考察点
这道题出自快手直播方向 AI 产品实习面，问得很实在：Agent 怎么理解「平台调性」这种抽象概念、判断链路走离线还是实时、准确率到底怎么算。面试官想看的是你有没有真实碰过内容治理类系统的经历——因为这道题没有标准答案，只有做过的人才知道坑在哪：调性不是合规（合规有红线，调性是灰度审美）、离线实时不是二选一而是分工、准确率离了标注口径就是空谈。追问会往「误判了主播怎么办」「调性标准谁定、变了怎么办」「新主播没历史数据怎么判」走。
参考答案
先把「调性」从玄学变成可操作的定义
「平台调性」这个词直接扔给模型是没法做的，产品经理的第一个活就是把它翻译成可标注的判断维度。以快手直播为例，调性大致可以拆成几层：最底是合规红线（违法违规内容，这层是审核系统的事，标准明确）；往上是社区氛围层——快手讲的是「老铁」「真实」「烟火气」，那过度剧本化演戏卖货、刻意制造焦虑对立的内容就偏离调性；再往上是垂类匹配层——一个主打三农的直播间突然转型喊麦带货，不算违规但偏离了账号的人设调性。
拆完之后，Agent 的判断对象从「调性」这个玄学词变成了几十个可举例子、可打分的具体维度。这一步没有银弹，就是拉着运营和审核的同学把「什么样的内容我们觉得不对劲」逐条聊出来、写成带正反例的标注规范。规范的厚度决定系统的上限。
离线为主、实时为辅，两者不是替代关系
我的架构判断是：调性判断的主战场在离线，实时只做轻量拦截。原因是调性判断需要上下文——一个主播是不是剧本演戏，看单场直播的一个片段根本判不出来，要拉他过去十场的录屏、弹幕互动模式、粉丝构成、商品讲解话术的变化趋势综合看。这种重计算放实时链路里，延迟和成本都扛不住。
离线侧，Agent 定期（比如每天）对全量活跃直播间做调性扫描：多模态模型看录屏切片，文本模型分析弹幕和话术，输出每个直播间的调性匹配分和偏离原因。这个分数进推荐系统的特征库——调性分高的直播间在分发上加权，偏离的降权或进入人工复核队列。这是「挖掘」的正确用法：不是处罚工具，是分发的调节因子。
实时侧只挂轻量模型，处理「现在正在发生」的显性偏离：直播间标题和实际内容严重不符、话术里突然出现高危引导。实时链路的判断维度必须收敛到「证据强、误判代价低」的少数几项，拿不准的一律不打标、只记录，留给离线侧综合判断。实时误伤一个好主播的代价远高于晚处理一个坏主播——处罚可以追回，信任追不回。
准确率怎么定义、怎么测
先泼冷水：调性判断没有单一准确率，必须拆口径。我一般用三个数说话。一是和人工判断的一致率：抽样让资深运营按同一套规范打标，算 Agent 和人的 agreement（比如 kappa 系数），这是最直接的准星，能稳定做到 0.7 以上就算可用。二是分维度的精确率和召回率：「剧本演戏」这类维度召回率重要（漏掉就是纵容），「内容质量分」这类维度精确率重要（错伤就是事故），分开看。三是下游指标的间接验证：调性分真正用起来后，看高分发播间的用户负反馈率（举报、拉黑、快速划走）有没有下降——机器和人都可能错，用户行为是终极裁判。
标注集的建设是长期资产：冷启动攒几千场直播的分维度标注，之后每周从「Agent 和人不一致」的 case 里补充，这些分歧样本是最值钱的训练和改进素材。
产品在规则和模型之间的位置
这套系统里产品经理的价值在于守住两个边界。一是规则与模型的分工：有明确标准、可枚举的（关键词、资质要求）走确定性规则，需要语义理解和综合判断的才给模型——全扔给模型等于放弃解释权，出了主播投诉连「为什么降我权」都答不上来。二是判断结果的可解释性：Agent 输出必须带「偏离原因」的具体描述和证据片段，不能只有一个分数。主播生态是快手的命脉，任何影响分发的系统都必须能向下解释，这个要求要从第一天就写进需求里。
可能的追问
- 主播跑来申诉「凭什么说我偏离调性」怎么办？ 答：这就是要可解释性的原因——申诉通道里能给出具体证据（哪场直播、哪个时段、什么内容被判偏离），并接人工复核。误判确认后回滚分数，case 进标注集，这类反馈是改进模型最精准的输入。
- 调性标准运营说变了，系统怎么跟？ 答：标注规范版本化管理，每次标准变更先改规范、补标注、再调模型，离线验证一致率不掉才上线。最怕的是运营拍脑袋今天一个标准明天一个标准，PM 要推动标准变更走评审而不是随口改。
- 新主播没历史数据，调性分怎么给？ 答：不给分或给「观察期」默认中性分，前 N 场只做记录不做分发干预，样本够了再评。冷启动阶段用单场的实时轻量判断兜底红线问题即可。