解读

面试官想验证三件事：

1. 你是否把“AI功能”当成持续迭代的活体，而非一次性交付；
2. 你是否能在“便捷”与“高质量”之间做权衡，既降低用户操作成本，又让算法团队拿到可落地的信号；
3. 你是否熟悉国内合规红线（个人信息、数据出境、UGC 先审后发），并能用产品手段把风险前置。

因此，回答必须呈现“场景-数据-算法-合规”闭环，且给出可量化的成功指标。

知识点

1. 负反馈（negative feedback）与正反馈（positive feedback）在模型迭代中的不同权重。
2. 埋点四要素：who（用户画像）、when（触发时机）、where（页面路径）、what（富媒体内容）。
3. 国内《生成式AI管理办法》第8、11条：不得采集非法数据、必须对UGC先审后发。
4. 数据闭环最小可用单元：原始日志→低质过滤→人工标注→版本回灌→A/B 指标。
5. 用户操作成本公式：操作步长 ≤ 2 步、认知负荷 ≤ 7 个汉字、反馈耗时 ≤ 3 秒。
6. 算法侧可落地的标签体系：问题类型×严重程度×业务场景×模型版本×用户价值。

答案

我的设计分四层：入口层、采集层、处理层、闭环层，全部跑在公司自研SDK，确保数据不出境。

1. 入口层——“无中断”触达
   ① 显性入口：在AI功能结果页右上角常驻“AI结果不好？”悬浮胶囊，支持一键截屏+语音转文字；
   ② 隐性入口：当用户2秒内回退或连续刷新，自动弹出半屏“快速点选”浮层，选项用图标+两个字标签（“不准”“卡顿”“太官方”），点选即完成；
   ③ 异常兜底：模型返回空结果或置信度<阈值，自动在空白页嵌入“纠错得红包”引导，提升负反馈率。

2. 采集层——“富媒体+结构化”
   ① 默认带上userId哈希、sessionId、模型版本、请求时序、前端渲染耗时，无需用户填写；
   ② 用户可三选一：a. 点选标签（单选+多选），b. 语音30秒自动转文字，c. 截屏圈画；
   ③ 所有文本先经本地敏感词+图片OCR敏感词双过滤，命中95%置信非法内容直接本地丢弃，不上传，满足“先审后发”最小合规。

3. 处理层——“分级路由”
   ① 实时通道：P0级缺陷（涉黄涉政、严重badcase）10秒内推送到企业微信“AI消防群”，算法值班5分钟内回滚；
   ② 小时通道：高频聚类（>20次/小时）自动创建Jira工单，附带case链接、数据包、推荐优先级；
   ③ 天级通道：长尾反馈进入标注池，按“不确定性采样”策略挑选10%做人工标注，剩余90%用弱标注打伪标签，降低30%标注成本。

4. 闭环层——“可感知”反哺
   ① 用户端：72小时内推送“我们已优化”通知，附带对比示例，提升参与感；
   ② 业务端：把“反馈解决率”“反馈驱动核心指标提升值”写进OKR，确保产品经理对反馈数量、质量双负责；
   ③ 指标：上线后30天，负反馈渗透率（负反馈UV/AI功能UV）≥8%，有效标签占比≥70%，反馈→标注→模型上线周期≤7天。

拓展思考

1. 如果AI功能部署在小程序，受限于50M缓存和微信审核，如何在不发版情况下动态更新敏感词库？
   答：把敏感词DFA树拆成增量包，放在云开发静态资源，小程序启动时对比本地版本号，异步拉取差分包，更新内存DFA，实现“日更”而无需提审。

2. 当反馈量暴涨（如热点事件导致单日10万条），如何在预算不变的情况下维持标注质量？
   答：采用“双塔模型+主动学习”：先用小模型对反馈做语义向量化，再用聚类挑出边界样本，人工标注后回灌，循环3轮，可使标注量减少70%，F1提升4.3%。

3. 若未来产品出海，如何复用国内反馈体系？
   答：将标签体系与业务解耦，抽象成“问题-原因-场景”三元组，支持多语言映射；合规层接入海外GDPR数据主体请求接口，实现“一键遗忘”与“数据可携带”，保证架构一次设计，全球可用。