快手大模型开发一面

1、自我介绍

2、说一下你日常中和实习中对于大模型的一些应用

3、大模型应用到审核体系里面去的话，你有什么比较好的想法吗

如果把大模型用到审核体系里，我会更倾向于把它设计成一个审核增强模块，而不是直接完全替代原有流程。因为审核场景最重要的是稳定性、准确率和可控性，如果一开始就把所有判断都交给大模型，风险会比较高。

比较合理的方式是把审核拆成几层。先用规则和轻量模型做高确定性的初筛，把明显违规和明显正常的内容先分出去；对于边界模糊、语义复杂、上下文依赖强的内容，再交给大模型做进一步判断。大模型在这里可以承担语义理解、风险解释、相似案例归纳、标签推荐和辅助判定这些工作。这样既能利用它的泛化能力，又不会把整个系统暴露在不可控风险里。

另外，大模型在审核里不只是做“过或者不过”的二分类，它更适合输出更细的信息，比如违规类型、触发原因、上下文风险点、是否建议人工复核。这种结构化结果比单纯一个标签更有业务价值，也更方便接入后续流程。

4、审核中的 case 是非常多变的，这种情况你怎么考虑

审核场景最大的难点就是 case 变化快，而且很多内容不是固定模板，往往会出现隐晦表达、谐音、缩写、拼接、图片文案混合、上下文反转这些问题。所以面对多变 case，不能只依赖单一方案，必须做分层处理。

我的思路一般是规则、传统模型和大模型结合。规则负责兜底高确定性场景，传统模型处理高频标准化任务，大模型处理复杂语义和长尾问题。这样做的原因是，规则可控但泛化差，大模型泛化强但稳定性没那么绝对，把三者结合起来才能兼顾效果和风险。

同时，审核系统一定要有持续迭代能力。因为 case 不会一次性收敛，今天没有的问题，明天可能就会大量出现。所以线上必须保留人工复核、错误回流、样本沉淀和 Prompt 或策略更新机制。真正好用的审核体系不是一开始就完美，而是能根据新 case 快速学习和修正。

5、怎么写提示词可以让大模型更容易懂我们的想法

写提示词的核心不是把话写得多复杂，而是把任务说清楚。模型最怕的是目标模糊、边界不清、输出格式随意。一个好的提示词，至少要让模型知道现在要做什么、根据什么标准做、输出成什么样。

如果是审核场景，我一般会把提示词分成几个部分来写。先定义角色和任务，比如告诉模型它现在是内容审核助手，要判断文本是否存在某类风险。接着明确判断标准，把哪些情况算违规、哪些情况不算违规写清楚。然后给输出格式，比如要求输出是否违规、违规类型、判断依据和置信度。最后再补几个典型例子，让模型对边界场景有更直接的理解。

提示词里还有一个很重要的点，就是尽量避免模糊表达。像“帮我看一下有没有问题”这种话，对模型来说范围太大，结果就容易漂。更好的方式是把任务收窄，让模型只针对某一类风险做判断，并且要求它只基于给定文本和规则输出，不要自由发挥。