。帖主记下的那句「取消得在任务协议层定好,不是执行器能补的」,是这道题的核心。