快商通 大模型 Agent 全栈一面：意图识别与合规拦截怎么答

《面试题目》

一面

1. 自我介绍
2. 讲一下两段实习分别做了什么？
3. 讲一下实习期间意图识别是怎么做的？
4. 为什么合规红线要用关键词拦截，而不是写提示词让大模型识别？
5. 反问

《参考解析》

1. 意图识别按链路讲，别只报模型名：完整答案有六段——数据从哪来（线上日志回流 + 人工标注，标注口径谁定）、方案怎么选（规则与词典兜底 → 小模型分类做主力 → LLM 做长尾与冷启动）、输出怎么用（结构化字段 + 置信度，低置信度转人工或多轮澄清）、效果怎么评（分类的准确率与召回、混淆矩阵、按意图分层的 badcase 清单）、线上怎么迭代（每天看 badcase、按周回流标注、灰度上线）、以及为什么这么选（延迟、成本、可控性三个约束的取舍）。只讲「用了 BERT 或调了提示词」等于没答，因为面试官要的是你做过线上决策的证据。

2. 为什么合规红线用关键词拦截：确定性、可审计、低延迟，还有反绕过：这是这道题的核心。四个理由要说全——第一，确定性，同一个输入永远同一个结果，红线场景不能接受模型随机性；第二，可审计可解释，每条命中都能指到规则、能出证据、随时热更新和回滚，监管与法务要的是留痕不是「模型判断」；第三，成本与延迟，毫秒级的字符串匹配对每一次请求都跑得起，而前置一次大模型判断既贵又慢；第四，抗提示注入，靠提示词守红线会被「忽略之前所有指令」这类话术绕过，越狱手段还会持续演进，把安全边界交给可被自然语言改写的组件本身就是风险。工程实践是分层的：关键词与正则做硬拦截，模型做语义风控补充（擦边引流、软性广告），再叠人工复核与灰度。

3. 关键词方案的短板也要主动交代：只说优点会显得没做过。关键词的真实问题是误杀与绕过——谐音、拼音、拆字、拼音首字母、全角半角、插入符号、上下文否定都可能躲过词库，也可能正常表达被误伤。所以要配三样东西：变体归一化（先做同音字、繁简、变体字、去干扰符的预处理再匹配）、词库与白名单的持续维护（谁提需求、多久复盘一次误报），以及模型打标加人工抽检的兜底。能说出「红线用规则、灰区用模型、争议走人工」，这题的层次就够了。

4. 讲实习项目要有取舍，不能只有流水账：被问「两段实习分别做了什么」，最容易失分的是把两段讲成两份技术栈清单。有效的结构是每段三句话——业务目标是什么、我负责的那一块边界在哪、我用什么办法解决了什么具体的困难、结果是什么指标。第二段如果和第一段同方向，要专门说出差异（业务规模、技术选型的改变、你承担的职责变重），否则面试官会怀疑你只是重复了一遍。

5. 反问不是过场，它常常决定结果：这场面试四道题都答上了，最后是在反问里露馅的。反问要问能体现你看过这家公司的东西——这个岗位入职后负责哪个模块、团队现在的技术栈和迭代节奏、新人的上手路径与考核方式、这个方向未来半年最重要的事情是什么。别问「公司是做什么的」「加班多吗」这类随手能查到或带情绪的问题。面试前花二十分钟看官网产品页、客户行业和招聘 JD 里的关键词，准备三个问题，其中一个能顺着刚才的技术话题继续聊，反问环节就从减分项变成加分项。

6. 凉经的正确用法：整场只问了四题却没过，往往说明结果不只由答题正确率决定，匹配度、表达结构和「你到底想不想来」都在被评估。面试结束后半小时内把问题和自己的答法写下来，标出答得含糊的地方，一周内把同类题的答案重写一遍并对着录音讲两分钟。早期面试的价值本来就在于暴露问题，把每一场的失分点变成下一场的准备清单，比纠结某一场的公平性有用得多。