怎么考「设计日报/周报自动生成流水线：多数据源到成稿」
谁在问：效率工具、内部平台团队；这道题容易被低估，面试官爱在「值不值得写」上做文章
开场怎么问
我们想自动生成周报，数据从代码仓库、任务系统、会议纪要来，怎么做？
换个问法
- 怎么让它别写成一堆流水账？
- 某个数据源接口挂了，这个流水线怎么办？
五层追问链
左边照着问，右边对着听。最后一层是压力面，不必每个候选人都问到。
多个数据源怎么对齐？同一个人、同一件事怎么认出来？
- 期望
- 三层，且要说清这层没有捷径。身份对齐：以人事系统或 SSO 为权威源建映射表，各系统 ID 挂上去；处理离职、改名、多账号（个人账号与机器人账号）。事件对齐：靠共同的关联键（任务号、分支名、PR 编号）串联，没有关联键的靠时间窗 + 人 + 关键词做弱匹配，弱匹配必须保守——宁可不合并也不要错合并，因为错合并会编造出不存在的因果。时间对齐：统一到一个时区，明确「一天」的边界，并且要处理跨天的长任务。
- 信号
- 能说出「宁可不合并也不要错合并」的，处理过真实数据；只说「用 ID 关联」的，没遇到过没有关联键的情况。
怎么判断哪些事值得写进去？
- 期望
- 显式规则优先，模型排序次之。可用的判据：是否阻塞他人、是否偏离原计划、是否是新出现的风险、是否需要读者做决定、是否是里程碑。反过来，明确不写的：例行性事务、无状态变化的进展、纯个人性质的操作。要点破关键理由：模型缺少「读者关心什么」这个外部信息，它只能按文本显著性排序——一个写了长描述的小任务会盖过一句话带过的大风险。加分：提出让读者可以反馈「这条不该写/漏了这条」，把反馈沉淀成规则。
- 信号
- 能说出「文本显著性 ≠ 业务重要性」的，是真调过这类系统；答「让模型判断重要性」的，还没见过生成出来的流水账。
这种没有标准答案的东西怎么评？
- 期望
- 三条。① 人机对照双盲是最有效的，直接问「哪份更有用」。② 零成本行为信号优先于内容打分：打开率、完读率、被复制引用的次数、编辑率。③ 负向断言做闸门：不得凭空捏造事实、不得越界数据源。还要点出一句：别去做文本质量评分——分数高的报告和有人看的报告是两回事，这个场景里读者行为才是终审。
- 信号
- 能主动说「不做文本质量打分」的，理解了这类产品的评价本质；只说「用 judge 打分」的，会把资源花在无关指标上。
某个数据源接口挂了怎么办？
- 期望
- 静默降级，不是报错，也不是硬编。三条：① 缺失的板块明确标注「本次未获取到某某数据」，而不是省略（省略会让读者以为没事发生），更不能让模型脑补；② 流水线整体不因单源失败而失败，其余部分照常产出；③ 记录降级事件并告警给维护者，但不要告警给读者。加分：指出这个场景「宁可少写不可错写」的原因——一份被发现编造过一次的报告，之后没人再信任它。
- 信号
- 能说出「缺失要显式标注而不是省略」的，考虑过读者视角；答「重试或用上次的数据补上」的，会造成更隐蔽的错误。
用户说「读起来一股 AI 味，没人看」，你怎么改？
- 期望
要能把「AI 味」拆成可修的具体问题，而不是去调文风提示词：
- 先拆症状。「AI 味」通常是三件事的混合：信息密度低（一句话能说完的写了三句）、没有取舍（什么都写，读者找不到重点）、没有立场（只陈述不判断，不说「这件事有风险」）。这三件事都不是文风问题，是筛选和结构问题。
- 按性价比修：① 先砍长度——强制每条一句话、整篇不超过若干条；② 再修筛选——把「值得写」的规则收紧，宁可写三条也不写十条；③ 再加判断——允许模板里有「风险」「需要决定的事」这类必须给出结论的字段，逼出立场；④ 最后才动文风，而且要用团队自己写过的报告做少量示例，而不是抽象地要求「口语化一点」。
- 给验证方式：改完之后不靠感觉，靠打开率和完读率的前后对比，以及一次小规模的双盲对照。
- 给退路：如果改到最后打开率还是上不来，就砍掉生成层，退回结构化清单推送——这个场景里，有人扫一眼的清单比没人看的美文有价值得多。
- 还可以补一句更根本的判断：如果读者本来就不需要这份报告，那再怎么改都没用——这时候正确的动作是停掉它，而不是优化它。
- 信号
- 直接去调文风提示词的，停在表面；能把「AI 味」拆成信息密度、取舍、立场三件事的，做过内容型产品；敢说「可能该停掉它」的，有产品判断力。
危险信号
听到这些话，基本可以判定是背题而不是做过。
评分卡
- 明确这是 workflow 不是 Agent，并说得出为什么不上 Agent
- 基线是不含模型的版本，并说明它已经解决了需求的一大半
- 识别出筛选是真正的难点，且筛选规则显式而非交给模型
- 多源对齐讲到身份 / 事件 / 时间三层，且弱匹配保守
- 生成层严格约束不得引入输入中没有的内容，且「无内容就不写」
- 用批处理降成本，并说明这个场景不在意延迟
- 明确隐私边界（哪些源与字段不可进）
- 评测用人机对照 + 行为信号 + 负向断言，不做文本质量打分
- 单源失败静默降级并显式标注缺失
参考答案与考察意图面试中途别看这一段
考察意图
这道题最常见的失分点是把它当成生成问题。它实际上是：
- 一道 workflow 题，不是 Agent 题。路径完全确定，上 Agent 只会更贵更不稳——考你会不会克制。
- 难点在筛选不在生成。把两百条事件压成五条值得说的，才是这个系统的价值所在；生成是最简单的一环。
- 脏活在数据对齐。同一个人在三个系统里三个 ID、同一件事在两个系统里两条记录、时区不一致——这些不解决，后面全是垃圾进垃圾出。
- 隐私边界。哪些数据能进、哪些不能进（私聊、他人任务、未公开的人事信息），是这类内部工具最容易翻车的地方。
参考答案
60 分答案（及格线）
定时任务每天拉取各个数据源的数据，做清洗和归一化，按人和项目聚合，然后把聚合结果喂给模型，用固定的模板 prompt 生成结构化的日报，最后推送到群里或邮件。可以让用户配置模板和关注的项目。
流程完整，及格。但它默认了「把数据给模型，模型自然会写好」——事实上这一步生成出来的东西读起来会像流水账，因为筛选逻辑没有设计，模型只能对着一堆同等重要的事件平铺直叙。
90 分答案（有生产经验的回答）
① 先问四个问题：这份报告给谁看——写给自己留档、给主管看、还是给跨部门同步？三者要的内容完全不同。读者最想知道什么——进度、风险、还是需要他决策的事项？数据源有哪些、各自的可靠性如何？以及一个很实际的问题：现在没有这套系统时，人是怎么写的、花多久——这就是基线。
② 基线：一个不含模型的版本。 定时拉数、按人和项目聚合、按固定模板填空、推送。这套东西已经能解决「忘了写」和「格式不统一」两个问题，而这往往是需求的一大半。先摆出来，是为了让后面「加模型」这件事必须自证价值——如果加了模型只是把结构化列表改写成句子，那就是负收益。
③ 加挂，每样说代价：
- 多源对齐（这是最重的脏活，也是最容易被低估的）。三件事：身份对齐（同一个人在代码平台、任务系统、日历里三个 ID，要有一张映射表，且要处理离职与改名）；事件去重（一次改动在代码平台有提交、在任务系统有状态流转、在群里有一条消息，是同一件事，要合并）；时间对齐（时区、跨天边界、以及「昨天下班后提交的算哪天」）。代价：这层没有任何智能可言，就是持续维护的规则；但它决定了上限——对齐做不好，后面模型再强也是垃圾进垃圾出。
- 筛选层（本题的真正难点）。把两百条事件压到五条，筛选规则要显式而不是交给模型：优先级来自「是否阻塞他人」「是否偏离计划」「是否是首次出现的风险」「是否需要读者做决定」。代价：规则要按团队调；为什么不交给模型——模型缺少「读者关心什么」这个外部信息，它只能按文本显著性排序，而文本显著性和业务重要性经常相反。
- 生成层：模型只负责把已经选好的事实写成人话，并且严格约束不得引入未在输入中出现的内容。代价：文风受限；收益：可控、可审计。这里的一个关键设计是**「无内容就不写」**——某个板块没有值得说的事，就应该空着或省略，而不是硬凑一段。
- 批处理：这类任务对延迟不敏感，天然适合走批处理接口，价格通常是标准价的一半左右。代价：结果不是实时的；这个场景恰好完全不在意。这是这道题里性价比最高的一条。
- 隐私边界：明确列出可进与不可进的数据源与字段；私聊、他人未公开的任务、人事相关一律不进。代价：覆盖面变小；必须付——内部工具的一次越界，足以让整个项目下线。
④ 评测：这类系统没有标准答案，评测要换思路：
- 对照评测：让人写一份、系统写一份，双盲让读者选哪份更有用——比任何自动指标都直接。
- 零成本信号优先：打开率、阅读完成率、以及「被引用到其他场合」的次数（有人把它复制到别的文档里，说明真有用）；反向信号是编辑率——收到后被大幅改写的比例。
- 负向断言：不得出现输入中不存在的事实、不得出现被标记为不可进的数据源内容、不得出现具体人员的负面评价。这一层是发布闸门。
- 不要花力气去做「文本质量打分」，那个分数和有没有人看几乎无关。
⑤ 演进：出现「读者反复问同一个补充问题」→ 把那个字段加进模板，而不是让模型自由发挥；出现「多个团队想要不同视角」→ 从一份报告变成同一份事实的多个视图；出现「筛选规则越来越复杂且频繁变」→ 才考虑用模型做筛选，并且必须先有对照数据。退路：如果打开率长期低迷，砍掉生成层退回结构化列表——没人看的漂亮文字不如有人扫一眼的清单。