解读

面试官想验证三件事：

1. 你是否把“人”当作风险资产而非不可替代资源，提前布防；
2. 你能否在算法、数据、算力、合规四条线同时做降级方案，而非只喊“招人”；
3. 你能否用产品经理的语言把技术连续性转化为业务连续性，让老板听懂、让团队可执行。
   因此，回答必须体现“事前有机制、事中有节奏、事后有沉淀”，并且给出可量化的止损指标（如模型效果波动<3%、上线延迟<7天）。

知识点

1. 算法资产沉淀标准：模型卡片、实验日志、代码镜像、数据版本、依赖环境五件套。
2. 国内合规红线：离职员工30天内注销所有数据权限，模型权重加密存储于公司服务器，禁止拷贝。
3. 算法降级策略：①基线模型回滚；②云端AutoML兜底；③规则+轻量化模型混合方案。
4. 项目双轨制：任何核心模块必须同时存在“主负责人+影子Owner”，影子每月至少完整跑通一次训练与上线流程。
5. 风险资金池：预留10%研发预算用于突发人力外包或云算力加急扩容。
6. 面试高频陷阱：只谈“加班顶上”会被判为管理幼稚；只谈“HR快速补人”会被判为脱离现实招聘周期。

答案

我会按“三步十二招”执行，确保业务指标零抖动、上线节点零延期。

第一步，48小时内止血：

1. 权限速冻：当日下班前完成VPN、Git、数据仓库、模型仓库、标注平台五处账号注销，并生成审计报告抄送风控与法务。
2. 资产快照：把离职同学本地未提交的实验记录通过硬盘镜像方式备份到加密服务器，用MLflow还原最后一次可复现的实验ID。
3. 基线回滚：把上一版已上线模型（效果≥当前版本97%）重新打包镜像，热更新到A/B流量10%的灰度环境，确保线上无空白档。

第二步，两周内续血：
4) 影子Owner顶上：提前布防的影子工程师按SOP在48小时内完成“数据→训练→评估→上线”全链路跑通，指标差距>3%立即触发降级方案。
5) 外部专家驻场：启动风险资金池，签约头部云厂商算法顾问，按“人/天”计价，两周内驻场3人，重点复现离职员工未完成的超参实验。
6) 需求减法：与业务方重排P0需求，把非核心功能（如多语言支持）从当前版本剔除，压缩30%模型复杂度，降低训练门槛。
7) 数据飞轮加速：把原本双周标注改为“主动学习+极难例”单周迭代，标注量降40%，模型收敛所需数据量降25%，弥补新人上手慢的问题。

第三步，两个月内造血：
8) 招聘与内部转岗并行：HR走绿色通道，两周内给到至少5份合格简历；同时在公司内部发起“算法众包”计划，吸引其他部门有CV/NLP背景的工程师转岗，给予30%薪资上浮。
9) 代码与模型重构：用两周时间把离职员工的“私有脚本”抽象成公司级Pipeline，封装成标准Docker，后续任何人可在4小时内完成训练复现。
10) 双轨制固化：把本次应急过程沉淀为《算法岗位连续性手册》，写入员工OKR：影子Owner每季度必须独立完成一次模型上线，否则绩效降档。
11) 效果验收：以“业务转化率”为核心指标，对比离职前一周与新人上线后一周，波动控制在±1.5%以内即算无缝交接；若超出，继续灰度放量直至达标。
12) 复盘通报：两周内组织业务、研发、法务三方复盘，输出《核心人才流失风险报告》给VP，推动明年预算中强制预留10%算法冗余人力。

通过以上措施，我曾在上一份工作中把核心推荐算法工程师离职带来的上线空窗期从行业平均21天压缩到5天，业务GMV未出现可感知下滑。

拓展思考

如果离职的是“既懂算法又懂业务”的复合型人才，上述方案还需叠加“业务知识萃取”：

1. 用“业务场景Story”模板让其在离职前录制30分钟视频，讲清每个特征背后的业务假设；
2. 把历史Bad Case按“业务原因—数据原因—模型原因”三级标签重新分类，形成可检索知识库；
3. 引入“算法+产品”双人审批流，任何模型升级必须同时通过技术评审与业务评审，防止单点决策真空。
   最终目标是把“个人经验”转化为“组织资产”，让下一次核心人员流失只触发邮件通知，而不再触发救火。