“意图识别这一层你会全交给大模型还是规则加模型”面试官问我。我刚想答“当然用大模型”他又补了一句“用户说‘套餐别动我只想查查这个月流量去哪了。’一句话里既有‘套餐’又有‘流量’你的系统怎么走”我把那句“当然”咽了回去。按关键词匹配“套餐”像是要办理“流量”又像是要查询可用户真正的意思明明是**只查流量谁也别碰我的套餐。**这时候谁还见词就扑谁就离客诉不远了。所以我的答案不是二选一。我会用规则模型业务校验规则守边界模型听人话业务系统决定能不能动手。三层各干各的别抢戏。01PLAIN LANGUAGE一、我先没讲架构而是讲了个营业厅我跟面试官说可以把这套系统想成去营业厅办事。规则像门卫手里拿着一份明确名单按钮事件、系统状态、权限限制。名单上有它处理得又快又稳但让它理解“我不是要换套餐”多少有点为难门卫了。模型像接待负责听懂用户到底想说什么。换种说法、带个否定、上句话省了主语它比关键词灵活得多。真正能查数据、改套餐、停号码的是后面的业务系统也就是柜台。查不查得到、能不能办理、是否需要确认最后都由它决定。我给这三层下了一个不太正经、但很好记的定义别让门卫学读心也别让接待顺手改合同。02RULES ONLY二、面试官问那规则是不是可以删了我说别急着删。规则虽然不太懂人情世故守门还是很稳的。用户点了“查流量”按钮、系统收到固定事件或者明确要求转人工这些都是高精度信号。交给规则处理又快又便宜没必要每次都请大模型出来开会。麻烦出在自然语言。有人说“流量没了”有人说“昨晚刷了会儿视频怎么今天就限速”还有人说“我不是要换套餐”。关键词看得到“流量”和“套餐”却不一定看得到抱怨、否定和上下文。继续补正则当然也能撑一阵。只是规则越写越长系统没变聪明维护它的人先学会了叹气。所以我会让规则负责确定信号和硬边界不会让它包办语义理解。否则面试官只要再问一句“‘我不是要换套餐’到底算换还是不换”答案就开始冒汗了。03LLM ONLY三、他接着问那全交给大模型呢这次我没急着点头。大模型确实更会听人话。它能看懂“套餐别动”里的否定用户如果说“先查流量再看看有没有便宜套餐”它也能识别一句话里有两个需求。但会听不代表每次都听对。标签定义含糊、示例互相打架、上下文塞错了模型照样会选错。结构化输出只能保证 JSON 长得整齐不能保证里面的意图就一定靠谱。更别迷信模型自己写的“置信度 0.93”。这有点像同事拍着胸口说“我九成三确定”——小数点挺精致测试报告还没影。高频、稳定、样本充足的意图我会优先用小分类模型碰到口语、长尾表达、多轮上下文和多意图再升级给大模型。模型可以帮我听懂不能替用户做主。04HYBRID ROUTING四、我会怎么让这句话走完整条链路面试官把问题拉回开头“套餐别动我只想查查这个月流量去哪了。”我会先过规则层。这里没有按钮事件、权限拦截也没有明确的办理动作系统不能看见“套餐”两个字就开始磨刀继续交给模型理解。模型结合最近几轮对话返回结构化结果识别状态 status、候选意图 intents、参数 slots 和约束 constraints。这句话的主意图是“查询流量使用”“套餐别动”是禁止办理的约束不是第二个办理意图。然后才到业务系统。它只查询流量明细并组织回复不修改套餐。涉及套餐办理、停机这类真实写操作我会再次校验权限和状态并要求用户明确确认。如果用户说“先查流量再看看有没有便宜套餐先别给我办”模型可以返回两个意图业务系统只做查询和推荐不执行办理。听懂“我想了解”和“现在就给我办”的区别这个模型才算没白接。真遇到未知、两个候选分不清或者关键参数没说全我就让系统追问一句。不确定不是报错而是一条正经分支。05EVALUATION五、面试官没放过我你怎么证明它更准我不会只拿“查流量”“办套餐”这种标准答案做测试。真正容易出事的恰恰是否定句、多轮省略、一句话多个需求、口语表达和完全不相关的问题。指标也不能只看总体准确率。假设总体 95% 很漂亮剩下 5% 却全是“用户说别办系统偏给办”那不叫一点模型误差叫客诉生产线。分类模型给出的候选分数我只把它当项目内的相对信号再用真实测试集确定自动通过、追问和转人工的边界。生成式模型如果没有经过校准的分数就看状态、候选、必填参数和业务约束是否一致不能现场编个小数安慰自己。上线以后我还会记录规则命中、模型结果、追问次数和最终处理结果。线上那些让系统答错、停住或者乱伸手的样本才是下一轮改标签、改示例、改规则最值钱的题库。06INTERVIEW ANSWER六、如果只给我 30 秒我会这样答30 秒面试回答“我会用混合方案。规则处理按钮事件、明确指令和权限边界模型负责口语、否定、多意图和上下文理解业务系统负责状态校验、用户确认和真正执行。模型只返回结构化候选遇到未知、歧义或缺参数就追问。高频稳定意图可以先用小分类模型难例再升级给大模型最后用真实语料确定自动通过和人工兜底的边界。”答到这里这题就不再是“大模型和规则谁更聪明”。真正要证明的是该听人话的时候我会用模型该踩刹车的时候我没把刹车也交给模型。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
)
