跳转到主要内容

高阶问题(AI 工程师)

业务功能与策略选型 100 题

AI 工程师面试题库 · 第六批(题号 500–599):认证与登录、授权与权限、文件、通知、搜索、内容安全与风控、支付与交易、导入导出与报表、用户增长、协作实时、通用功能、功能上线策略。

  • 面试
  • AI 工程师
  • 业务设计

AI 工程师面试题库 · 第六批:业务功能与策略选型


目录

章节题号范围重点主题
一、认证与登录500–513登录方式组合 / 密码存储 / 扫码 / MFA / SSO / 踢下线 / 风控
二、授权与权限514–521RBAC-ABAC / 行级权限 / 分享链接 / 越权防护
三、文件功能522–531上传通道 / 图片管线 / 预览 / 防盗链 / 生命周期
四、消息与通知532–541渠道矩阵 / 聚合降噪 / 到达率 / 已读 / 订阅偏好
五、搜索功能542–549关键词-语义-混合 / 联想 / 排序 / 空结果
六、内容安全与风控550–557审核人机结合 / 敏感词 / 防刷 / 举报流
七、支付与交易558–565渠道聚合 / 回调对账 / 退款 / 防重复
八、数据导入导出与报表566–573Excel 导入 / 异步导出 / 预计算 / 埋点合规
九、用户与增长574–581注册极简 / A/B 实验 / 裂变防作弊 / 注销删除
十、协作与实时582–587评论 / 点赞 / 协同编辑 OT-CRDT / 已读回执
十一、通用功能策略588–593地址地图 / 时区 / 金额精度 / 短链
十二、功能上线策略594–599灰度 / 开关治理 / 动态配置 / kill switch

跨批次题号索引(文中 “NNN 题” 引用按此定位):

  • 0–99 → 01-前端与网络与大文件与性能优化100题.md
  • 100–199 → 02-Python与FastAPI与后端100题.md
  • 200–299 → 03-Node与NestJS100题.md
  • 300–399 → 04-AI深度工程100题.md(含”补充问题 1~10”选型决策专题)
  • 400–499 → 05-Docker与K8s与云原生交付100题.md
  • 500–599 → 本章

一、认证与登录(500–513)

本章是题库的第一个”功能维度”章节:01–05 按 technology 组织,本章起按业务功能组织——面试官问”登录功能怎么做的”,考的是方案组合与取舍,不是单个技术点。

500. 登录方式选型:账密、验证码、邮箱、三方 OAuth 怎么组合?

概念 四类登录方式的本质差异:账密(记忆负担、撞库风险、无触达渠道)、手机验证码(实名触达、有成本、运营商依赖)、邮箱链接(零密码、慢、适合低频)、三方 OAuth(转化最快、依赖三方稳定性与合规)。选型不是四选一,是”主次组合”:一个主登录(按用户类型定)+ 1~2 个辅助通道 + 至少一个找回通道。

典型场景 ToC 产品冷启动(转化率优先)、ToB 企业应用(SSO 优先,505 题)、内部工具(账密+企业微信扫码);手机验证码成本敏感时的替代。

解决方案 三步:选型决策树 → 组合矩阵 → 防坑清单。

第一步:选型决策树

# 文件: login-choice.txt
用户是谁?
  ├─ C 端消费者 → 主: 手机验证码(触达+实名) 辅: 三方微信/Apple(要求: iOS 上架必须支持 Sign in with Apple)
  ├─ B 端企业员工 → 主: 企业 SSO(OIDC/SAML, 505 题) 辅: 账密(兜底)
  ├─ 开发者/工具类 → 主: GitHub/Google OAuth 辅: 邮箱 magic link
  └─ 内部系统 → 主: 企业 IM 扫码(飞书/企微) 辅: 账密
约束修正:
  有短信成本压力 → 验证码降为"找回+换绑专用", 日常用三方+本账号密码
  合规要求实名 → 手机验证码不可省(它同时是实名触达渠道)

第二步:组合矩阵(一个真实产品的登录页)

# 文件: login-matrix.txt
[主推荐]  微信 OAuth(扫码/APP 内)     ← 70% 用户走这条
[并列]     手机号 + 短信验证码          ← 苹果审核要求: 三方登录必须并列提供"手机/邮箱"选项
[次要]     邮箱 + 密码(存量用户)
[边缘]     Apple / GitHub OAuth(特定端)
每条通道都落到同一个"用户身份合并"逻辑(512 题): 手机号/unionid/邮箱三种锚点

第三步:防坑清单

# 文件: login-pitfalls.txt
1) iOS 上架: 提供微信/Google 登录就必须同时提供 Apple 登录或等价非三方选项 —— 审核硬条款
2) 三方 OAuth 的"首次授权"要显式告知用途(隐私合规), 回调 state 防 CSRF
3) 验证码登录的号码"未注册即注册"(静默注册)要给用户提示 —— 513 题
4) 账密通道无论多边缘都必须存在: 三方服务故障时的降级路径(熔断思想, 284 题同源)
5) 所有通道统一限流与风控入口(508/509 题): 别只对验证码通道限流

总结:登录选型的输出是”主次组合”而不是单一方式:按用户类型定主通道、按合规与审核定必备项、按成本调频次;所有通道收敛到统一的身份合并与风控入口。

追问1:为什么手机验证码在 C 端是主流? → 一步到位(无记忆负担)+ 实名触达(营销/找回/风控都靠它)+ 转化率高;代价是短信成本与运营商依赖 追问2:三方登录挂了怎么办? → 降级矩阵:OAuth 超时自动切验证码通道 + 状态页提示;三方不可用不该导致”完全无法登录” 追问3:邮箱 magic link 适合什么场景? → 低频工具类(每周用一次的内部系统):免密码体验好;高频产品里”等邮件”太慢


501. 密码存储策略:bcrypt、argon2 怎么选,加盐之外还有什么讲究?

概念 密码存储的唯一正确形态:慢哈希 + 随机盐 + 可调成本。bcrypt(内置盐、成本因子、30 年实战)、argon2id(抗 GPU/ASIC、内存硬度、现代首选)、scrypt(内存硬度但参数生态弱)。明文/MD5/SHA256(快哈希)都是错的——快哈希让撞库字典攻击以每秒数十亿次进行。讲究不止选算法:成本参数按硬件校准、升级迁移不强制改密、时限性哈希(带版本号)为将来换算法留路。

典型场景 存量系统 MD5 泄漏事故复盘;新系统选型;“bcrypt 还是 argon2”争论;密码字段要不要 Pepper(应用级密钥)。

解决方案 三步:算法与参数选型 → 存量迁移策略 → 校验与防爆破配套。

第一步:算法与参数

// 文件: password-hash.js
const argon2 = require('argon2');
// 现代首选 argon2id: 同时吃 CPU 和内存, GPU 撞库性价比最低
const hash = await argon2.hash(password, {
  type: argon2.argon2id,
  memoryCost: 19456,      // 19 MiB: 按目标硬件校准(见下)
  timeCost: 2,            // 迭代次数
  parallelism: 1,
});
// 参数校准标准: 单次哈希耗时 100~250ms(登录可容忍, 撞库者成本极高)
// 老项目 bcrypt 平迁新项目再上 argon2: bcrypt(cost 10~12)依然安全, 迁移成本 > 算法收益时不折腾
// 哈希自带元数据($argon2id$v=19$m=19456...): 校验时按串内参数执行 —— 为将来升级留了路

第二步:存量迁移策略

# 文件: hash-migration.txt
场景: 存量是 bcrypt, 想升 argon2 —— 不需要强制全员改密:
  1) 登录时"顺便升级": 校验通过后用 argon2 重新哈希落库(透明迁移)
  2) 长期未登录用户: 旧哈希保留到下次登录, 设置截止日后强制重置
  3) 密码字段加版本标记(password_algo 列): 校验器按版本分发
明文/快哈希存量(事故级): 立即全员强制重置 + 排查泄漏面 —— 没有"顺便迁移"的资格
Pepper(应用级密钥拼接): 把哈希与部署密钥绑定, 单独拖库不可直接撞 ——
  代价是换密钥=全员失效, 一般用 HSM/KMS 场景(283 题体系)才值得

第三步:校验与防爆破配套

# 文件: login-check.txt
哈希算法只防"拖库后离线撞", 在线爆破靠配套(与 508/509 题衔接):
  1) 统一错误话术: "手机号或密码错误" —— 不暴露"该账号不存在"(撞用户名)
  2) 时序攻击防护: 账号不存在也做一次假哈希校验(恒定时间返回)
  3) 失败次数锁定: 5 次失败锁 15 分钟(渐进: 图形验证码 → 锁定, 508 题分级)
  4) 弱密码黑名单: top 10000 常用密码注册时拦截(123456 之流)

总结:密码存储三要素:慢哈希(argon2id 优先、bcrypt 及格)+ 随机盐(算法自带)+ 校准到 100~250ms 的成本;迁移走”登录时顺便升级”;在线爆破防护是另一层工程,别指望哈希算法包打天下。

追问1:为什么不用 SHA256+盐? → 快哈希每秒可算十亿次:盐防彩虹表但防不了暴力;慢哈希把单次成本抬到百毫秒级,撞一个密码从分钟级变月级 追问2:argon2 的三个参数各自调什么? → memoryCost(内存硬度,抗 GPU 的主力)、timeCost(迭代)、parallelism(并行,受内存总量约束);先定内存再调时间 追问3:密码强度策略怎么定? → 长度优先(≥8 或 ≥10)+ 黑名单 + 类型建议(不强制”大小写+符号”,NIST 新规反对组合强迫);实测比理论复杂度更能降弱密码率


502. 会话还是 JWT:产品视角的登录态选型?

概念 两种登录态模型:服务端会话(Session 存服务端,凭据是 session_id cookie)与令牌(JWT 自包含,签名即凭证)。产品视角的判据:可撤销性需求(踢下线/封禁是否高频)、多端体验、退出语义、规模(要不要共享会话存储)。纯技术对比见 01 的 70 题,落地(Nest 双 token)见 03 的 233 题——本题回答”我的产品该用哪个”。

典型场景 ToC 多端 App+Web;后台管理系统;开放 API;单机小站。

解决方案 三步:决策树 → 混合形态(主流答案)→ 语义细节(登出/换绑/封禁)。

第一步:决策树

# 文件: session-vs-jwt.txt
要频繁"立即作废登录态"吗(封号/踢下线/改密码后全端退出)?
  是 → 倾向会话(服务端删了就失效) 或 JWT+黑名单(233 题 refresh 轮换)
     ↓ 否
多端同时在线且 Web+App 混合?
  是 → 倾向 JWT(access 短效 + refresh 静默续期, 移动端对 cookie 支持参差)
     ↓ 否
单体管理后台、单浏览器场景?
  是 → 会话 + HttpOnly cookie(最省心: CSRF 防护成熟、撤销天然支持)
规模判断: 会话的代价是共享存储(Redis); JWT 的代价是"签出去就收不回" ——
  实际生产多数是"JWT 为骨架 + Redis 白名单/黑名单补撤销"的混合体(233 题)

第二步:混合形态(主流答案)

# 文件: hybrid-auth.txt
access token(JWT, 15min~2h): 无状态验证, 网关/服务本地校验签名
refresh token(7~30d, 服务端可撤销): 只在认证服务交换新 access
配套 Redis:
  会话族谱(userId → refresh token 列表): 支撑"踢下线某设备"(507 题)
  黑名单(jti → 过期时间): 登出/改密的 access 立即失效(只需存"剩余寿命"那么久)
效果: 95% 请求无状态快速验证, 5% 敏感操作查 Redis —— 性能与撤销性的平衡点

第三步:语义细节

# 文件: auth-semantics.txt
产品语义在技术上的落点:
  改密码 → 全端 refresh 作废(只留当前设备可配置)
  换绑手机 → 敏感操作后强制重新认证(re-auth, 输旧密码或验证码)
  封禁 → 网关层 userId 黑名单(优先于 token 校验, 秒级生效)
  长期未登录 → refresh 过期即静默登出; "记住我"= refresh 寿命分级(506 题)
开放 API(给第三方): 单独的 API Key/OAuth client credentials —— 和用户登录态是两套体系

总结:会话与 JWT 的选型判据是撤销语义的重量级:要强撤销走会话或混合体,要多端无状态走 JWT+refresh;生产主流是”JWT 骨架 + Redis 补撤销”的混合;改密/封禁/踢下线三个产品语义决定配套设计的下限。

追问1:JWT 的 access 为什么不能设长一点省事? → 长寿命=泄漏窗口大+撤销难;短 access 的代价(刷新请求)被静默续期抹平——这是整套设计的核心交换 追问2:CSRF 在 JWT 方案下还要防吗? → token 放 Authorization 头则天然免疫;若放 cookie(为了同域请求自动带)则 CSRF 回归,要 SameSite 配合——505 题 cookie 细节 追问3:小程序/App 的登录态有什么特殊? → 无浏览器 cookie 语义,全走 token 头;微信 code2session 换 session_key(也属登录态,含解密能力要单独保管)——383 题多端会话


503. 扫码登录怎么设计,有哪些坑?

概念 扫码登录三方角色:PC 页面(轮询/长连接等待)、手机 App(已登录态扫码确认)、服务端(码的生命周期管理)。码是短时效一次性凭证:生成(带场景绑定)→ 被扫(确认用户身份)→ 确认(手机签名授权)→ PC 换取登录态。核心风险:码被劫持(截图钓鱼/中间人)、确认劫持(异地扫到自己不认识的码)。

典型场景 网页版产品(App 已有登录态);大屏/TV 端登录;POS/线下设备授权。

解决方案 三步:状态机设计 → 安全加固 → 异常体验。

第一步:状态机设计

# 文件: qr-state.txt
码的生命周期(服务端状态机):
  created(60s 过期) → scanned(已扫待确认, 5min 过期) → confirmed → exchanged(一次性, 作废)
PC 端获取方式选型:
  轮询(2s 一次, 简单, 流量浪费) vs SSE(66/247 题方案, 推荐) vs WebSocket(264 题, 重)
  登录页这种低频场景 SSE/轮询足够
码的内容: 服务端生成的随机 token(不编码任何用户信息) + 场景标识 ——
  二维码本身只是"会话邀请函", 用户身份在"确认"环节由手机端登录态提供

第二步:安全加固

# 文件: qr-security.txt
1) 码与设备绑定: 确认时校验"扫的 App 账号"与码无关(正确), 但换取登录态只能换到 PC 侧 ——
   PC 侧用未确认的旧码重放? 一次性消费 + 60s 短时效挡住
2) 防钓鱼码(攻击者发截图让用户扫): 确认页必须显示"登录设备信息"(设备名/地点),
   用户确认的语义是"我要在这台设备登录" —— 提示文案是安全设计的一部分
3) 码确认接口需要手机的登录态签名(不是裸请求): 防止伪造确认
4) 同一码的扫描/确认动作埋点进风控(509 题): 异常频率的码生成=攻击信号

第三步:异常体验

# 文件: qr-ux.txt
码过期: 自动刷新新码(不打断用户扫码动作的连贯性)
手机扫出"非本公司 App 能识别的码": 引导到下载页而不是报错
确认后 PC 未跳转: PC 轮询兜底(状态查询接口幂等, 278 题同源)
无 App 用户: 码下方永远留"验证码登录"入口 —— 扫码是快捷方式不是唯一路径(500 题组合思想)

总结:扫码登录 = 短时效一次性码的三方握手:PC 等、手机确认、服务端管状态机;安全核心在“确认页信息”与“一次性消费”;体验核心在过期自动刷新与降级入口。

追问1:轮询和长连接怎么选? → 登录页并发低、生命周期短:轮询实现成本最低;已有 SSE 基建(247 题)就复用——别为扫码单独引 WebSocket 追问2:为什么码里不放用户信息? → 码是公开介质(投屏/截图都可见):放任何身份信息都是泄漏;身份只在确认环节经手机登录态注入 追问3:TV/大屏设备的扫码有什么不同? → 设备端无浏览器存储要另管设备 token;确认页要显示设备昵称(用户认得出“客厅电视”才能安全确认)


504. MFA 多因素认证:什么时候强制,验证码、TOTP、通行密钥怎么选?

概念 MFA 三因素:知识(密码)、持有(手机/密钥)、生物(指纹/face)。实现载体:短信验证码(触达广、可被 SIM 劫持)、TOTP 动态码(离线、需用户配置)、通行密钥 passkey/WebAuthn(硬件绑定、防钓鱼、免输密码的趋势答案)、邮箱码(弱)。策略维度:什么时候强制(敏感操作/高风险时刻)比”用哪个”更重要——好的 MFA 是风险触发的,不是永远挡在门前的。

典型场景 金融/管理后台合规要求;异地登录触发二次验证;passkey 替代短信的降本与体验升级。

解决方案 三步:载体选型矩阵 → 触发策略(何时强制)→ passkey 的落地路径。

第一步:载体选型矩阵

# 文件: mfa-choice.txt
载体          安全性  成本  体验  适用
短信验证码    中(SIM劫持) 有    好    兜底/实名场景
TOTP(App)    高     无    中    极客/内部系统(配置门槛高)
passkey      最高(防钓鱼) 无    最好  新注册用户默认(C端趋势)
邮箱验证码    低     无    慢    只做辅助, 不算独立因素(与密码同渠道)
选型组合: passkey 为主(能绑尽绑) + 手机验证码兜底(恢复通道) + 邮箱只做找回
内部系统: TOTP/企业 IM 实名确认(飞书审批式 MFA)

第二步:触发策略

# 文件: mfa-trigger.txt
常驻 MFA(每次登录都要): 管理后台、资金操作角色 —— 合规要求, 不讨论
风险触发 MFA(step-up): 普通用户平时免打扰, 满足条件时才要求第二因素:
  新设备/新 IP 段登录、异地、非常用时段、风控分超阈值(509 题信号复用)
  敏感操作前 re-auth: 改密码/换绑手机/大额支付 —— "最近 5 分钟内验证过"免重复
体验纪律: 触发后的验证页要说明"为什么要验证"(检测到新设备登录) ——
  用户理解了才会配合, 否则只觉得被刁难

第三步:passkey 的落地路径

# 文件: passkey-rollout.txt
passkey(WebAuthn): 设备内置(指纹/Face ID/Windows Hello)或硬件密钥, 公钥存服务端
  防钓鱼原理: 挑战-响应绑定域名, 钓鱼站拿不到有效签名 —— 短信/TOTP 都做不到
落地路径:
  1) 存量用户: 登录成功后引导"开通免密登录"(体验升级话术, 不是安全说教)
  2) 新用户注册: 直接"创建账户+开通 passkey"一步完成(密码可选)
  3) 恢复通道: passkey 丢设备 → 手机验证码+人脸(人工审核兜底) —— 恢复流程的安全等级决定整体水位
  4) 多端同步: iCloud 钥匙串/Google 密码管理器同步的 passkey 才好用; 不同步的设备要各绑

总结:MFA 的两个决策:载体(passkey 为主、验证码兜底、TOTP 留给内部)与时机(风险触发的 step-up 优于常驻拦截);passkey 是防钓鱼的正解,落地关键在开通引导与恢复通道设计。

追问1:为什么短信 MFA 被逐渐弃用? → SIM 劫持/运营商社工的真实案例频发;且每条都有成本——passkey 零成本高安全,只是普及需要过程 追问2:TOTP 的重置码(recovery codes)怎么管? → 一次性、离线保存提示;重置码本身是安全等级最高的秘密,展示时防截屏提示+每次登录不再显示 追问3:MFA 疲劳攻击(反复弹确认)怎么防? → 确认类推送(企微/飞书审批式)要带”设备与地点”信息+次数限制;用户连续拒绝 N 次触发账户保护


505. SSO 单点登录:OIDC、SAML、CAS 怎么选?

概念 SSO 的目标:一处登录、处处通行,身份由 IdP(身份提供方)集中管理。协议三选:OIDC(OAuth2 之上的现代标准,JSON/JWT,互联网与云应用默认)、SAML 2.0(XML、老牌企业标准,传统企业 IdP 与大厂内部系统存量)、CAS(高校/老内网,新项目别选)。B 端产品还要处理”客户自带 IdP”(企业微信/飞书/AD):你要做的是 SP(服务提供方),支持多 IdP 联邦。

典型场景 ToB SaaS 接入客户的企业登录;公司内部十几个系统统一登录;收购后合并账号体系。

解决方案 三步:协议选型 → 多 IdP 联邦架构 → 安全细节。

第一步:协议选型

# 文件: sso-choice.txt
新项目、双方都现代 → OIDC(授权码模式 + PKCE): 库全、调试易、token 是 JWT
对接传统企业(AD FS/老 IdP) → SAML 2.0: 客户没法改, 你就得支持(XML 签名坑多)
存量校园/老内网 → CAS: 维持现状, 新增系统别再接
现实: ToB SaaS 最终三个都要支持, 抽象成"身份联邦层"(下一步)

第二步:多 IdP 联邦架构

# 文件: sso-federation.txt
ToB 的真相: 每个客户用自己的 IdP(企微/飞书/钉钉/AD/Okta) ——
架构: 应用不直接对接 N 个 IdP, 中间一层"身份联邦服务":
  应用 ←OIDC→ 联邦服务 ←适配器→ {企微, 飞书, SAML, LDAP...}
租户配置: 每租户的 IdP 类型/端点/公钥是租户配置(261 题多租户),
  登录页按企业域名/邮箱后缀路由到对应 IdP
账号映射: IdP 的用户标识(unionid/UPN/email)映射到本系统 userId ——
  映射表唯一约束, 换 IdP 不换账号(收购合并场景的救命设计)

第三步:安全细节

# 文件: sso-security.txt
1) state + PKCE: 防 CSRF 与授权码劫持(OIDC 必配)
2) 单点登出(SLO): 本系统登出要调 IdP 的登出端点, 否则"登出了又自动登回来"
3) 时钟与证书: token/JWT 验证的时间窗;SAML 证书轮换要订阅客户通知(经典故障: 客户换证书你掉线)
4) JIT 配号(just-in-time provisioning): 首次 SSO 登录自动建号 —— 默认角色要最小权限,
   离职回收依赖 IdP 侧禁用(对账任务定期比对, 别让僵尸账号积累)

总结:SSO 选型一句话:新项目 OIDC+PKCE、企业存量 SAML、CAS 只维护不新增;ToB 的正解是“联邦层 + 租户级 IdP 配置”;账号映射与离线对账决定长期可维护性。

追问1:OAuth2 和 OIDC 的关系? → OAuth2 是授权框架(给它干活),OIDC 在其上加了身份层(id_token 标准化用户信息)——“用 OIDC 登录,用 OAuth2 授权”是常态组合 追问2:SP 发起的登录和 IdP 发起的区别? → SP 发起:用户访问应用被重定向到 IdP(常规);IdP 发起:用户从企业门户点进来(免输企业域名)——两种入口都要支持 追问3:SSO 挂了的影响面? → 全公司无法登录(单点风险):联邦服务双活 + 本地账密兜底通道(500 题降级思想)是 B 端标配


506. “记住我”与登录态时长:分级策略怎么设计?

概念 登录态时长的产品语义是安全与体验的交换:越长越免登录、泄漏窗口越大。分级设计:默认档(730 天)、记住我档(90180 天)、敏感账户档(2~24 小时)、敏感操作(re-auth 窗口 5 分钟)。技术落点是 502 题混合体系的 refresh token 寿命与滑动续期策略,不是单一变量。

典型场景 “为什么我天天要登录”的用户投诉;安全审计要求”超时退出”;多设备不同时长的产品规则。

解决方案 三步:分级矩阵 → 滑动续期与绝对上限 → 设备级管理。

第一步:分级矩阵

# 文件: session-ttl.txt
档位             时长           触发条件
默认             14 天          普通用户不勾选
记住我           90 天          勾选(设备私有: 公共电脑别勾 —— 文案要提醒)
敏感账户         8 小时         管理后台/资金角色(合规)
re-auth 窗口     5 分钟         改密/换绑/支付前的二次确认(504 题)
按业务调: 内容社区偏长(体验), 企业数据偏短(安全) —— 没有万能数字, 有明确的档位与理由

第二步:滑动续期与绝对上限

# 文件: sliding-refresh.txt
refresh token 两种续期哲学:
  滑动(每次使用刷新寿命): 活跃用户永不掉线, 但"一直被盗就一直有效"
  固定(从首发放起算): 到期必重登录 —— 安全强体验差
生产折中: 滑动续期 + 绝对上限(如 90 天, 无论多活跃必须重新认证一次)
  实现: refresh 记录首发时间(first_issued_at), 续期时校验绝对寿命
设备不活跃判断: 30 天未使用的 refresh 直接作废(清理会话表, 也省存储)

第三步:设备级管理

# 文件: device-mgmt.txt
"记住我"的正确形态是设备级(不是全局开关):
  设备列表页: 我登录过的设备(名称/地点/最近活跃), 可单设备登出(507 题踢下线)
  新设备登录通知: 邮件/推送告知"你的账号在新设备登录"(早于用户发现盗号的预警)
  可信设备数上限: 超限要求先移除旧设备(LRU 或让用户选)
与 502 题衔接: 设备=refresh token 记录, 设备管理=会话族谱的可视化

总结:登录态时长按档位设计而不是拍一个数:默认/记住我/敏感账户/re-auth 四档,配滑动续期+绝对上限+设备级管理;“记住我”的本质是把信任下放给设备,所以要配设备列表与登出能力。

追问1:绝对上限 90 天会不会太死板? → 可按账号风险动态调整(风控分高→上限缩短);合规行业(金融)常强制更短——先问监管再定档 追问2:公共电脑的”记住我”怎么防? → 文案提醒 + 登录页检测(无痕模式/公共标记时默认不勾)+ 敏感操作仍 re-auth 兜底 追问3:登录态相关的指标怎么定? → 登录成功率、静默续期失败率、re-auth 拒绝率;投诉”老要登录”先看滑动续期是否真的生效(298 题埋点)


507. 登出与全端踢下线:token 作废的三种做法?

概念 登出的语义分级:本端登出(常见)、单设备踢下线(设备管理)、全端登出(改密/被盗)。JWT 体系下”作废”是难点(签出即收不回),三种做法:黑名单(精确但引入状态)、族谱撤销(撤销整个 refresh 家系)、短寿命自然过期(无为而治)。选型与 502 题混合体系配套。

典型场景 用户点退出;设备管理页踢掉丢失的手机;客服封号;改密码后全端下线。

解决方案 三步:三种作废机制对照 → 触发场景矩阵 → 一致性细节。

第一步:三种作废机制

# 文件: token-revoke.txt
1) 黑名单(access jti → 剩余寿命): 精确作废单个 access
   代价: 网关每次验 token 都查 Redis(或本地布隆过滤器预筛)
   只对"登出后立刻用旧 token 打请求"这个窗口有意义(≤access 寿命)
2) refresh 撤销(族谱): 删 userId/deviceId → refresh 记录
   效果延迟: 当前 access 在剩余寿命内仍有效 —— 与黑名单组合补齐
3) 短寿命(15min access): 什么都不做, 等 access 自然死
   适用: 非敏感产品的"软登出"(体验: 15 分钟内重进不用输密码, 可接受)
生产组合: 普通登出走 2+3; 高危操作(改密/被盗)走 1+2 全家桶

第二步:触发场景矩阵

# 文件: logout-matrix.txt
场景            本端 access   本端 refresh   其他端
普通登出        黑名单        删除           不动
踢下线某设备    黑名单        删除该设备     不动
全端登出        黑名单        删除全部       refresh 全删, access 靠黑名单/短寿命
改密码          同全端        同全端         + 强制所有端 re-auth
封号(客服)     网关 userId 黑名单(优先级最高, 秒级, 见 502 题)
实现要点: 撤销动作与审计日志同事务(285 题思想) —— "谁在何时踢了谁的哪个设备"可查

第三步:一致性细节

# 文件: logout-details.txt
1) 登出要清客户端状态: cookie/localStorage 里的 token、前端路由缓存、长连接(WS 发下线帧, 264 题)
2) 多端踢下线的实时性: 设备列表页是拉取; 被踢端要"感知"(下次请求 401, 或 WS 推送登出事件)
3) CSRF 相关的 cookie 会话: 登出同时清服务端 session 与 cookie(SameSite 配合)
4) 单点登出联动(505 题 SSO): 本系统登出 → 调 IdP 端点, 否则回跳自动登录

总结:登出不是一个按钮是一组语义:三种作废机制(黑名单/族谱撤销/短寿命)按场景组合;改密与封号是最高档(全端+立即);撤销动作配审计;客户端状态与 SSO 联动别漏。

追问1:黑名单的存储成本? → 只需存”剩余寿命”时长(access 过期自动消失),量 = 登出频次 × access 寿命内的存量,很小;过期 TTL 是设计的关键 追问2:被踢端怎么尽快感知? → 主动: WS 登出事件推送(在线设备);被动: 请求 401 后清本地跳登录页 —— 两层都要 追问3:App 端登出有什么特殊? → 推送 token(厂商通道)要一并注销,否则登出后还收通知;设备指纹留痕供风控(509 题)


508. 验证码策略:图形、行为、短信、邮箱的分级防线?

概念 验证码的本质:用”人机区分”抬高自动化攻击成本,不是身份验证。四类载体:图形码(简单、易被 OCR)、行为码(滑块/点选,平衡主流)、短信/邮箱码(实名触达+成本攻击面)。分级防线思想:低风险给行为码、发送短信前先过行为码、高危上人工。设计错误两极:全站滑块(用户烦死)、裸发短信(被刷到欠费)。

典型场景 短信被恶意刷量(一夜几千条);撞库攻击;注册机批量开号。

解决方案 三步:分级矩阵 → 发送侧防线(防刷短信)→ 无感验证(体验趋势)。

第一步:分级矩阵

# 文件: captcha-matrix.txt
场景              推荐防线                     说明
登录失败 3 次后    行为码(滑块)                 只对可疑者出, 不打扰正常人
注册/发短信前      行为码 + 频控                 发送是花钱动作, 双保险
短信/邮箱码本身    1 分钟 1 条 / 1 小时 5 条 / 天上限(IP+号+设备三维)
敏感操作           验证码 + re-auth(504 题)      码只证明"能收", 不证明"是本人操作"
内部系统           企业 IM 确认/双人在场          更强的人机区分

第二步:发送侧防线

# 文件: sms-shield.txt
短信通道被刷的完整防线(自外向内):
  1) 行为码前置: 先过滑块才给"发送"接口发进来的资格
  2) 频控三维: 同 IP / 同手机号 / 同设备指纹 各自限频(绕过单一维度)
  3) 号码黑名单: 虚拟号段/历史上刷量的号段直接拒(51 号段等运营策略)
  4) 通道熔断: 单小时发送量超阈值自动停发并告警(284 题思想) —— 止损优先于事后追查
  5) 图形码降级: 预算紧张时滑块换图形码, 但发送频控不能省
成本账: 一条短信 0.045 元, 被刷 1 万条 = 450 元 + 号码投诉风险 —— 防线是省钱工程

第三步:无感验证(体验趋势)

# 文件: invisible-captcha.txt
无感方案: 收集行为特征(鼠标轨迹/停留/传感器)→ 风控引擎打分 → 低分直接放行
  用户全程无感知, 可疑时才弹滑块 —— "99% 无感 + 1% 强验证"
选型: 商业(极验/腾讯天御/Cloudflare Turnstile) vs 自研(特征+模型, 509 题风控同源)
  中小产品用商业(对抗是军备竞赛, 别自己养); 有风控团队才自研
法律注意: 行为特征采集要在隐私政策声明(合规联动)

总结:验证码是分级防线不是单一控件:行为码挡机器、频控挡滥用、熔断保成本;短信发送是“花钱接口”必须多重防护;无感验证是体验方向,对抗能力买商业的。

追问1:滑块验证码还被破解吗? → 是(打码平台+轨迹模拟),它是“抬高成本”不是“绝对防线”——分层里它挡脚本小子,风控(509 题)挡高级攻击 追问2:语音验证码什么时候用? → 短信屡收不到(老年用户/信号差)的兜底;成本更高,只做辅助入口 追问3:验证码的可用性测试怎么做? → 通过率(>95% 合格)与重试率埋点;老年用户专项测试(点选类对部分人群反而难)——298 题指标化


509. 登录风控:异地、频次、设备指纹的规则怎么设计?

概念 登录风控 = 在认证之外叠一层”这个登录像不像本人”的判断:信号层(IP/设备/行为/环境)、规则层(阈值与组合)、处置层(放行/加验/拒绝/冻结)。核心设计观:风控目标是”提高攻击成本 + 降低误伤”,宁可多触发一次 MFA(504 题),不要错杀真人。

典型场景 撞库攻击(某库泄漏后批量尝试);账号盗用异地登录;注册机与接码平台。

解决方案 三步:信号设计 → 规则分级 → 处置与闭环。

第一步:信号设计

# 文件: risk-signals.txt
信号分四组(按采集成本排序):
  免费: IP(地理/代理/机房标识)、UA、时段、失败次数
  便宜: 设备指纹(canvas/字体/传感器组合哈希 —— 隐私声明要覆盖)
  中等: 行为特征(打字节奏/滑动轨迹)
  外部: 威胁情报(IP 信誉库)、同设备多账号、同账号多设备突增
信号不求多求稳: 每个信号的误报率与覆盖率的乘积决定价值 ——
  前期 5 个可靠信号 > 20 个噪声信号

第二步:规则分级

# 文件: risk-rules.txt
规则形态演进:
  第一版(硬规则): "1 小时失败 5 次→锁定" —— 简单有效, 误伤真人(忘了密码)
  第二版(组合): 失败 3 次 + 新设备 → 出 MFA; 失败 5 次 + 境外 IP → 冻结
  第三版(评分): 信号加权打分, 分数段映射处置 —— 规则多了之后的必然形态
  终态(模型): 监督学习(标注: 哪些登录后来被证实盗号) —— 有数据积累后再上
灰度纪律: 每条规则上线先"观察模式"(只记日志不处置)一周, 看误伤率再启用

第三步:处置与闭环

# 文件: risk-action.txt
处置分级(从轻到重): 放行 → 加验(MFA/验证码) → 限功能(只读) → 拒绝 → 冻结+人工
误伤出口: 被冻结用户必须有自助解冻通道(人脸/申诉), 否则风控变成客诉机器
闭环三件:
  1) 处置埋点: 每次拦截/放行的分数与规则 → 离线评估命中率(298 题指标)
  2) 用户反馈回流: "这不是我操作的"一键反馈 = 盗号标注(模型训练数据)
  3) 新攻击手法响应: 客服工单里的新型盗号 → 信号/规则迭代(SOP 化)
与 550 题内容风控共用基建: 设备指纹/频控/名单库是同一套底座

总结:登录风控三层积木:信号(少而稳)、规则(组合+观察模式上线)、处置(分级+误伤出口);风控的 KPI 是“拦截率×误伤率”的平衡,不是拦截越多越好;用户反馈是免费的标注数据。

追问1:设备指纹的合规边界? → 属于个人信息:隐私政策声明+最小化(哈希后存)+用户可拒绝(拒了走更严的加验,而不是不能登录) 追问2:机房 IP 怎么识别? → IP 信誉库/IDC 段名单;正常用户极少从云服务器登录——命中率极高的信号 追问3:撞库攻击的即时阻断? → 撞库特征=同 IP 批量不同账号尝试:直接 IP 级限流+蜜枪账号(密码已泄漏的账号设陷阱,有人登录即触发警报)


510. token 存哪里:localStorage、cookie、内存的前端选型?

概念 前端存储 token 三选:localStorage(持久、所有 JS 可读——XSS 即失窃)、HttpOnly cookie(JS 不可读防 XSS、但要防 CSRF、跨域受限)、内存(最安全、刷新即失——配 silent refresh)。没有完美选项,只有”威胁模型匹配”:XSS 面大选 cookie,CSRF/跨域复杂选 header+内存,高安全配双方案。

典型场景 SPA 的 access token 放哪;App 内嵌 H5;第三方 iframe 场景;安全审计质询 localStorage。

解决方案 三步:三方案对照 → 推荐架构(内存+BFF)→ 特殊场景。

第一步:三方案对照

# 文件: token-storage.txt
              localStorage   HttpOnly Cookie    内存(变量)
XSS 防护       ❌ 可被读取     ✅ JS 不可见       ✅ 读了也难持久利用
CSRF 防护      ✅ 无 cookie    ❌ 需 SameSite 等措 ✅
刷新保持       ✅             ✅                 ❌ 刷新丢失
跨域           随 JS 无关      受 SameSite 限制    随 JS 无关
结论: 单选题不存在; 组合: refresh 放 HttpOnly cookie, access 放内存 —— 各取所长

第二步:推荐架构

# 文件: bff-auth.txt
主流安全架构(BFF 模式):
  前端 → BFF(同域轻后端) → 认证服务/业务 API
  refresh token: 只存在于 BFF 域的 HttpOnly SameSite=Strict cookie(前端 JS 永远摸不到)
  access token: BFF 校验后注入或前端内存持有(刷新时静默走 BFF 换新)
  业务请求: 同域转发, 浏览器永远不见跨域 token
代价: 多一层 BFF; 收益: XSS 偷不走 refresh, CSRF 由 SameSite+自定义头双防
小团队替代: 无 BFF 时 refresh 放认证域 cookie, access 内存 + 静默刷新(体验: 刷新页面不掉线)

第三步:特殊场景

# 文件: token-cases.txt
App/小程序: 无 cookie 语义 → token 安全存储区(Keystore/Keychain)+ 内存, 原生层管理
iframe/第三方嵌入: 跨域 cookie 全面受限(三方 cookie 封禁潮) → postMessage 令牌传递或 URL 一次性 code
SSR(Next/Nuxt): token 不能进 HTML/初始 state → 服务端会话或 cookie(水合后内存)
审计答复模板: "refresh 在 HttpOnly、access 在内存、XSS 有 CSP 兜底、泄漏窗口 ≤ access 寿命"

总结:token 存储是威胁模型题:refresh 放 HttpOnly cookie、access 放内存、BFF 统一转发是当前最优解;跨域与嵌入场景改用一次性 code 传递;给审计的答案要能说出每一层的威胁与对策。

追问1:XSS 偷不到 token 还能干什么? → 直接冒充用户发请求(内存 token 期间)——所以 CSP、依赖审计(222 题)是配套,不是可选 追问2:silent refresh 怎么实现? → 页面加载/401 时隐藏 iframe 或 fetch(带 refresh cookie, 不读响应体)到 BFF —— 旧 iframe 方案在新浏览器下让位于 fetch+credentials 追问3:为什么不用 sessionStorage? → 与 localStorage 同样 XSS 可读,只多一个”标签页关闭即清”——安全性提升有限,换来每标签页一份 token 的复杂度


511. 密码找回:邮箱链接、短信验证码的安全设计?

概念 密码找回是”账号安全的后门”——攻破找回=攻破账号。两种载体:邮件一次性链接(链接即凭证)、短信验证码。核心设计:一次性+短时效+绑定请求上下文;高风险信号要加验(509 题);重置后的连锁动作(全端登出,507 题)常被漏。

典型场景 找回邮件被转发泄漏;短信劫持重置;审计要求找回流程留痕。

解决方案 三步:链接式设计 → 验证码式设计 → 连锁动作与防坑。

第一步:链接式(邮箱 magic link)

# 文件: reset-link.txt
链接要素: 域名 + /reset?token=xxx(32 字节随机, 单次有效, 15~30 分钟过期)
token 服务端存哈希(泄漏库也不能二次使用, 501 题同源思想)
上下文绑定: 发起找回时的"会话/浏览器指纹"与点击链接时比对, 不一致加验
   (防"邮件转发给钓鱼者也能用")
一次性: 用后即毁; 二次点击给"该链接已使用"而不是报错页
邮件文案: 明确"不是你发起的请忽略+检查账号安全" —— 钓鱼横行的时代, 邮件本身就是安全教育位

第二步:验证码式与通道选择

# 文件: reset-code.txt
短信验证码式: 6 位码 + 5 分钟有效 + 错误 5 次作废(与 508 题频控联动)
通道选型按账号敏感级:
  普通产品: 邮箱(免费慢)或手机(快有成本)
  高敏感(资金): 双通道 —— 邮箱链接 + 手机验证码都要过(攻击者要同时劫持两个渠道)
  企业账号: 管理员重置/IT 工单(本人自助通道反而是攻击面, 按组织信任设计)

第三步:连锁动作与防坑

# 文件: reset-actions.txt
重置成功后必做(漏了就是洞):
  1) 全端登出 + 作废所有 refresh(507 题) —— 改密后旧会话必须死
  2) 通知全渠道: "你的密码刚被修改"(邮箱+短信), 若非本人立即有救济链接
  3) 敏感操作冷却: 重置后 24 小时内改绑手机/提现等要额外等待(防"找回即盗号"链)
防坑:
  找回流程也要限流(按账号+IP), 否则成为爆破新入口
  用户枚举: "该邮箱未注册"的响应与"已发送"一致化(501 题同源)
  审计: 每次找回的发起/成功/失败留痕(285 题思想), 客服可查

总结:找回是账号安全里最锋利的刀:一次性短时效 token、上下文绑定、高敏感双通道;重置后的连锁动作(全端登出+通知+冷却)是完整设计的标志;找回接口自身的限流与留痕别漏。

追问1:为什么要冷却期? → 攻击链“偷邮箱→重置→改绑手机→永久占有”靠冷却打断:重置后暂禁改绑,给真人反应时间 追问2:邮件链接被企业网关预爬取怎么办? → 安全网关会预访问链接导致 token 被消费!方案:链接先落到“确认页”(无副作用)再点击才消费 追问3:无邮箱无手机的账号怎么救? → 人工申诉(历史信息核验/支付记录);这类账号要在注册时就引导补绑定渠道


512. 账号合并:三方登录与手机号撞库时的策略?

概念 账号体系的多锚点问题:同一自然人可能以邮箱注册过(A)、又微信登录创建了(B)、后来手机号登录创建了(C)——三个账号要合成一个。合并策略:锚点优先级(手机>unionid>邮箱)、明确合并时机(登录时提示 vs 用户主动发起)、数据冲突规则(保留哪个昵称/合并哪些资产)。

典型场景 上线微信登录后用户”有两个账号”;企业收购后账号体系合并;用户换手机号引发账号错乱。

解决方案 三步:锚点与身份模型 → 合并流程与数据规则 → 预防设计。

第一步:锚点与身份模型

# 文件: identity-model.txt
正解的账号模型: 账号(user)与登录方式(identity)分离 ——
  user 表只存主体, identity 表存 {type: phone/wechat/email, identifier, verified}
  一个 user 可挂 N 个 identity; 登录时查 identity → user
合并的本质: 把 B、C 的 identity 行改挂到 A 的 user 下 —— 数据结构对了, 合并才可行
锚点优先级(冲突时谁是主账号): 手机号实名 > 企业 SSO > 三方 unionid > 邮箱
  理由: 可靠性(实名的最难伪造)与找回能力

第二步:合并流程与数据规则

# 文件: merge-flow.txt
触发: 登录时检测"该手机号已绑定其他账号" → 引导"合并或切换"
  (而不是静默创建第三个账号 —— 静默是账号裂变的根源)
流程: 验证双方控制权(各自登录态/验证码) → 预览将合并的内容 → 确认 → 异步合并任务
数据冲突规则(逐字段决策, 别笼统"保留最新"):
  昵称/头像: 保留主账号, 次账号的存档
  订单/资产: 全量合并(业务主键无冲突则平移)
  会员/余额: 叠加; 到期取较晚
  唯一约束冲突(两个账号都绑了不同手机): 人工工单通道
合并是高危操作: 双方 re-auth + 冷却确认(可撤销窗口 24h, 512 题级敏感)

第三步:预防设计

# 文件: merge-prevent.txt
1) 注册时的防裂变: 任何登录方式的"未注册即创建"前, 先查手机号/邮箱/unionid 是否已有账号 →
   引导绑定而不是新建(500/513 题衔接)
2) 换绑手机: 校验新手机是否已被占用 → 引导合并或拒绝, 不能"两个账号同手机"
3) 收购级合并(公司层面): 独立项目做(映射表+灰度迁移+双轨期), 不是用户侧功能

总结:账号合并的根子在身份模型:user 与 identity 分离、锚点定优先级;合并是高危操作要双方验证+预览+可撤销;最好的合并是不需要合并——注册与换绑时的防裂变引导。

追问1:合并能撤销吗? → 24 小时撤销窗口(软合并: identity 挂接可逆, 数据物理合并延迟落地);过了窗口走客服+备份恢复 追问2:unionid 和 openid 的区别? → openid 单应用维度(同用户不同应用不同),unionid 开放平台维度(同主体下唯一)——跨应用账号互通靠 unionid 追问3:注销后的账号与新注册撞号? → 注销的 identity 保留占用(防冒充)或冷却 30 天再放号;产品要明确选择并写进协议


513. 注册登录一体化:静默注册与一键登录的策略?

概念 转化率视角的注册设计:显式注册表单(转化漏斗最大杀手)→ 静默注册(验证码登录时”未注册即注册”)→ 一键登录(运营商本机号码,Android 特色)。设计核心:把”注册”从用户任务变成系统行为,同时保住合规告知与账号可找回性。

典型场景 C 端产品冷启动要转化率;iOS 审核要求;静默注册的账号后续补资料。

解决方案 三步:三档方案对照 → 一键登录(运营商号)落地 → 静默注册的善后。

第一步:三档方案对照

# 文件: register-tiers.txt
显式注册: 独立注册页(手机/邮箱/密码/验证码) —— 转化最差, 仅保留给"必须先有账号"的场景
静默注册: 登录即注册(验证码/OAuth 首次登录自动建号) —— C 端默认; 
  关键设计: 登录页文案"未注册将自动创建账号"(合规告知, iOS 审核也查)
一键登录(本机号码): 运营商 SDK(移动/联通/电信)取本机号+网关验签, 全程无输入
  —— 转化天花板(2 秒登录), 但要 SDK 接入 + 三家运营商 + 用户可拒绝(降级到验证码)
组合: 一键登录为主(运营商可用时) → 验证码静默注册兜底 → 账密最后(存量)

第二步:一键登录落地

# 文件: one-click-login.txt
技术链路: 前端 SDK 拉起授权页(预取号) → 用户点"本机号码一键登录" → 运营商网关返回加密 token
  → 后端携 token 向运营商取真实手机号 → 匹配/创建账号 → 发登录态
设计细节:
  1) 预取号要早(打开 App 就预取, 点登录时 0 等待); 失败静默降级验证码
  2) 双卡手机: 授权页展示当前流量卡号码, 用户可切换 —— SDK 默认行为要验证
  3) 成本: 按次计费(约 0.05 元/次) —— 成功率高才划算, 失败自动走免费通道
  4) 合规: 授权页必须由运营商渲染(可定制皮肤但不可自绘) —— 私自自绘会被下架

第三步:静默注册的善后

# 文件: silent-signup-after.txt
静默建的号是"半成品", 善后三件:
  1) 补全引导: 首次进入按需要资料(昵称在发第一条评论时要), 不是注册时全要
  2) 密码/找回渠道: 静默注册的号没有密码 —— 手机号本身即凭证(可找回), 
     引导绑邮箱做第二渠道(511 题双保险)
  3) 协议勾选: 静默注册的"同意用户协议"在登录按钮旁勾选框/文案链接 —— 合规留痕
数据口径: 注册转化的埋点要区分通道(一键/验证码/OAuth), 298 题指标化 ——
  一键登录上线后注册转化翻倍是常态

总结:注册的最高形态是“没有注册”:一键登录(运营商)拿转化、静默注册做兜底、显式注册留给存量;静默注册三善后(按需补全、双找回渠道、协议合规)决定它不是隐患。

追问1:一键登录的失败率多高? → 双卡/物联网卡/携号转网/无 SIM(平板)场景都会失败——实测 10~20%;所以降级链路(验证码)是主流程的一部分 追问2:微信小程序的登录有什么不同? → wx.login code2session 拿 openid(静默)→ 手机号快速获取组件(需用户点)——小程序生态的“一键登录”等价物 追问3:静默注册会不会产生垃圾账号? → 会(误输入手机号+验证码撞上)——账号分级: 无行为账号 30 天后可回收(通知期),数据保留但不可登录



二、授权与权限(514–521)

514. RBAC、ABAC、ACL:权限模型怎么选?

概念 三种模型按表达力递增:ACL(资源→用户直接授权,小规模/资源属主场景)、RBAC(角色为桥,用户→角色→权限,组织管理的默认答案)、ABAC(属性规则,如”同部门且职级≥P5 可见”,复杂动态场景)。Nest 侧落地见 03 的 234 题;本题答”产品该选哪个、怎么混”。

典型场景 后台管理系统(角色:管理员/运营/客服);文档协作(资源属主+分享);多维度数据权限(部门+项目+密级)。

解决方案 三步:选型决策 → 混合形态(生产常态)→ 权限点清单化。

第一步:选型决策

# 文件: acl-rbac-abac.txt
问 1: 权限主体主要是"组织角色"吗(经理能看全部门)?
  是 → RBAC 起步(角色表+权限表, 管理界面给运营自助)
问 2: 存在"资源属主"语义吗(只能改自己的文档/订单)?
  是 → RBAC + 行级过滤(515 题) —— ACL 概念以"属主判断"融入, 不必独立建模
问 3: 规则要按属性动态算吗(跨部门项目组、临时授权、密级)?
  是 → 引入 ABAC 规则引擎(策略即代码); 团队没经验先别上 —— 用"动态组/虚拟角色"模拟
铁律: 从 RBAC 起步, ABAC 是演化来的不是设计来的

第二步:混合形态

# 文件: perm-hybrid.txt
生产常态是三层混搭:
  功能权限(RBAC): 角色 → 菜单/按钮/API 白名单(234 题的 Guard + 装饰器)
  数据权限(行级): 部门树/仅自己/自定义范围(515 题)
  属性例外(轻 ABAC): 特殊规则(大客户专属功能/临时项目授权)走规则表而非硬编码
判断混搭是否失控的信号: 角色数 > 20、或一个用户要挂 5+ 角色 —— 该收敛了
  收敛方向: 角色按"岗位"定义, 例外走属性规则, 不为个例造角色

第三步:权限点清单化

# 文件: perm-inventory.txt
权限点的工程化(与 516 题前端联动):
  统一权限常量表: [order:create, order:export, finance:refund] —— 前后端共享(枚举/生成代码)
  API 与权限点映射表: 路由元数据里声明所需权限(234 题装饰器), 测试覆盖"无权限访问 403"
  变更管理: 权限点增删走 PR(293 题门禁), 角色定义进配置而非代码

总结:权限模型从 RBAC 起步、行级数据权限单独设计(515 题)、ABAC 等真实复杂度出现再引入;权限点清单化并前后端共享是可维护性的分水岭;角色数膨胀是模型失效的警报。

追问1:为什么不用 ACL 直接给用户授权? → 用户×资源的授权关系爆炸(N×M),没法管理;ACL 语义保留在”资源属主”判断里就够了 追问2:RBAC 的角色爆炸怎么治? → 职能角色(岗位)+ 资源范围(部门)正交拆分:角色管”能做什么”,范围管”对谁”,避免”销售一部经理”这类组合角色 追问3:权限系统要不要上开源(Casbin)? → 中小系统自建(RBAC 表结构+Guard 很薄);策略复杂或跨语言时 Casbin(模型 DSL)值得——引入成本换表达能力


515. 行级数据权限:“仅自己、本部门、全部”怎么实现?

概念 行级权限(数据权限)决定”查询结果里能看到哪些行”:三档经典(仅自己/本部门及以下/全部)+ 自定义(指定部门/指定人)。实现层次:应用层拼接(查询条件注入)为主,视图/ORM 全局过滤器为辅(234/261 题同源),数据库层(RLS)在 Postgres 场景是终极方案。

典型场景 后台列表页”不同人看到不同数据”;销售只能看自己客户;主管看全组。

解决方案 三步:数据模型(部门树与范围)→ 查询注入实现 → 三种落位对照。

第一步:数据模型

# 文件: data-scope.txt
用户 → 角色(功能权限) + 数据范围(data_scope):
  SELF / DEPT(本部门) / DEPT_AND_SUB(部门及子部门) / ALL / CUSTOM(自定义部门集合)
部门树: id, parent_id, path(物化路径如 /1/5/12/) —— 子部门查询靠 path 前缀(O(log n), 别递归)
CUSTOM 场景: user_dept_scope 关联表(运营在界面上勾选)

第二步:查询注入实现

// 文件: data-scope.interceptor.ts(Nest, 234 题 Guard 的兄弟件)
function applyScope(query: SelectBuilder, user: SessionUser) {
  switch (user.dataScope) {
    case 'SELF':
      return query.andWhere('t.owner_id = :uid', { uid: user.id });
    case 'DEPT_AND_SUB':
      // 部门树 path 前缀: 本部门 path = '/1/5/' → LIKE '/1/5/%' 命中全部子部门
      return query.andWhere('t.dept_path LIKE :p', { p: `${user.deptPath}%` });
    case 'ALL':
      return query;                                  // 不加条件
    case 'CUSTOM':
      return query.andWhere(`t.dept_id IN (:...depts)`, { depts: user.customDepts });
  }
}
// 纪律: 注入在仓储基类/统一入口完成, 业务代码不可绕过(234 题模块边界的同源思想)
// 测试: 每个列表接口的矩阵用例(四种 scope × 有/无数据)——519 题越权测试的数据集

第三步:三种落位对照

# 文件: scope-impl.txt
应用层注入(主流): 灵活、与功能权限同一套体系; 风险: 绕过(漏注入) —— 用基类+测试防
ORM 全局过滤器: TypeORM subscriber/Prisma middleware 统一加 where —— 更难绕过, 
  但动态 scope(自定义部门)表达费劲 —— 与应用层混合用
数据库 RLS(Postgres): 策略绑定在表上, 连错连接也安全 —— 多租户/强合规场景的终极方案;
  代价: 连接要设置会话变量(current_setting), ORM 适配工作量

总结:行级权限三件套:数据范围枚举进用户模型、部门树物化路径支撑子部门、查询注入收敛在基类;防绕过靠“统一入口+越权测试矩阵”,强合规场景上 RLS。

追问1:导出和详情页也要注入吗? → 要——列表注入了但详情按 ID 直查=水平越权(519 题);注入点要在“取数层”而不是“列表层” 追问2:跨部门协作的例外怎么处理? → 临时授权表(资源级 ACL 例外)叠加在 scope 之上:先算 scope,再 UNION 授权——别为例外破坏模型 追问3:数据范围变更何时生效? → 用户下次请求即生效(每请求读权限缓存);缓存失效见 518 题


516. 前端权限:路由、菜单、按钮级权限怎么下发?

概念 前端权限的本质是”体验”而非”安全”(真正的防线在后端,519 题):路由守卫(无权限页跳转/404)、菜单渲染(看不到入口)、按钮/操作禁用(置灰或隐藏)。下发方式:权限点数组(前端本地判断)vs 动态路由(后端返回可访问路由表)。设计要点:前端权限与后端同源(一份权限点清单,514 题)、避免闪烁(先鉴权后渲染)。

典型场景 Vue/React 后台框架选型;“前端藏起来后端还是要防”的分工;权限切换后界面不刷新的 bug。

解决方案 三步:下发模型 → 路由与按钮实现 → 刷新与一致性。

第一步:下发模型

# 文件: fe-perm-model.txt
两种下发:
  A 权限点数组(主流): 登录后 GET /me 返回 { perms: ["order:create", "order:export"] }
     前端路由 meta 声明所需权限, 菜单/按钮用 v-permission 指令判断
     优点: 简单, 前端控制交互细节; 缺点: 路由表前端全量维护(藏着的页面代码也在包里)
  B 动态路由: 后端返回"该用户可访问的路由配置", 前端 addRoute 注册
     优点: 页面级隐藏彻底; 缺点: 路由结构与后端耦合, 前端迭代要同步后端配置
选型: 内部后台用 A(迭代快); 对外交付/页面本身就是付费内容的用 B

第二步:路由与按钮实现

// 文件: router-guard.ts(Vue 版; React 用高阶组件同思想)
router.beforeEach(async (to) => {
  const user = useUserStore();
  if (to.meta.perm && !user.perms.includes(to.meta.perm)) {
    return { name: '403' };                       // 有权限语义的 403, 不是裸 404
  }
});
// 按钮级: 指令封装(01 题 35 的自定义指令思想)
// <button v-permission="'order:export'">导出</button>
// 隐藏 vs 置灰的决策: 置灰+提示"联系管理员开通"是增长位(让用户知道功能存在);
//   纯内部工具直接隐藏减噪

第三步:刷新与一致性

# 文件: fe-perm-refresh.txt
一致性三律:
  1) 权限变化(角色调整/踢下线)后: 重新拉 /me → 重建路由与菜单 → 强制刷新视图
     (最粗暴可靠的实现: 权限变更后 location.reload() —— 优雅方案的复杂度常常不值)
  2) 401/403 响应拦截: 后端说不就是权威 —— 前端立即同步状态(不是弹完错继续留着按钮)
  3) 权限点清单同源: 后端枚举生成前端 TS 类型(codegen) —— 514 题清单化的前端半边

总结:前端权限是体验层:权限点数组下发+路由守卫+指令控按钮;页面级保密用动态路由;一致性靠“后端是权威”(403 即同步)+变更后刷新;记住它不承担安全,只承担“不给用户点不了的诱惑”。

追问1:为什么前端权限不算安全? → 请求可以直接构造(改包/直调 API):前端只是不渲染入口;后端 Guard 不过=没有防线(234 题)——519 题测试专查这种 追问2:菜单和路由不同步怎么防? → 菜单由路由表生成(单一事实源):路由 meta 带 title/icon,菜单遍历路由——而不是两处各配一份 追问3:按钮权限点爆炸怎么管? → 权限点按资源分组(order:*),前端组件按组封装(“订单操作区”一个组件判一组)——减少散落判断


517. 分享链接:临时授权的过期、撤销与范围怎么控制?

概念 分享链接 = 无登录态的临时授权凭证:链接携带 token,持有者获得受限访问。四个设计维度:范围(单文档/文件夹/只读/可评论)、时效(永久/7 天/自定义)、撤销(token 作废)、粒度(知道链接即可 vs 需验证身份)。与 511 题找回链接同源——一次性/短时效 token 的设计模式复用。

典型场景 文档分享给外部合作方;报表链接发给老板;网盘外链被转发失控。

解决方案 三步:token 与权限模型 → 安全分级 → 治理与审计。

第一步:token 与权限模型

// 文件: share-model.ts
interface ShareLink {
  token: string;          // 32 字节随机, 服务端存哈希(511 题同源)
  resource: { type: 'doc' | 'folder' | 'report'; id: string };
  perm: 'view' | 'comment' | 'edit';
  expiresAt: Date | null;         // null = 永久(产品上要显式选择, 不是默认)
  maxViews?: number;              // 可选: 访问次数上限
  password?: string;              // 可选: 提取码(知道链接+码双因素)
  createdBy: string; revokedAt?: Date;
}
// 访问链路: 请求带 token → 服务端查有效链接 → 注入受限身份(只能读该 resource)
// ⚠️ 受限身份与正常登录身份严格区分: 分享会话不能顺手调其他接口(范围隔离是命门)

第二步:安全分级

# 文件: share-tiers.txt
敏感度分级的产品化:
  公开(营销页/公开报表): 知道链接即可, 限频防爬(245 题)
  内部(团队文档): 链接 + 登录验证(链接省去导航, 权限仍按账号判) —— 企业网盘的默认
  机密(合同/财报): 链接 + 提取码 + 时效 + 水印 + 访问留痕; 到达率换安全
  外发审计: 下载类分享默认加水印(浏览者信息), 常见于设计稿/法务文档
转发失控的兜底: 访问异常(短时间大量 IP)自动告警分享创建者 —— "你的链接正在被批量访问"

第三步:治理与审计

# 文件: share-govern.txt
1) 创建者的"分享管理页": 我创建的所有链接(状态/访问量/一键全部撤销) —— 失控自救入口
2) 资源删除/权限变更级联: 文档删除 → 其分享链接全部失效; 文档改私有 → 分享失效
3) 审计: 分享创建/访问/撤销留痕(285 题思想); 敏感资源的"被谁分享过"可查
4) 定期治理: 长期未访问的永久链接提醒创建者(链接债, 282 题开关债的同款)

总结:分享链接四个旋钮:范围、时效、验证、撤销;安全分级产品化(公开/内部/机密各一套默认);创建者的管理与审计闭环决定失控后的止损速度。

追问1:token 放 URL 有什么风险? → 会进浏览器历史/访问日志/Referer:敏感分享用短链中转+提取码;服务端日志里对 share token 脱敏(223 题) 追问2:编辑权限的分享怎么防滥用? → 编辑类分享默认登录+留痕(匿名编辑只给”评论”级);编辑历史可回滚(文档产品标配) 追问3:分享和 512 题账号合并冲突吗? → 分享是”资源维度授权”与账号体系正交:合并账号后分享链接仍有效(token 不依赖账号)——但要重新映射资源属主


518. 权限变更如何”即时生效”:缓存与主动刷新策略?

概念 权限判定是高频路径(每请求都判),必然引缓存;缓存引出”变更生效延迟”问题。三层策略:短 TTL 自然过期(简单,分钟级延迟)、变更时主动失效(精准,复杂度中)、版本号/世代(generation)广播(大用户量)。选型按”变更紧急度”:日常角色调整可容忍分钟级,踢人/封禁要秒级(走 507 题黑名单通道,别混为一谈)。

典型场景 运营改了角色用户还能用半小时;客服封号后用户继续操作;“权限中心”的缓存设计。

解决方案 三步:缓存层次 → 失效策略 → 分级通道。

第一步:缓存层次

# 文件: perm-cache.txt
权限判定链: 请求 → 网关/API 的权限缓存 → 权限服务 → DB
缓存内容: userId → { roles, perms, dataScope } 的聚合包(TTL 5min)
缓存键设计: 权限包整体缓存(不是逐权限点) —— 失效一次全量重算, 逻辑简单
热点: 高频用户的权限包常驻; 大后台(千人)全量也才 MB 级 —— 内存缓存够用

第二步:失效策略

# 文件: perm-invalidate.txt
方案A 短 TTL(5min): 变更最迟 5 分钟生效 —— 内部后台通常够
方案B 主动失效: 权限变更 → 删 Redis 缓存(或发布失效消息广播各实例本地缓存)
  本地缓存+广播的坑: 消息丢失=某实例旧权限持续 —— 补救: 本地缓存 TTL 兜底(短)
方案C 世代号: 用户权限包带 generation; 变更+1; 判定时比对世代 ——
  免广播, 每请求查一次 Redis 世代(极轻) —— 大规模的最优解
生产组合: C(世代) + B 的删除(加速) + A 的 TTL(兜底)

第三步:分级通道

# 文件: perm-channels.txt
把"变更生效"按紧急度分流, 别都挤权限缓存:
  秒级(封号/踢下线): 网关 userId 黑名单(507 题) —— 旁路, 不动权限体系
  分钟级(角色调整): 世代号失效(本题主战场)
  会话级(登录时快照): access token 内嵌 perms 的方案(无状态) —— 角色变更要等 token 换发,
     敏感系统别把权限写进 token(233 题的权衡), 或接受"权限变化重登"的产品语义

总结:权限即时生效是缓存工程:聚合包+世代号+TTL 兜底是大规模答案;封禁类秒级需求走黑名单旁路;把权限嵌 token 的方案要接受“换发才生效”的语义。

追问1:为什么不用 WebSocket 推权限变更? → 在线推+离线不管=两套语义;世代号把“变更检测”变成每请求 O(1) 比对,更简单可靠 追问2:多服务(微服务)各自的权限缓存怎么同步? → 权限判定收敛到网关+权限服务(234 题模块化);业务服务只信任网关注入的身份+权限声明,不各自缓存 追问3:权限缓存击穿? → 热点用户失效瞬间并发回源:singleflight(同 key 并发只放一个回源)+ 提前异步刷新(171 题击穿治理的同源)


519. 越权防护:水平越权与垂直越权怎么测、怎么防?

概念 越权两类:水平(同级用户互访:A 改 B 的订单——对象归属校验缺失)、垂直(低权调用高权接口:普通用户调管理员 API——权限点缺失)。防御铁律:后端每请求必验(对象级 + 功能级);前端隐藏不算防御(516 题)。测试是主力手段:越权用例矩阵 + 自动化扫描(IDOR 检测)。

典型场景 安全测试报出一串 IDOR;接口按 ID 直查被遍历;运营误把 admin 接口暴露在小程序端。

解决方案 三步:两类越权的防线 → 测试矩阵与自动化 → 代码审查清单。

第一步:两类越权的防线

# 文件: authz-defense.txt
垂直越权(功能级):
  路由元数据全量声明权限点(234 题), 无声明的路由默认拒绝(白名单制)
  网关统一 Guard: 业务代码不写"if (user.role === 'admin')"的散判断(收敛)
水平越权(对象级):
  取数即校验: WHERE id = :id AND owner_id = :uid(数据层过滤, 515 题同源)
  或归属校验前置: 服务层先 load+assert 归属再操作(写操作必须)
  弱依赖 ID 可预测性: 自增 ID 可遍历 → 关键资源用不透明 ID(雪花/ULID),
    但"猜不到"不是权限(IDOR 防线仍是归属校验) —— ID 混淆只是纵深的一层

第二步:测试矩阵与自动化

# 文件: authz-testing.txt
矩阵设计(每个写接口都要有):
  用户A(属主)× 资源A → 200
  用户B(非属主)× 资源A → 403/404   ← 核心断言
  未登录 × 资源A → 401
  低权角色 × 管理接口 → 403
自动化两层:
  CI 集成测试: 矩阵用例进 E2E 套件(289 题), 漏一个 = 回归红灯
  渗透扫描: 定期跑越权扫描器(两账号 token 交叉重放请求)—— 大列表接口的批量体检

第三步:代码审查清单

# 文件: authz-review.txt
PR 审查四问(新接口必答):
  1) 这个接口的权限点是什么?(路由元数据有声明吗)
  2) 按 ID 取的对象, 归属校验在哪一行?(指给我看)
  3) 响应里的字段, 有没有超出调用者可见范围的数据?(过度暴露, 251 题脱敏联动)
  4) 批量接口(导出/列表)的数据范围注入了吗?(515 题正交但常一起漏)

总结:越权防御=后端双验(功能级路由声明+对象级归属校验)+测试矩阵进 CI+审查四问;“ID 猜不到”只是纵深不是防线;列表与详情、读写路径一个都不能漏。

追问1:404 还是 403 有讲究吗? → 敏感资源回 404(不暴露资源存在)——“无权看”与”不存在”对外一致;一般业务 403 更利于调试,按数据敏感度定 追问2:GraphQL 的越权怎么防? → resolver 级鉴权(每个字段解析时判)+ 查询深度/复杂度限制;别只守住入口 query——一个 query 里的关联字段都是越权面 追问3:内部服务间调用还要鉴权吗? → 要(mTLS/服务身份),零信任的当下”内网=可信”已不成立;对象归属在入口服务验后,内部传递信任声明


520. 功能开关、套餐、权限:三者的边界怎么划?

概念 三个”能不能用”的机制常被混用:权限(安全语义:角色决定,违规=越权)、套餐(商业语义:付费决定,无套餐=引导升级)、功能开关(工程语义:发布/风险控制,关=所有人生效)。混用的代价:逻辑纠缠(权限系统里出现 isVip)、下线困难(开关当套餐卖)。边界划清后互相组合而非互相替代。

典型场景 “VIP 功能”实现成权限点;灰度开关被当成付费墙;套餐到期后的降级处理。

解决方案 三步:三者边界 → 组合判定链 → 套餐的动态升降级。

第一步:三者边界

# 文件: three-gates.txt
权限(Permission): 谁被允许 —— 安全与合规; 判定方: 权限系统; 违规响应: 403
套餐(Plan/Entitlement): 谁买得起 —— 商业化; 判定方: 计费/权益服务; 无权响应: 引导升级(200+营销位)
功能开关(Feature Flag): 现在放不放 —— 工程风险; 判定方: 开关中心(282 题); 关闭响应: 功能不存在
一句话: 权限管"该不该", 套餐管"值不值", 开关管"稳不稳"
反模式: isVip 写进权限表(商业变更要动权限系统); 灰度开关当付费墙(下线时付费用户炸)

第二步:组合判定链

# 文件: gate-chain.txt
一个功能入口的完整判定(顺序有讲究):
  1. 开关(全局灰度/kill switch) → 关: 直接当不存在(最外层, 工程兜底)
  2. 权限(角色/数据范围) → 无权: 403(安全优先于商业)
  3. 套餐(权益校验) → 无套餐: 正常渲染+升级引导(商业转化, 别硬拒)
  4. 配额(次数/用量) → 超额: 软提示+购买(与套餐相邻但独立, 386 题配额三级)
实现: 三套独立服务, 入口层组合(装饰器/中间件链) —— 各自缓存各自的(518 题思想)

第三步:套餐的动态升降级

# 文件: plan-lifecycle.txt
升级: 即时生效(付钱要爽快) —— 权益缓存立即失效(518 题世代号)
降级(到期/退款): 宽限期设计(7 天只读) → 数据保留期(90 天) → 降级不清数据只锁功能
  坑: 降级时用户正在用付费功能(编辑中的文档) —— 允许完成当前操作, 新建受限
套餐判定的性能: 权益包(userId → entitlements)缓存; 促销期的临时权益打标(到期自动收)

总结:权限/套餐/开关是三个正交机制:安全、商业、工程各归其位;入口判定链“开关→权限→套餐→配额”顺序固定;套餐的生命周期设计(升降级、宽限期)是商业化功能的工程深水区。

追问1:AB 实验的分组算第几种? → 实验(体验语义)是第四个正交机制(337 题):同版本不同人不同体验——与开关共享基建(282 题)但语义独立 追问2:套餐权益和功能开关的联动? → 开关关闭时付费用户怎么办:回退付费(自动补偿工单)或保底老用户——产品决策要前置,别等事故 追问3:权益数据存在哪? → 计费系统的权益表是事实源,业务侧只做缓存+订阅变更消息(382 题事件思想)——别让每个业务都直查计费库


521. 权限审计与合规:操作留痕怎么设计?

概念 权限相关审计三问:谁有什么权限(权限快照)、谁何时改了权限(变更记录)、谁用权限做了什么(操作日志)。与 03 的 285 题审计日志同源——本题聚焦权限域:快照可回放(任一时间点用户权限集)、变更可追责、高危操作实时告警。

典型场景 等保/内控审计;“离职员工当年有没有看过这份数据”的取证;权限清理(谁三年没用过 admin 权限)。

解决方案 三步:三类留痕设计 → 高危告警 → 权限治理例行化。

第一步:三类留痕设计

# 文件: perm-audit.txt
1) 权限快照: 定期(日)全量落库 user_id → perms 哈希; 变更时增量记录
   —— 回答"2026 年 3 月他有什么权限"(审计的核心诉求, 实时表答不了)
2) 变更记录: permission_change_log(who/when/what/before/after/申请单号)
   —— 权限变更必须走工单/审批流(记录申请链路), 裸改库=审计黑洞
3) 操作日志: 285 题审计拦截器落地(who/when/资源/动作/diff) —— 高危资源全记, 普通操作采样

第二步:高危告警

# 文件: perm-alert.txt
实时告警场景(进值班群, 298 题通道):
  权限批量变更(一次 >10 人) —— 离职潮或误操作
  自我提权(admin 把自己加进超管组) —— 越批权申请单流程的信号
  敏感资源批量导出(515 题数据权限 × 225 题导出的组合) —— 数据泄漏预警
  非工作时间管理后台登录 —— 与 509 题风控信号联动

第三步:权限治理例行化

# 文件: perm-review.txt
季度权限评审(Privileged Access Review):
  1) 高权限账号清单 → 逐个确认"仍在岗仍需要"(上级审批)
  2) 长期未用权限回收: 90 天未触发的权限点自动列入回收建议
  3) 离职自动化: HR 系统 → IM 禁用 → SSO 禁用 → 权限冻结(505 题对账) —— 
     任何一步手工都可能漏(僵尸账号是审计最常见发现)
  4) 最小权限指标: 人均权限点数趋势(膨胀=治理失效的量化信号)

总结:权限审计三留痕:快照(回放历史权限)、变更(带审批链)、操作(285 题体系);高危事件实时告警;季度评审+离职自动化让权限不腐化——“最小权限”要靠例行治理维持,不是上线时设好就完。

追问1:快照和变更记录会不会重复? → 快照=定期全量(可回放、占空间),变更=增量(精确、轻)——互补:快照校验变更流完整性(对账) 追问2:审计日志的保留期? → 按合规:内控一般 1~3 年,金融更长(285 题归档分层);权限快照可长期(量小价值高) 追问3:员工查自己被记录了什么? → 个保法下的员工知情权:审计数据对本人可查询(脱敏他人)——内部系统也要合规




三、文件功能(522–531)

522. 上传通道选型:表单、服务端中转、客户端直传怎么定?

概念 三条通道:表单+服务端全量接收(简单,服务端扛流量与内存)、服务端流式中转(不落内存但过两次流量)、客户端直传对象存储(预签名 URL,服务端只管签名与登记——大文件标配)。01 的 75–82 题讲了前端分片/断点/直传的传输层,03 的 224 题讲了 Nest 的流式接收——本题回答”我的功能该走哪条”。

典型场景 头像/小文件(几十 KB几 MB);文档/附件(10500MB);视频原片(GB 级)。

解决方案 三步:按体量定通道 → 直传的登记与回调闭环 → 混合产品的路由。

第一步:按体量定通道

# 文件: upload-channel.txt
< 5MB(头像/截图): 表单 multipart 直接收 —— 服务端内存可控, 最简单
   配置: 限大小 + 类型白名单 + 图片二次压缩(客户端)
5MB ~ 200MB(文档/附件): 三选一的分水岭:
   有对象存储 → 客户端直传(预签名 URL, 01 题 79/80)
   无对象存储 → 服务端流式中转(03 题 224: busboy 管道, 内存恒定)
   低频内部系统 → multipart 直接收(限 100MB, 够用就好)
> 200MB(视频/数据集): 客户端分片直传 + 秒传/断点(01 题 75~77)
   服务端只做: 签发分片凭证、合并登记、回调处理

第二步:直传的登记与回调闭环

# 文件: direct-upload-flow.txt
直传的正确闭环(没有闭环的直传=孤儿文件):
  1) 申请上传: POST /uploads { 文件名, 大小, hash?, 类型 } → 服务端校验(配额/类型/杀毒预检)
     → 返回 { uploadId, 预签名 URL 集合, 生命周期: 15min }
  2) 客户端直传对象存储(分片/秒传判断在客户端 hash 先查)
  3) 完成: 客户端调"完成接口" or 对象存储事件回调(S3 → 队列 → 服务)
  4) 登记: files 表落库(属主/大小/hash/状态) + 触发后处理(缩略图/解析, 531 题)
  5) 未完成清理: 定时扫"申请未完成"的 uploadId(15min 过期) —— 直传的垃圾回收

第三步:混合产品的路由

# 文件: upload-router.txt
同一产品多形态文件的路由策略:
  头像 → 表单通道 + 即时处理(同步返回 URL, 体验优先)
  聊天附件 → 流式中转(要过内容安全扫描, 529 题, 中转才能扫)
  视频投稿 → 分片直传(体量决定, 扫描放上传后异步)
统一上传入口 API(参数: scene=avatar|chat|media) → 内部路由到通道 ——
  前端只见一个 SDK, 通道演化不破坏接入方

总结:上传通道按体量与后处理需求定:小文件表单、中体量看基建(直传或流式)、大文件分片直传;直传必须配“申请-完成-清理”闭环;多形态产品用 scene 路由统一入口。

追问1:直传怎么限制文件类型? → 预签名时限定 Content-Type 与 Content-Length 范围(01 题 79);服务端完成回调时再验魔数(内容校验不能只信声明) 追问2:上传进度条各通道怎么做? → 表单:XHR upload 事件;直传:分片计数;流式:93 题同款进度语义——体验统一靠 SDK 抹平 追问3:为什么聊天附件选中转? → 内容安全扫描(涉黄涉暴)必须在服务端:直传的文件也要“先扫后可见”(回调触发扫描, 扫描中显示占位)


523. 图片处理管线:缩略图、水印、压缩的策略怎么配?

概念 图片管线的标准工序:接收(格式校验+EXIF 处理)→ 压缩(质量/尺寸)→ 多规格缩略图 → 水印(可选)→ 分发(CDN)。策略维度:处理时机(同步小图/异步大图)、规格集(按 UI 实际需要定义,不是越多越好)、格式选型(WebP/AVIF 降级链)。处理是 CPU/内存大户,放任务队列而不是请求路径。

典型场景 用户头像上传后模糊;列表页原图加载慢;存储与流量成本爆炸;EXIF 隐私(GPS)泄漏。

解决方案 三步:管线设计 → 规格与格式策略 → 异步化与降级。

第一步:管线设计

# 文件: image-pipeline.txt
头像类(小, 体验敏感): 同步管线(请求内完成压缩+裁切+1~2 个规格, <500ms 返回)
   EXIF 必处理: 旋转修正(iPhone 照片横竖) + GPS 等隐私元数据剥离
相册/内容图(大): 异步管线 —— 上传完成即返回原图 URL(或占位), 队列任务生成规格(277 题)
   列表先用已生成的最小规格, 未生成完显示模糊占位(lqip)
水印: 展示类加水印(浏览者信息/ logo), 存储保留无水印原图 —— 水印在分发层动态加或预生成, 别覆盖原件

第二步:规格与格式策略

# 文件: image-sizes.txt
规格集从 UI 反推(常见四档):
  thumb 200px(列表) / mid 640px(卡片) / large 1280px(详情) / origin(下载/查看原图)
  ⚠️ 每个规格 = 存储成本 × 命中率: 没有 UI 消费的规格不要生成 —— 季度 review 规格命中率(日志统计)
格式降级链: AVIF > WebP > JPEG(按 Accept 头协商, CDN 自动)
   AVIF/WebP 比 JPEG 省 30~50% 流量; 上传时统一转码一次(源 JPEG 存档), 分发按需
质量参数: 列表 70 / 详情 80 / 原图不压 —— 实测调, 别一刀切

第三步:异步化与降级

# 文件: image-async.txt
异步管线基建: BullMQ 任务(277 题) + sharp/native 库(处理在 worker, 221 题线程池思想)
失败降级:
  处理失败 → 先展示原图(列表页稍慢) + 重试任务 + 告警 —— 别让"缩略图失败"挡住内容可见
  上传了损坏图 → 魔数校验拒绝 + 前端预览拦截(双端校验)
容量: 图片处理是 CPU 密集 —— worker 独立伸缩(按队列深度, 435 题思想), 别与 API 抢核

总结:图片管线三决策:时机(小同步大异步)、规格(从 UI 反推+命中率复盘)、格式(AVIF/WebP 降级链);EXIF 隐私剥离与水印不覆盖原件是两条红线;处理任务化、失败可降级到原图。

追问1:客户端压缩还是服务端压缩? → 双端:客户端预压(省上传流量与时间),服务端定版(不能信任客户端产物)——服务端是唯一权威 追问2:动图(GIF)怎么处理? → 转 MP4/WebM(体积降 80%+),保留 GIF 仅作小表情场景;动图逐帧处理成本高,单独队列 追问3:图片鉴黄/OCR 要进管线吗? → UGC 图片必须(529/550 题):异步扫描+“扫描中不可见”状态——合规优先于分发速度


524. 文件预览:Office、PDF、视频的方案怎么选?

概念 预览三世界:Office 文档(docx/xlsx/ppt)要转换渲染(自建 LibreOffice 服务 vs 三方预览服务 vs WPS/永中集成)、PDF 浏览器原生(配 pdf.js 增强)、视频靠流媒体(HLS 切片 + 播放器)。选型的隐藏维度:保真度要求(排版还原)、并发成本(转换是 CPU 大户)、版权与合规(文档外发)。

典型场景 企业网盘预览;合同/简历在线查看;课程视频;设计稿预览。

解决方案 三步:三类文件方案 → 转换服务架构 → 降级与缓存。

第一步:三类文件方案

# 文件: preview-choice.txt
Office: 三选一
  三方 SaaS(WPS 开放平台/永中): 保真度最高、按量计费、文档要出域(合规审核!)
  自建 LibreOffice headless: 数据不出域; 保真 90%(复杂宏/艺术字会崩); 转换服务要池化
  只支持"下载查看": 低频场景的最省方案(诚实优于半残预览)
PDF: pdf.js 嵌入(前端渲染) + 关键场景(合同)配防下载水印
视频: 转码 HLS + 播放器(video.js/hls.js); 倍速/记忆进度是前端配套
图片: 规格化后的 CDN URL(523 题) —— 最简单

第二步:转换服务架构

# 文件: office-convert.txt
自建 LibreOffice 的工程要点:
  1) 独立转换服务(容器化, CPU 限核) —— 转换是 CPU+内存大户, 独立伸缩(531 题任务化)
  2) 每任务独立进程/沙箱: LibreOffice 偶发卡死 —— 超时 kill + 任务隔离(一个毒文档不拖垮池子)
  3) 转换结果缓存: 同文档 hash + 版本 → 转换产物缓存(命中不再转) —— 编辑型产品改一版转一版
  4) 队列削峰: 请求进队列, 前端轮询/SSE 拿结果(首次转换秒级到分钟级, 体验要说清"准备预览中")

第三步:降级与缓存

# 文件: preview-fallback.txt
降级链: 高保真预览 → 低保真(PDF 化截图版) → 缩略图 + 下载 —— 每级都有入口, 不是报错
水印策略: 预览页动态水印(浏览者工号+时间) —— 泄密溯源的标配(517 题机密分享同源)
安全: 预览服务与存储同域鉴权(临时授权, 别把预览 URL 做成公开链)
       历史漏洞意识: Office 解析漏洞 —— 转换服务放在隔离网段, 打不穿内网

总结:预览选型按文件类型分三世界:Office 看保真与合规(SaaS/自建/仅下载)、PDF 原生、视频转 HLS;自建转换的工程四件套:隔离、缓存、队列、降级;水印与鉴权让预览不成为泄漏面。

追问1:LibreOffice 转换的保真度坑? → 复杂 ppt 宏、SmartArt、字体缺失(装字体包)是三大重灾区;上线前用真实文档集做回归(评测集思想, 04 批 330 题) 追问2:预览和 517 题分享的关系? → 分享出去的链接走”受限预览”(能看不能下载可配置):预览服务要支持“无登录态的受限会话” 追问3:xlsx 大表格预览卡怎么办? → 不做全量渲染:服务端分页(前 100 行+列裁剪)+“下载查看完整”引导——预览是浏览不是编辑


525. 下载与防盗链:签名 URL、限流与溯源?

概念 下载功能的三件事:给谁(签名 URL 授权)、多快(限流与并发)、被谁查(水印/日志溯源)。防盗链的本质:URL 不可伪造(签名+时效)、不可滥用(频控+配额)、可追责(访问日志+水印)。01 的 82 题讲了断点续传(Range),本题管住”谁有权下、下多少”。

典型场景 付费资源被裸链盗刷;爬虫把下载接口打爆;内部资料外发后溯源。

解决方案 三步:签名 URL 设计 → 限流与配额 → 溯源手段。

第一步:签名 URL

# 文件: signed-url.txt
对象存储侧: 预签名 GET URL(时效 5~15min, 可绑定 IP 段/Response 签名)
自建下载: /download?fileId=x&uid=y&exp=1710000000&sign=hmac(fileId+uid+exp, serverKey)
  sign 防伪造, exp 防长期外传; 一次性下载再加 nonce(用后作废, 511 题同源模式)
设计纪律:
  1) 签名 URL 不等于权限: 签发前必须过权限/套餐判定(520 题链条)
  2) 敏感资源: URL 时效短 + 绑定会话/IP; 普通资源: 中时效 + CDN(缓存签名要单独设计)
  3) Referer 防盗链是辅助不是防线(可伪造), 真防线是签名

第二步:限流与配额

# 文件: download-throttle.txt
三层闸门:
  1) 用户级: 每日下载配额(套餐/风控维度, 245 题限流基建)
  2) 资源级: 单文件全局 QPS 上限(爆款资源保护: 排队/CDN 化)
  3) 全局: 出口带宽水位(云厂商流量费!) —— 超水位自动降级(限制免费下载, 282 题开关)
付费资源: 签发前校验购买记录 + 下载记录幂等(防重复计费/重复扣配额, 280 题)

第三步:溯源手段

# 文件: download-trace.txt
事前: 动态水印(预览 524 题/导出 PDF 加水印: 下载者信息+时间)
事中: 下载审计日志(who/when/what/IP) —— 521 题体系; 批量下载实时告警
事后: 外传文件的溯源 —— 水印回查(工号→责任人); 无水印场景只能靠日志还原时间线
     值得知道: 截屏/拍照不可防 —— 水印是威慑与溯源, 不是 DRM
真正的 DRM(防录屏/防导出)是另一档成本(加密播放器/证书体系): 影视级内容才上

总结:下载安全三件套:签名 URL(授权与时效)、三层限流(用户/资源/带宽)、溯源(水印+审计日志);防盗链的真防线是签名与权限判定,Referer 只是装饰;DRM 是独立量级的投入,按内容价值决定。

追问1:签名 URL 的时效怎么定? → 下载启动即直连存储的场景给短(10min);要走代理统计的场景不用签名给长——时效与统计需求成反比 追问2:大文件下载的断点续传与签名冲突吗? → Range 请求带原 URL:签名按 URL+方法算,分段重放用同一签名即可;一次性 nonce 与 Range 互斥(分段下不完)——按场景选 追问3:下载速度要不要限速? → 免费/共享资源限单连接速度(体验换公平, nginx limit_rate);付费/内部资源不限速(用户付了钱)


526. 存储选型与生命周期:热温冷分层怎么设计?

概念 对象存储生命周期是成本工程:热(标准存储,毫秒访问)→ 温(低频,30 天未访问)→ 冷(归档,取回要分钟~小时)。文件元数据表记录访问,生命周期策略由“访问热度”驱动迁移;删除走软删除+过期物理删。与 05 的 444 题存储体系衔接——本题是应用层的文件治理。

典型场景 存储账单一年涨了 10 倍;用户删了的文件还占着钱;冷数据的取回体验设计。

解决方案 三步:分层策略 → 元数据与迁移 → 删除的生命周期。

第一步:分层策略

# 文件: storage-tier.txt
按业务定初始层与降级规则:
  头像/活跃内容图: 标准层常驻(量小, 命中高)
  UGC 附件(文档/视频): 标准 → 30 天未访问降低频 → 180 天归档
  日志/备份类: 生成即低频, 90 天归档, 按合规到期的删除(460 题备份策略同源)
  合规留存(金融凭证): 归档 + 锁定(不可删, WORM) —— 单独桶单独策略
成本量级: 标准:低频:归档 ≈ 1:0.6:0.2(存), 归档取回费高 —— 访问模式决定能不能归档

第二步:元数据与迁移

# 文件: file-meta.txt
files 表 = 文件的事实源: { id, hash, size, storage_class, last_access_at, owner, refs }
访问打点: 每次签名 URL 签发/下载更新 last_access_at(异步批量, 别每请求写库)
迁移任务: 定时扫描(last_access_at 超阈值)→ 存储侧 copy+改 class(或生命周期规则托管)
  ⚠️ 用云厂商生命周期规则(配置即生效) vs 自管(元数据驱动, 可精细): 
    简单场景用厂商规则; "访问即升温"的精细策略要自管(访问后自动回热标准层)

第三步:删除的生命周期

# 文件: file-delete.txt
软删除: files 表 status=deleted + 对象打删除标记(30 天可恢复 —— 回收站功能)
物理删除: 到期后删对象 + 清元数据; 引用计数(同 hash 多文件引用, 527 题)最后一个删才删对象
合规删除: 用户注销"数据删除权"(579 题)—— 文件要真删(含备份里的? 备份到期自然滚出, 写进隐私政策)
删除审计: 谁删的/何时/为什么(521 题体系) —— "回收站"既是产品也是审计缓冲

总结:文件生命周期是成本与合规的双面工程:按业务定分层规则、元数据驱动迁移(访问即升温)、删除走软删除+引用计数;存储账单的增长曲线要进监控(298 题),别年底看账单才知道失控。

追问1:怎么知道哪些文件该归档? → 访问日志聚合(last_access_at 分布):90 天未访问占比通常超 60%——这部分就是归档红利 追问2:归档文件被访问了怎么办? → 取回要分钟级:产品上“申请取回, 稍后通知”(异步化体验);高频发生说明归档策略太激进 追问3:跨云/迁移怎么做? → 双写窗口+校验+切读(461 题分批思想);大存量用厂商迁移服务(OfflineImport 类),别用应用层搬 PB 级数据


527. 秒传与去重:hash 索引的产品与安全边界?

概念 秒传(01 题 76 的前端版):客户端算文件 hash → 服务端已有同 hash 对象 → 直接登记引用,零上传。技术核心是 hash 索引(content-addressable);产品与安全边界:hash 碰撞的防御(双 hash)、权限隔离(hash 泄露推理)、去重率与存储收益。

典型场景 网盘/素材库大量重复文件;同一文档多人上传;hash 被用来“猜文件是否存在”(安全性)。

解决方案 三步:hash 方案 → 引用计数与去重治理 → 安全边界。

第一步:hash 方案

# 文件: dedup-hash.txt
单 hash(MD5/SHA1): 有碰撞风险(人为构造碰撞文件可"秒传"他人文件!)
  → 敏感场景双 hash: 快 hash(MD5, 秒传初筛)+ 全量 SHA256(登记校验)
  → 或 hash + size 双条件(碰撞同时骗过 size 概率极低)
计算策略: 小文件全量 hash; 大文件"分片抽样 hash 秒传判定"(01 题 76: 首尾中三片)
  抽样命中后再算全量确认 —— 速度与准确的平衡

第二步:引用计数与去重治理

# 文件: dedup-refcount.txt
数据模型: files(物理对象, hash 唯一) + user_files(用户→对象引用, N:1)
  用户"上传"= 插 user_files 引用; 删除=减引用(526 题最后一个删才物理删)
去重率指标: 物理对象数 ÷ 逻辑文件数 —— 网盘类 40~60% 去重是常态收益
边界情况: 
  同 hash 不同文件名/路径 —— 引用各自带元数据(名字属于用户, 内容属于物理层)
  加密存储与去重矛盾(每用户密钥加密则无法去重) —— 私密文件与普通文件分策略

第三步:安全边界

# 文件: dedup-security.txt
1) hash 探测信息泄露: 攻击者拿已知文件 hash 探测"该文件是否在库里"(如盗版取证)
   → 秒传判定要鉴权+限流; 敏感库(私盘)干脆关秒传
2) 碰撞攻击: 构造 hash 相同的不同文件骗秒传 → 双 hash/size 校验(第一步)
3) 权限隔离: 秒传成功 ≠ 能读原对象 —— 读权限按自己的引用判, 内容寻址与授权正交
4) 合规: 去重让"删除我的文件"变复杂(物理对象可能被他人引用) —— 
   用户删除=删引用(内容层面已删), 物理对象按引用计数治理 —— 隐私政策要说清

总结:秒传与去重的核心是 hash 索引+引用计数;安全三防线:双 hash 防碰撞、鉴权限流防探测、读权限与内容寻址正交;去重率是实打实的存储收益指标,但隐私与删除语义要提前说清。

追问1:客户端算 hash 会不会被伪造? → 会(声明式 hash 骗秒传):服务端收到“秒传请求”要复验(下载对象算 hash 比对,或信任度分级)——高价值场景必须复验 追问2:大文件抽样 hash 误判? → 抽样命中但全量不同:回退正常上传(把抽样当加速不是判定);全量 hash 是最终事实 追问3:去重对 CDN 缓存的意义? → 内容寻址的 URL(hash 命名)可永久强缓存(内容不变 URL 不变)——immutable 缓存策略,流量成本再降一档(71 题)


528. 文件清理与回收站:软删除策略怎么设计?

概念 文件删除的三态:立即可见删除(回收站)、到期物理删除(可配置 30 天)、合规锁定(不可删)。回收站是产品功能也是安全缓冲:误删可恢复、删除可审计。工程核心:软删除状态机、存储与配额的关系(回收站占不占配额)、清理任务。

典型场景 用户误删找回;企业回收站策略(管理员可管员工文件);配额计算争议(回收站算不算)。

解决方案 三步:状态机 → 配额与策略 → 清理任务。

第一步:状态机

# 文件: recycle-state.txt
active → (用户删) trashed(保留 30 天, 可恢复/可彻底删)
       → (到期) purging(物理删除中: 删对象+清引用)
       → purged(元数据留痕: 谁/何时/原 hash —— 审计与"我真的删过"的证明)
管理员删除: trashed_admin(仅管理员可恢复) —— 企业场景的权限分级
锁定(诉讼保留/合规): locked —— 任何删除动作被拒, 解锁才能走流程

第二步:配额与策略

# 文件: recycle-quota.txt
配额口径决策(产品要明确, 别让用户猜):
  方案A 回收站占配额(鼓励清理, 简单诚实) —— 网盘主流
  方案B 回收站不占(体验好, 存储成本暗涨) —— 配 30 天硬过期 + 回收站单独小配额
恢复体验: 文件树原位恢复 vs 统一"已恢复"目录 —— 原位要处理"原路径已被新建同名文件"冲突
企业版: 管理员回收站(员工删的管理员可救) + 部门级策略(法务要求保留 180 天) —— 521 题合规同源

第三步:清理任务

# 文件: purge-job.txt
物理清理任务(定时, 426 题 CronJob 思想):
  1) 扫描到期 trashed → purging(分批, 限速: 删除风暴会打爆存储 API 与账单速率限制)
  2) 删对象存储(引用计数归零才删, 527 题) + 删缩略图/转码产物(级联)
  3) 元数据归档(purged 记录进冷表) —— "被删除请求"的合规答复凭据
对账: 定时比对元数据表 vs 对象存储清单(孤儿对象回收/漏删补删) —— 262 题对账思想

总结:删除是状态机不是一条 SQL:回收站(软删+可恢复)、到期物理删(限速+级联)、合规锁定三态分清;配额口径要明示;purged 元数据留痕是合规的答卷。

追问1:删错了能恢复吗(过了回收站)? → 对象存储版本控制(开启版本化的桶可恢复)+ 备份(460 题)——但别把希望寄托在事后,回收站期限就是最后防线 追问2:批量删除几万个文件怎么处理? → 异步任务+进度反馈(277 题):先逻辑删(立即可见)后台慢慢物理删——用户感知”已删”,系统按节奏清理 追问3:回收站的搜索/排序要不要做? → 要(按删除时间/原路径/类型):找回效率决定回收站的价值——别做成只能翻页的坟场


529. 文件安全:病毒扫描与内容风控怎么进管线?

概念 文件安全两道关:静态安全(病毒/恶意格式扫描——ClamAV 或云厂商扫描服务)与内容安全(涉黄涉暴/版权——鉴黄模型与人工复核,550 题内容风控的文件版)。落位原则:上传后异步扫+“扫描中不可见/不可下载”,高危立即隔离;扫描结果驱动状态机。

典型场景 用户上传带宏病毒的 xlsx;恶意 PDF(解析漏洞);UGC 平台的图片/视频审核;免责与合规留痕。

解决方案 三步:管线落位 → 扫描方案选型 → 状态机与处置。

第一步:管线落位

# 文件: av-pipeline.txt
上传完成 → 文件状态 scanning → 扫描队列(277 题)→ clean / infected / suspect
体验设计:
  小文件(头像): 同步扫(<2s, 上传请求内完成) —— 即传即用
  大文件: 异步扫, 期间列表显示"处理中"占位 —— 不可下载不可分享(状态门禁, 517 题联动)
扫描是旁路不是路障: 扫描挂了 → 队列积压告警, 而不是"全部拒绝上传"(降级策略按业务定:
  内部工具可放行+标记待扫, UGC 平台必须扫完可见)

第二步:扫描方案选型

# 文件: av-choice.txt
病毒/恶意文件:
  ClamAV 自建(开源免费, 特征库更新要及时, 资源占用中)
  云厂商扫描服务(按量计费, 省运维)
  三方安全 API(VirusTotal 类, 适合抽样/复核, 有配额与合规)
内容安全(图片/视频/音频):
  云厂商鉴黄/暴恐 API(主流, 按量) + 自建模型(有风控团队才考虑)
  人机结合: 机器初筛 + 疑似进人工复核队列(550 题同款分层)
文本文件(文档内文字): 敏感词 + 内容安全模型 —— 551 题同源

第三步:状态机与处置

# 文件: av-state.txt
infected(病毒): 自动隔离(移入隔离区不可访问) + 通知上传者 + 安全事件留痕
suspect(疑似违规内容): 人工复核队列(时效 SLA) → 复核期间"仅自己可见"
误判申诉通道: 内容风控的申诉流(555 题举报流镜像) —— 创作者经济的命根
审计: 扫描结果与处置全留痕(521 题体系); 平台责任的合规答卷(明知有病毒文件不处置=担责)

总结:文件安全=异步扫描管线+状态门禁(扫描中不可见不可分发);病毒扫描选型按运维能力,内容安全人机结合;隔离、复核、申诉、留痕四个处置配套决定它是功能不是摆设。

追问1:扫描要多快? → 同步扫限小文件(<5MB/2s);大文件异步的“可见延迟”要产品化(处理中状态+完成通知)——用户等的是确定性不是速度 追问2:EXE/脚本类文件直接禁? → 平台性质决定:网盘允许(加扫+下载警告), 社区附件禁——一刀切禁上传是最便宜的安全, 产品代价自己权衡 追问3:扫描误报(白文件被杀)怎么办? → 白名单机制(hash 加白)+申诉;白名单要审计(被滥用的白名单=后门)


530. 网盘空间配额:计算、扩容与超额策略?

概念 配额三态:内(正常)、预警(80% 提示)、超额(限制动作而非删数据)。计算口径要明确:逻辑文件还是物理去重后(527 题)、回收站算不算(528 题)、转码产物算谁的。超额策略是产品决策:只读?禁止上传?还是宽限。

典型场景 用户质疑“我明明删了怎么还满”;免费用户配额商业模型;大文件上传到一半超额。

解决方案 三步:口径与计算 → 超额策略 → 商业模型联动。

第一步:口径与计算

# 文件: quota-calc.txt
口径三条(写进产品文档, 别让客服猜):
  1) 按用户逻辑引用计(user_files 的 size 和) —— 去重收益平台拿, 用户不感知(体验好)
  2) 回收站计入(528 题方案A) —— 提示语"清空回收站可释放 X GB"是转化位
  3) 转码/缩略图不计入用户(平台成本) —— 但导出中间产物要计(防刷)
计算实现: user_quota_usage 计数表(上传+size/删除-size, 事务更新) + 
  定时对账(计数 vs 实际引用求和, 漂移修复) —— 262 题对账思想, 计数必漂移

第二步:超额策略

# 文件: quota-exceed.txt
超额动作分级(从轻到重):
  预警(80%): 站内提示+清理建议(大文件排行: 最占空间的 TOP10 —— 帮用户删)
  软超额(100%): 禁止新上传/转存; 已有内容正常访问下载 —— 主流(不动用户数据)
  硬超额(严重滥用): 下载限速/共享功能关闭 —— 防白嫖仓储, 慎用(舆情)
上传中断处理: 直传场景"申请上传"时预检(申请量也占额度, 完成结算/过期释放) —— 
  522 题上传闭环的配额版: 申请未完成的挂账 15min 自动释放

第三步:商业模型联动

# 文件: quota-business.txt
免费配额的定价逻辑: 拉新(够用)+痒点(不够) —— 5GB 免费/2TB 会员的行业锚点
扩容路径: 订阅(会员)/叠加包(一次性)/任务奖励(签到扩容, 拉活) —— 三档价格梯度
降级(会员到期): 宽限期(90 天只读, 526 题生命周期) + 到期后禁上传不删数据 —— 
  别学某些厂商删数据上热搜
配额变更生效: 购买即时生效(体验); 到期降级异步结算(给用户缓冲) —— 520 题套餐联动

总结:配额工程三件事:口径明确(逻辑引用/回收站/产物)、计数+对账防漂移、超额限制动作不动数据;上传预检与挂账释放堵住直传场景的漏洞;配额是商业化钩子,降级策略要有体面。

追问1:团队/共享空间的配额怎么算? → 双层:个人配额+团队配额各自校验;共享文件计入团队(转存到个人再计个人)——转存即复制的语义要先定 追问2:配额扣减与上传的事务一致性? → 上传登记(写 user_files)与扣配额同事务;直传场景靠“申请挂账+完成结算”补偿——分布式一致性按 280 题幂等设计 追问3:怎么防止配额计数被刷? → 上传限频(245 题)+ 小文件聚合攻击防护(1 万个 1KB 也是 1 万次写)——量与次双维度限流


531. 重文件处理:转码、解析、AI 化的任务化策略?

概念 “重处理”指上传后的 CPU/时间大户:视频转码、文档解析(OCR/格式转换)、AI 处理(embedding/打标)。共同策略:任务化(队列+worker)、状态可见(进度与通知)、产物管理(缓存与规格)、优先级与公平(付费优先/大文件降级)。与 03 的 277 题(BullMQ)同源——本题是功能视角的任务编排。

典型场景 视频上传后 10 分钟才能看;批量导入文档等 AI 处理;高峰期处理任务积压。

解决方案 三步:任务化骨架 → 进度与通知体验 → 优先级与容量。

第一步:任务化骨架

# 文件: heavy-task.txt
统一任务模型(一个处理中心管所有重活):
  task { id, type: transcode|ocr|embed, input_file, params, priority, status, progress }
  状态机: queued → running(进度 0~100)→ done | failed(重试) | canceled
队列按 type 分(转码队列/AI 队列)—— 不同 worker 池, 互不拖累(435 题分池思想)
幂等: 同文件+同参数的任务去重(结果缓存, 二次上传秒出) —— 277/280 题三板斧

第二步:进度与通知体验

# 文件: task-ux.txt
进度三来源: 任务真实进度(转码帧数/分片序号)/ 阶段性假进度(估算, AI 处理难给真实进度)
  诚实原则: 不确定的阶段显示阶段名("解析中")而不是假百分比
通知: 完成推送(站内/App) + 失败原因人话("视频格式不支持, 试试 MP4") + 重试入口
列表态: 处理中的文件显示状态徽标(处理中 30%) —— 别让用户猜"是不是坏了"
取消: 用户可取消排队中任务(取消=队列移除); running 的可中断任务(AI 生成 271 题)与不可中断(转码)区分

第三步:优先级与容量

# 文件: task-priority.txt
优先级规则(产品定, 技术执行):
  付费用户 > 免费用户; 交互等待型(用户盯着) > 后台批量型; 小文件 > 大文件(快排快出)
饥饿防护: 批量任务(导入 1 万文档)拆批+让位(每批之间插交互任务) —— 别让一个客户饿死全站
容量: 按队列深度扩 worker(435 题指标弹性); 成本敏感型(AI 任务)错峰(夜间批处理便宜, GPU 池 492 题填谷同源)
积压治理: 队列深度告警(298 题) + 积压时降级(免费任务限流/暂停) —— 520 题开关联动

总结:重处理=统一任务中心:分类型队列、真实或诚实的进度、完成/失败/重试的完整体验;优先级按产品规则(付费、交互、小文件优先)配饥饿防护;容量靠队列深度弹性+错峰+积压降级。

追问1:任务失败重试的副作用? → 转码写了半个产物:任务级临时目录,成功才发布(原子);AI 任务的幂等靠结果缓存——278 题三板斧逐条过 追问2:处理结果要不要保留? → 产物缓存策略:常用规格常驻(命中率),冷产物按 526 题生命周期下线——重新处理比永久保存便宜时就扔 追问3:第三方处理服务(云转码)怎么接? → 提交-回调模式:任务状态机多一个 external 状态(等回调+超时主动查询)——回调要验签与幂等(280 题)



四、消息与通知(532–541)

532. 通知渠道选型:站内、邮件、短信、Push 怎么组合?

概念 五渠道各有位:站内(免费、需登录才见——兜底)、邮件(异步触达、营销与摘要)、短信(强触达+实名、贵)、App Push(免费直达、可被关)、Web Push(浏览器、生态弱)。选型逻辑=消息紧急度 × 用户在不在站内 × 成本预算;组合矩阵而非单选。

典型场景 “通知发了用户说没收到”;营销预算有限;关键告警必须到人。

解决方案 三步:渠道特性矩阵 → 按消息级别组合 → 兜底链设计。

第一步:渠道特性矩阵

# 文件: channel-matrix.txt
渠道        成本    到达感知    前置条件           适合
站内        0      需登录      -                  兜底+详情载体
App Push    ~0     强(锁屏)    装App+未关通知      C端主力
短信        高      很强        手机号              关键事务(验证码/安全告警)
邮件        低      弱(异步)    邮箱                报表/摘要/营销
Web Push    低      中          浏览器授权(易流失)  Web端补充

第二步:按消息级别组合

# 文件: msg-level.txt
消息四级 × 渠道组合:
  P0 安全/资金(异地登录/支付成功): 站内+短信+Push 三发 —— 必须到
  P1 事务(订单状态/审批待办): 站内+Push; 高价值动作补邮件
  P2 互动(评论/点赞/@): 站内+Push(可被设置关闭, 540 题)
  P3 营销(活动/折扣): 仅订阅渠道(邮件/Push 营销类), 站内消息中心营销分区
默认原则: 站内永远发(事实源), 其他渠道按级别叠加 —— 用户"在哪都能看到"但要"只在必要时打扰"

第三步:兜底链设计

# 文件: channel-fallback.txt
关键消息的升级链(536 题到达率联动):
  Push 发出 → 5min 未读(在线状态判断, 269 题)→ 补短信
  值班类告警: Push → 未确认 → 电话通道(298 题 page 级)
渠道能力探测: Push token 有效? 通知权限开着? —— 送达回执驱动"下次换渠道"决策
  (用户关了 Push 还硬发 = 静默丢失; 探测后降级邮件/短信)

总结:通知渠道是组合矩阵:站内兜底、Push 主力、短信保关键、邮件做摘要;按消息级别定组合而不是每条消息拍脑袋;关键消息配“未读升级链”。

追问1:短信什么时候必须用? → 验证码、安全告警、资金变动——强触达+实名属性;营销短信是投诉重灾区(退订率与投诉率进 543 类合规) 追问2:Push 送达率怎么提升? → 厂商通道(华为/小米/APNs)各自集成+回执;文案与时段优化(点开率进指标);别刷屏(用户关通知=永久失去渠道) 追问3:Web Push 值得做吗? → Web 为主的产品(工具站)值得;App 为主的产品边际收益小——授权流失率高危, 别当主力


533. 通知聚合与降噪:同质消息怎么合并?

概念 降噪三招:合并(同源消息窗口内聚合:“3 人赞了你的回答”)、抑制(单位时间同类上限:“今日不再提醒”)、静默时段(免打扰 22:00–8:00 递延)。设计核心:通知是“该知道的事”不是“全部发生的事”——推送层面聚合,消息中心保留明细。

典型场景 热门内容作者被赞到崩溃;群聊消息轰炸;拉黑某类通知。

解决方案 三步:聚合窗口设计 → 抑制与静默 → 明细与推送分层。

第一步:聚合窗口设计

# 文件: notify-aggregate.txt
聚合模型: (user_id, notify_type, 聚合键) → 活跃通知槽
  例: (u1, like, post:123) 窗口 10min 内 N 次赞 → 槽内计数+1, 推送只发一次
  "3 人赞了你的文章" —— 展示层读槽(计数+头像前几名), 点开看明细列表
窗口选择按类型: 点赞 10min / 评论 5min / 系统公告不聚合(全量槽)
窗口是推送粒度不是数据粒度: 明细全量入库(消息中心可查), 聚合只影响"打扰了几次"

第二步:抑制与静默

# 文件: notify-suppress.txt
抑制上限: 单类型每小时推送 ≤ N(如 3 次), 超出只进消息中心
  —— "今天剩余赞不再提醒"的提示本身就是体验
静默时段: 用户可设(默认 22:00-8:00); 时段内推送递延到时段结束(合并成一条摘要)
  紧急通道(P0 类)豁免静默 —— 分级豁免规则要显式(532 题级别联动)
连续抑制信号: 用户连续清除同类通知 5 次不点 → 弹"减少此类提醒?" —— 自适应降噪

第三步:明细与推送分层

# 文件: notify-layers.txt
两层分离的架构:
  事实层(notifications 表): 全量明细, 消息中心 UI 数据源, 不聚合不丢
  触达层(推送决策): 读取聚合槽+抑制规则+静默状态 → 决定发不发/发哪渠道
价值: 用户"没被打扰"但"打开都能看到" —— 降噪减的是打扰不是信息
点开率与关闭率双指标监控(298 题): 降噪上线后点开率应升、关闭率应降 —— 反了就是误伤

总结:降噪三招:聚合窗口(同源合并)、抑制上限(超量只进中心)、静默时段(递延+分级豁免);事实层全量、触达层决策的分层架构是关键;降噪的效果用点开率验证。

追问1:聚合窗口的实时性损失? → 首条立即推(保证及时),后续窗口内合并——“首条即推+后续聚合”兼顾时效与降噪 追问2:群聊消息的降噪? → @我/回复我的优先推,普通消息靠免打扰模式+摘要;群本身有“消息免打扰”开关(用户级) 追问3:服务端聚合的状态存哪? → Redis(窗口 key 带 TTL)+ 落库明细 —— 171 题缓存模式的复用;聚合槽过期自然清


534. 触达时机:实时、摘要、批量的策略怎么分?

概念 通知时机三档:实时(事件即推,P0/P1)、即时聚合(窗口 5~10 分钟,P2)、摘要(每日/每周汇总,P3 与轻量信息)。时机的选择=信息的时效价值:过时无用的实时,过时有用的摘要。摘要的质量(个性化、可行动性)决定它不被一键屏蔽。

典型场景 每日日报没人看;运营想“所有消息都即时”;用户抱怨推送太吵。

解决方案 三步:时机分档标准 → 摘要设计 → 时机实验。

第一步:时机分档标准

# 文件: notify-timing.txt
判定问题: 这条信息 1 小时后还有用吗?
  有用且延迟有损(验证码/告警/审批) → 实时
  有用但延迟无损(评论/点赞/回答) → 即时聚合(533 题窗口)
  有用但批量看更好(数据日报/周报/内容推荐) → 定时摘要
  只对营销有用(活动) → 用户许可的营销通道 + 频控
反模式: 全部实时(用户疲劳+渠道成本) / 全部摘要(紧急事件被埋)

第二步:摘要设计

# 文件: digest-design.txt
好摘要三要素:
  1) 个性化: "你有 3 个待办、2 条项目动态" 而不是全站广播
  2) 可行动: 每条带直达链接(点开处理而不是"去看")
  3) 有节制的条数: TOP 5+查看全部 —— 摘要是入口不是正文
发送时刻: 按用户活跃时段(历史打开时间分布)个性化 —— 早晨通勤/晚间两个经典峰
  A/B: 固定 8:00 vs 个性化时刻(337 题实验方法)
空摘要不发: 没内容的日报是骚扰 —— "无事不打扰"是摘要的底线纪律

第三步:时机实验

# 文件: timing-test.txt
时机是可以实验的变量(337 题体系):
  假设: 聚合窗口 10min → 30min 降噪 50%, 点开率不降
  指标: 推送量/点开率/关闭率/卸载归因(推送是卸载主因之一)
  分组: 按 user hash(282 题放量纪律)
工具化: 时机策略(窗口/时刻/频控)进配置中心可调 —— 282 题开关基建的复用

总结:触达时机按“时效价值”分三档:实时给紧急、聚合给互动、摘要给信息流;摘要的个性化+可行动+空不发是三纪律;时机参数全部可实验可配置。

追问1:深夜的实时消息怎么处理? → P0 豁免静默直接发;P1/P2 按静默时段递延(533 题)——级别决定豁免,产品规则显式化 追问2:摘要的个性化成本? → 每用户单独渲染(模板+数据查询):批处理任务夜里跑(426 题);量大时降级为分群模板(十种人格化变体) 追问3:推送频控的全局账怎么管? → 用户级”每日推送预算”(如 20 条)跨类型统筹 —— 单类型频控之外的总闸,防多业务叠加轰炸


535. 通知模板管理:多语言、变量与版本怎么组织?

概念 模板把“文案”从代码里解放:渠道差异(短信 70 字/Push 标题+正文/邮件 HTML)、多语言(i18n 键)、变量插值、版本与灰度。模板中心的产品化程度决定通知文案的迭代速度;合规红线(短信签名/退订语)进模板引擎而不是靠人记。

典型场景 改一句文案要发版;短信超 70 字被拆两条;多语言产品的通知维护;文案灰度。

解决方案 三步:模板模型 → 渠道适配 → 灰度与合规。

第一步:模板模型

# 文件: template-model.txt
template { code: "order.shipped", channel_variants: { sms/push/email/inline }, lang_variants, params_schema }
变量带 schema(名字/类型/长度约束): 渲染前校验(防变量超长撑爆短信)
参数超长策略: 短信渠道自动截断规则(商品名超 20 字取前 17+…) —— 渠道适配层做, 模板作者不操心
站内通知也走模板(渲染成富文本卡片, 支持跳转/action) —— 全渠道一个事实源

第二步:渠道适配

# 文件: template-channel.txt
短信: 字数计算(70 字/条, 超长拆分计费) —— 模板中心预计算+警告; 签名【XX】+退订回T(合规硬编码附加)
Push: 标题 ≤ 20 字的变体 + 大图/动作按钮(富推送)
邮件: HTML 模板(响应式)+ 纯文本降级 + 退订页链接(539 题送达联动)
站内: 卡片结构化(type/icon/actions) —— 前端按 type 渲染, 文案只占一部分

第三步:灰度与合规

# 文件: template-ops.txt
模板版本化: 草稿→审核→发布; 发布走灰度(10% 用户先看新文案, 337 题方法) —— 文案也是代码
合规内置: 短信退订语/邮件退订链接/营销类标识 —— 引擎强制注入, 模板里没写也会加
审计: 谁改了什么文案何时上线(521 题思想) —— 营销文案出错(价格写错)是真实事故源

总结:模板中心四件套:变量 schema+渲染校验、渠道适配(字数/签名/结构)、版本与灰度、合规注入;文案迭代不发版、出错可回滚是它的存在意义。

追问1:模板渲染的性能? → 高频模板预编译(语法树缓存);批量营销离线渲染——渲染是轻操作, 别过度设计 追问2:多语言的变量语序问题? → 用 ICU MessageFormat(复数/性别/语序)而不是简单 {name};翻译团队和模板系统要接上 追问3:模板和 539 题送达率的关系? → 邮件模板的 HTML 质量(垃圾邮件特征: 全图/敏感词)影响进箱率——模板中心带“垃圾邮件自检”是进阶功能


536. 到达率保障:重试、回执与通道降级怎么设计?

概念 通知“发出”≠“到达”≠“看到”。保障链:提交重试(接口级)、状态回执(厂商回执驱动“真到达”)、通道降级(Push 失败转短信/邮件)。度量口径先定清:提交成功率/送达率/展示率/点开率——每层都有自己的失败原因。

典型场景 “系统显示已发送用户没收到”;厂商通道静默丢;送达率报表怎么建。

解决方案 三步:指标分层 → 回执闭环 → 降级策略。

第一步:指标分层

# 文件: delivery-metrics.txt
四层漏斗(每层单独优化):
  提交成功: 我方 → 厂商接口(失败: 限流/格式/余额) —— 重试解决
  送达: 厂商 → 设备(失败: token 失效/权限关闭/厂商策略) —— 回执才知道
  展示: 设备 → 屏幕(失败: 杀后台/静默) —— 部分厂商回执支持
  点开: 用户动作 —— 最终价值
只报"提交成功"的到达率是自欺; 送达回执是唯一可信事实源

第二步:回执闭环

# 文件: receipt-loop.txt
回执处理:
  厂商回执(送达/失败/失效token) → 更新 notification 投递记录
  失效 token: 自动清理(别再发给死 token —— 发了也白发还拉低通道质量分)
  失败分类: 可重试(超时)重试; 不可重试(号码空号/邮件硬退)进黑名单
回执延迟: 厂商异步(秒~分级), 报表口径用"回执窗口"(如 1h 内回执率)
短信特殊: 运营商回执(DELIVRD)配置后才有 —— 没配回执的短信到达率是玄学

第三步:降级策略

# 文件: delivery-fallback.txt
按消息级别降级(532 题级别的执行层):
  P0: Push 失败/无 token → 短信(5min 内); 短信也失败 → 邮件+站内+电话(值班类)
  P1: Push 失败 → 站内+邮件(不打扰级不强求)
  P2/3: 失败就算(下次自然看到)
降级触发条件: 回执"未送达"或超时无回执(阈值: Push 5min)
实现: 投递状态机(pending→sent→delivered/failed) + 定时扫描补偿任务(277 题队列)

总结:到达率工程三件套:四层漏斗指标(提交/送达/展示/点开)、回执闭环(失效清理+失败分类)、按级别降级链;没有回执的通道,到达率是信仰不是数据。

追问1:厂商回执接不上怎么办? → 定期对账(发送量 vs 厂商后台统计)+ 抽样真机测试;预算内接第三方聚合推送(OneSignal 类)换回执能力 追问2:重试会不会导致重复通知? → 幂等键(通知 ID+渠道)厂商侧去重;重试只对“确认失败”的,超时未知的先查状态再重发——280 题思想 追问3:送达率报表给谁看? → 运营(渠道质量决策)与研发(失败归因)各一版;月度渠道评级(成功率/成本/回执支持)驱动通道采购


537. 已读未读:小红点与状态同步怎么做?

概念 已读未读的工程模型:每条通知/消息的读状态(user×message 粒度)或位点(cursor:用户读到哪了)两种;小红点是聚合展示(计数+角标)。难点在多端同步与计数一致性(部分已读、聚合计数)。03 的 269 题讲了在线状态的同步——本题是消息维度的对偶。

典型场景 消息中心红点数字不对;多端已读不同步;千万级消息的存储爆炸。

解决方案 三步:状态模型选型 → 计数与红点 → 多端同步。

第一步:状态模型选型

# 文件: read-model.txt
模型A 逐条读状态表(user_id, message_id, read_at):
  精确(可回放哪条读过), 量大(每条消息一行) —— 通知中心标准
模型B 位点/游标(user_id, box_type, last_read_id 或时间戳):
  "读到哪了"一维表达, 存储极小 —— 聊天/信息流类(新消息判定: id > cursor)
模型C 混合: 位点为主 + 特殊消息(@我/待办)逐条标记 —— 精确与成本的平衡
选择判据: 消息是否需要"回头重新标未读"/逐条操作? 需要→A; 流式消费→B

第二步:计数与红点

# 文件: badge-count.txt
红点计数 = 未读数聚合(总数 + 各分区角标):
  计数存储: Redis 计数器(收到+1, 已读批量-1) —— 高频读写
  一致性: 计数会漂移(并发/失败) → 定时对账(计数 vs 位点/状态表真实值, 262 题思想)
  红点分级: 总红点(应用图标)+ 分区红点(消息中心 tab)+ 列表内未读标记 —— 三层各自来源统一
清零体验: 进入列表自动已读(滑过即读 vs 点开才算读) —— 产品决策, 全局一致别混用

第三步:多端同步

# 文件: read-sync.txt
已读事件是状态变更: 走推送同步(多端在线: WS 广播已读位点, 264/268 题基建)
  离线端: 登录后拉当前位点/状态(增量同步: 上次位点 → now)
未读消息的离线窗口: 新设备打开, 未读列表怎么来? 位点模型: > cursor 的消息重拉并标未读
  逐条模型: 未读集合同步(消息中心 API)
红点推送: 服务端算好推给各端(别各端自己算 —— 多端口径不一致的根源)

总结:已读未读先选模型(逐条精确/位点轻量/混合),计数用 Redis+对账防漂移,红点三层统一服务端口径;多端同步靠已读事件推送+登录增量拉取。

追问1:计数漂移的用户感知? → 红点数字显示 3 打开却是空的 —— 兜底: 打开列表时实时校正(列表 API 返回权威未读数, 覆盖红点缓存) 追问2:免打扰与红点的关系? → 免打扰只影响推送(533 题), 红点照常亮 —— “不吵我”不等于“别让我知道”;分寸感是通知产品的修养 追问3:消息保留多久? → 事务类 6 个月+归档;聊天类 1~2 年(漫游);红点计数与列表分页解耦(计数来自聚合, 不依赖全量在场)


538. 短信通道:多供应商容灾与成本怎么优化?

概念 短信是唯一”花钱且会被刷”的通知渠道(508 题防刷是前置)。通道策略:多供应商(主备+按类型分道:验证码走高优通道、营销走低价通道)、故障切换(失败率阈值切通道)、成本优化(长短信计费规避、营销通道竞价)。回执与号码质量是长期运营面。

典型场景 大促短信延迟半小时;验证码通道被营销拖慢;短信成本季度翻倍。

解决方案 三步:通道架构 → 切换策略 → 成本治理。

第一步:通道架构

# 文件: sms-router.txt
供应商分道:
  验证码/告警 → 高优通道(贵但快, 独立供应商配额)
  行业通知(订单) → 标准通道
  营销 → 低价通道(独立供应商, 牵连风险隔离: 营销被投诉不影响验证码通道)
路由层: 统一网关(code → 供应商映射), 业务无感知(535 题模板中心的上游)
签名与模板报备: 每家供应商都要报备(审核周期 1~3 天) —— 新供应商接入要提前量

第二步:切换策略

# 文件: sms-failover.txt
健康度监测: 每 5min 统计各通道成功率/延迟(回执驱动, 536 题)
自动切换: 失败率 > 5% 或超时率超阈 → 该类型切备用通道 + 告警
  灰切: 先切 50% 流量观察(别全量跳悬崖, 282 题放量思想)
容量预案: 大促前向供应商预约峰值配额(临时扩容); 两家同时挂的极端 → P0 消息降级 Push+站内(532 题链)

第三步:成本治理

# 文件: sms-cost.txt
1) 长短信计费: 70 字/条 → 文案优化进模板中心(535 题字数预警)
2) 营销通道竞价: 按发送量季度谈价(阶梯); 失败计费条款谈清楚(未送达不计费的供应商优先)
3) 防刷前置: 508 题的频控/行为码是成本工程的第一道(被刷一晚 = 一季度优化白干)
4) 用量账单对账: 供应商账单 vs 我方发送记录(285 题对账) —— 计费差异是常态, 月度核对

总结:短信通道三件事:分道(验证码/通知/营销隔离)、自动切换(健康度驱动+灰切)、成本治理(字数/竞价/防刷/对账);它是通知体系里唯一要“采购思维”的渠道。

追问1:国际短信怎么办? → 国际通道单独供应商(价格差异大);出海产品按地区路由+本地号码发送(到达率与合规双收益) 追问2:短信被投诉的后果? → 通道封禁(验证码都发不出)——营销必须走独立通道+退订 honoring(收到退订请求 24h 内停发, 硬合规) 追问3:5G 消息/ RCS 值得吗? → 生态未统一, 按供应商能力试水(富媒体验证码场景);别押注


539. 邮件送达率:SPF、DKIM、DMARC 与发信域名怎么配置?

概念 邮件送达是“信用工程”:SPF(授权发信 IP)、DKIM(签名防篡改)、DMARC(策略+报告,告诉收件方如何处理伪造)三件套是地基;之上是发信域名分离(事务 vs 营销独立域名)、发送节奏预热(warm-up)、内容质量与退订合规。配置一次,运营持续。

典型场景 验证码邮件进垃圾箱;营销邮件打开率暴跌;域名被仿冒钓鱼。

解决方案 三步:三件套配置 → 域名与节奏策略 → 问题诊断。

第一步:三件套配置

# 文件: email-dns.txt
SPF: DNS TXT 记录列出所有授权发信 IP/服务商(include:sendgrid.net 等)
  ⚠️ SPF 记录只能一条(多条只认第一条) —— 多服务商要合并写; 超长会截断(10 次 DNS 查询上限)
DKIM: 域名加公钥记录, 发信服务商私钥签名 —— 防篡改+可信
DMARC: _dmarc TXT: p=none|quarantine|reject + rua=报告邮箱
  渐进: none(只收报告观察)→quarantine(可疑进垃圾)→reject(直接拒) —— 上来就 reject 会误杀自己

第二步:域名与节奏策略

# 文件: email-domain.txt
域名分离:
  主域(corp.com)只发事务关键邮件(验证码/账单) —— 信誉金贵
  营销/通知走子域(news.corp.com) —— 被拖累不伤主域
  ⚠️ 别用免费邮箱域发系统邮件(Gmail/企业邮箱直发限制与信誉都差)
新域名预热(warm-up): 小量起步(日几十)逐步放量到目标 —— 突然日发 10 万 = 直接进黑名单
节奏与清理: 硬退地址立即进抑制名单(再发=信誉自杀); 打开率低的老地址定期清理(惰性订阅者拖信誉)

第三步:问题诊断

# 文件: email-debug.txt
送达问题排查序:
  1) DMARC 报告(收件方反馈的 SPF/DKIM 对齐情况) —— 数据源首选
  2) 第三方检测(mail-tester 类)看配置分
  3) 供应商后台的退信/垃圾箱率报表
  4) 内容自检: 全图片邮件/短链接过多/敏感词 —— 垃圾邮件特征清单
钓鱼仿冒: DMARC reject 全量后, 伪造你域名的钓鱼邮件会被收件方拒 —— 这也是安全配置

总结:邮件送达三件套(SPF/DKIM/DMARC 渐进收紧)+ 域名分离 + 预热与抑制名单;诊断靠 DMARC 报告与供应商数据;DMARC 的 reject 档同时是反钓鱼配置。

追问1:自建邮件服务器还是用服务商? → 无专职团队一律服务商(信誉池共享+回执报表);自建的送达率维护是深坑 追问2:营销邮件的合规红线? → 退订链接一键可达(别玩“登录才能退订”)+ 退订 honoring;国内还有用户许可要求 —— 543 题合规同源 追问3:进垃圾箱了怎么救? → 找收件方申诉(Gmail Postmaster Tools 注册)/ 降低该渠道量级养信誉 —— 信誉恢复以周计, 别指望立即


540. 订阅偏好设置:让用户自己管通知怎么设计?

概念 通知设置的设计观:全局静音(粗)→ 分类开关(标准)→ 细粒度(渠道×类型矩阵,高级)。产品平衡:给用户控制权(减少一键全关与卸载)但别把设置页做成负担。默认值是产品态度:宁可少打扰,不可惹人嫌。

典型场景 用户被骚扰到关闭所有通知;设置项多到没人找得到;“我关了为什么还发”。

解决方案 三步:设置层级 → 默认值策略 → 一致性保障。

第一步:设置层级

# 文件: notify-prefs.txt
三层设置(由粗到细, 90% 用户只用前两层):
  L1 全局: 免打扰时段 + 总开关(慎用文案: 关闭=收不到安全提醒的警示)
  L2 分类: 互动/订单/系统/营销 四大类开关(按 533 题消息分级对应)
  L3 矩阵(高级折叠): 类型×渠道(评论的 Push 开但邮件关)
产品纪律: L3 藏在"高级设置"; 强制项(安全/法律通知)不可关(灰置+说明) —— 合规定义要法务确认

第二步:默认值策略

# 文件: notify-defaults.txt
默认值=产品价值观:
  事务类(订单/安全): 默认全开(用户利益所在)
  互动类(赞/评论): 默认开但聚合(533 题降噪默认配好)
  营销类: 默认关(合规与口碑双保险)或注册时显式勾选 —— 别默认勾选式流氓
新类型上线: 继承同类默认+首条发送时轻提示("可在设置中调整") —— 别默默开新打扰

第三步:一致性保障

# 文件: prefs-consistency.txt
"我关了还发"的三大根因:
  1) 设置缓存未失效(518 题同款: 偏好变更走世代号/主动失效)
  2) 类型映射错(营销邮件走了"系统通知"通道逃过开关) —— 发送前统一过偏好网关(别信上游的标签)
  3) 渠道逃逸(Push 关了但短信在发) —— 偏好是"类型级", 每渠道发送前都查同一份偏好
偏好网关: 触达链路的统一卡点(读取偏好+级别豁免) —— 533 题触达层的姊妹件

总结:通知偏好三层设计(全局/分类/矩阵),默认值保守(营销默认关),强制项明确;一致性靠“偏好网关统一卡点+变更即时失效”——关了还发是通知产品的信任杀手。

追问1:怎么知道设置页设计得好不好? → 指标: 访问率(高=被吵到了)、修改率、“全关”率;全关率上升=分类设计失败了 追问2:静默时段和免打扰的区别? → 静默=时段性递延(还会发, 533 题);免打扰分类=类型性关闭;两轴正交别混成一个开关 追问3:营销退订和通知设置的关系? → 退订(邮件/短信渠道级)优先级最高, 覆盖一切类型设置 —— 合规要求, 退订处理要留痕可审计


541. 营销触达与事务消息:为什么要隔离、怎么隔离?

概念 事务消息(用户行为触发:订单/验证码)与营销消息(运营主动:活动/折扣)必须隔离——通道隔离(独立供应商与域名,539 题)、频率隔离(营销独立频控)、信誉隔离(营销被投诉不拖累事务)、合规隔离(营销要许可与退订)。混发的事故形态:营销爆量把验证码堵在队列里。

典型场景 大促营销群发后验证码延迟;营销投诉导致事务通道被封;审计要求区分两类记录。

解决方案 三步:隔离架构 → 频率与优先级 → 合规落地。

第一步:隔离架构

# 文件: msg-isolation.txt
四层隔离:
  队列隔离: 事务队列(优先)/营销队列(低优+限速) —— 营销永远不能占满发送容量
  通道隔离: 供应商与发信域独立(538/539 题)
  数据隔离: 两类消息独立表/独立标签(报表与审计口径天然分开)
  开关隔离: 营销通道一键暂停(kill switch, 独立于事务通道) —— 282 题开关分级

第二步:频率与优先级

# 文件: msg-priority.txt
发送资源分配: 固定比例(如 70% 容量保事务)或事务抢占式(营销让位)
  事务积压告警 → 自动暂停营销(联动开关) —— 保障验证码永远秒级
营销自身频控: 用户级(每周 N 条)+全局节奏(别半夜群发);时段策略(534 题时机)
队列积压的诚实: 营销延迟几小时无妨(它不是时效消息) —— 别为营销延迟告警惊动值班

第三步:合规落地

# 文件: msg-compliance.txt
营销的合规清单(差异化于事务):
  许可: 用户同意接收(注册显式勾选/首次发送确认) —— 留存同意记录
  退订: 每条营销带退订入口, honoring 24h 内(540 题) + 退订名单全局生效
  标识: 营销内容明示(【广告】类要求按地区合规)
  发送时段: 法定限制(部分地区夜间禁发营销)
审计: 营销活动(谁发的/发了谁/多少人)独立留痕 —— 营销事故(发错价格)的追溯链(521 题体系)

总结:事务与营销隔离是通知体系的“防火墙”:队列、通道、数据、开关四层分开;容量上事务永远优先;营销的合规(许可/退订/标识/时段)是独立的运营纪律。

追问1:灰色地带(产品更新通知)算哪类? → 按用户视角定:与用户自身事务相关(你的订单)→事务;我方主动推给所有人的→营销;拿不准按营销(更严的合规不会错) 追问2:营销群发怎么控速? → 队列速率限制(如 500 条/秒)+分批发送(按用户段滚动)——既是通道保护也是效果实验单元(337 题) 追问3:隔离后用户视角怎么统一? → 用户不感知隔离:消息中心里营销独立分区+红点规则(营销不计入主红点) —— 537 题分层的运营应用




五、搜索功能(542–549)

542. 搜索方案选型:数据库 LIKE、ES、向量、混合怎么定?

概念 四档方案:数据库 LIKE/全文索引(千级数据,零基建)、Elasticsearch(关键词检索主力,02 批 190 系列讲了引擎深度)、向量检索(语义,04 批 RAG 章与补充问题 2 讲了引擎选型)、混合(BM25+向量+重排,体验最好成本最高)。功能视角的判据:数据量、语义需求强弱、排序复杂度、团队能力。

典型场景 后台管理搜索框;商品/内容站内搜索;文档/知识库语义搜索;“搜不准”的投诉。

解决方案 三步:选型阶梯 → 混合架构 → 迁移路径。

第一步:选型阶梯

# 文件: search-ladder.txt
数据 < 1 万 & 前缀够用: DB LIKE / 前缀索引 —— 后台管理系统标配, 别上 ES
数据 1 万~百万 & 关键词: PostgreSQL 全文/MySQL FT 起步 → ES(02 题 190~)
   触发升级信号: LIKE 查询进慢查询 TOP / 需要 highlight、聚合、拼音
语义需求("意思相近也要出"): 向量检索(pgvector 起步, 04 补充问题2 的量级阶梯)
体验上限: 混合检索(关键词+向量两路召回+融合排序) —— 搜"苹果手机维修"能出"iPhone 售后"
判据一句话: 先问"搜不到的代价"(管理后台漏一条=翻页找, C 端搜不到=丢单)

第二步:混合架构

# 文件: search-hybrid.txt
混合检索的功能版组合:
  召回: BM25(精确词/型号/人名强)+ 向量(口语/同义/跨语言强)并行 → 各取 TOP 50
  融合: RRF(倒数排名融合, 无参简单)或加权(按 query 类型动态: 含型号词偏 BM25)
  重排(可选): 业务规则(销量/上架时间)或模型 rerank(04 补充问题5)
降级链: 向量服务故障 → 纯 BM25 兜底(284 题熔断) —— 混合系统的可用性设计
开关化: "语义搜索"做产品开关(灰度+指标对比, 337 题) —— 上线即 A/B, 数据说话

第三步:迁移路径

# 文件: search-migrate.txt
DB → ES 迁移四步:
  1) 双写窗口(DB 为主, 异步投 ES —— 382 题outbox 防丢)
  2) 全量重建索引+对账(计数比对)
  3) 读切换(灰度: 5% 流量走 ES, 对比结果集质量)
  4) 写切换(LIKE 下线)
ES → 混合: 向量旁路叠加(不动 BM25) —— 渐进式, 每步可回退(469 题思想)

总结:搜索选型走阶梯:LIKE→全文→ES→向量→混合,按数据量与语义需求爬升;混合是两路召回+融合+可降级;每次迁移都是双写+对账+灰度切读的标准节奏。

追问1:拼音搜索怎么做? → ES 的 pinyin 分词器(索引期+查询期配置)或独立拼音索引(python-pinyin 预计算列)——中文产品的标配需求 追问2:搜索结果为空但数据存在? → 排查序:分词(词被切碎)/索引延迟(548 题实时性)/字段类型(keyword vs text)——三件事占九成 追问3:站内搜索要 SEO 兼容吗? → 内容型产品要:搜索结果页可被抓取(SSR/预渲染, 01 题 40 系列);工具型内部搜索不用管


543. 搜索联想与热词:输入建议怎么做?

概念 联想(suggest)三来源:词典(运营维护+自动挖掘)、用户历史(个人)、热搜(群体实时);排序按热度+前缀匹配+个性化。工程要点:低延迟(键入即查,<100ms)、防脏词(联想出违禁词是事故)、缓存与降级。

典型场景 输入框联想延迟高;联想词”带出”违禁内容;冷启动没词典。

解决方案 三步:来源与排序 → 工程实现 → 治理。

第一步:来源与排序

# 文件: suggest-sources.txt
三路来源融合:
  词典库: 运营词(品牌/活动)+自动挖掘(高频 query 聚类) —— 保底
  个人历史: 用户近期搜索(最强意图, 排最前, 可删) —— 隐私: 本地/账号级存储声明
  实时热搜: 全站 query 统计(滑动窗口热度, 如 1h) —— 从众心理
排序: 前缀命中 > 个人历史 > 热度; 位置加权(首字命中优先)
  别纯热度: 冷门长尾被热词淹没 —— 命中类型分层而不是一把排序

第二步:工程实现

# 文件: suggest-impl.txt
数据结构: 前缀树(Trie)或 ES completion suggester —— 千万级词典毫秒级
缓存: 热词榜(分钟级刷新的 Redis)+ 词典快照(本地缓存) —— 联想请求不打主搜
防抖: 前端 150ms 防抖+取消过期请求(01 题输入性能); 移动端输入法组合态处理
降级: 联想服务挂 → 只出个人历史(本地) —— 联想失败不挡搜索(输入框照常可用)

第三步:治理

# 文件: suggest-gov.txt
防脏: 联想词过敏感词过滤(551 题)+人工黑名单 —— "联想出违禁词"会被截图传播, 事故等级高
query 治理: 高频无结果 query → 触发"搜索优化任务"(补词典/调分词), 别让用户反复搜空
热搜干预: 运营可置顶/屏蔽(突发事件的舆论安全) —— 权限与审计(521 题体系)
作弊防护: 刷热搜(批量搜某词)→ 按 UV 而非 PV 统计+设备去重(554 题同源)

总结:联想三来源(词典/历史/热搜)分层排序;工程上缓存+防抖+降级保住 100ms 体验;治理上防脏词与刷榜是内容安全的一部分。

追问1:联想的延迟预算? → 键入到出词 <100ms(否则用户已输入下一个字):本地缓存+预取(输入首字母时预载词典段)——移动端网络 RTT 是大头,预取是关键 追问2:英文/数字混合联想? → 归一化(大小写/全半角)+ 首字母缩写索引(“sj”联想出”手机”)——中文产品的特色需求 追问3:联想点击率怎么优化? → 指标:联想点击/搜索比;实验:条数(6~8 条最优常见)、图标/图片富化(商品缩略图)——337 题实验框架


544. 搜索排序:相关度、业务权重与个性化怎么混合?

概念 排序三层:文本相关度(BM25/向量相似,回答”匹不匹配”)、业务权重(销量/时效/质量分,回答”哪个更好”)、个性化(用户偏好,回答”哪个更适合你”)。功能视角:先定业务公式再谈个性化;排序可解释与可干预(运营 boost)是后台刚需。

典型场景 “搜出来的顺序不对”的投诉;新品永远搜不到;个性化引发信息茧房质疑。

解决方案 三步:排序公式设计 → 可干预性 → 个性化的引入节奏。

第一步:排序公式设计

# 文件: rank-formula.txt
经典分层打分(LTR 之前的实用主义):
  score = 文本相关度(bm25 归一化 0~1) × w1
        + 业务分(销量分位/上架时间衰减/质量分加权) × w2
        + 运营 boost(活动商品/置顶) × w3
  w 按 A/B 调(337 题), 初始 w1=0.5, w2=0.4, w3=0.1 起步
品类差异: 标品类(型号精确优先) vs 内容类(时效+质量) vs 本地生活(距离) —— 分品类公式

第二步:可干预性

# 文件: rank-control.txt
运营干预位(后台功能, 别硬改代码):
  词×商品的 boost 表: 搜"年货"时指定商品加权 —— 营销搜位
  置顶/沉底: 单查询的固定干预(时效+审核)
  黑名单: 低质内容出不了 TOP N
干预的审计与过期: 谁加的 boost/到哪天过期(搜索公平性的红线, 电商场景有监管) —— 521 题留痕

第三步:个性化的引入节奏

# 文件: rank-personal.txt
个性化三档(渐进引入):
  0 档 无个性化: 全局统一序(可解释, 公平) —— 起步默认
  1 档 轻个性: 用户长期偏好(类目/价格带)微调权重 —— 离线算特征, 请求时查
  2 档 重排序模型: 在线学习(点击反馈) —— 有行为数据规模后(652 题推荐同源)
披露与关闭: 个性化可解释("猜你喜欢"标识)+用户可关(合规趋势) —— 关了回全局序

总结:排序=文本相关度×业务分×运营 boost 的显式公式起步,权重靠实验调;运营干预位产品化(可审计可过期);个性化渐进引入并给用户关闭权。

追问1:相关度和业务分怎么归一化? → 各自分位归一(0~1)再加权;别拿原始 bm25 分(无界)直接加——量纲统一是公式能调的前提 追问2:新品冷启动怎么搜得到? → 新品保护分(上架 7 天加权)+流量扶持位(搜索页固定坑位)——别让马太效应杀死供给 追问3:排序公平性的合规? → 电商/平台经济监管趋势:干预留痕、竞价排名标识(“广告”标)——合规先于增长


545. 搜索高亮与摘要:结果展示怎么做?

概念 展示层三件:高亮(命中词标红)、摘要(命中片段截取,别全文)、富卡片(结构化展示:商品图/价格)。高亮的技术面(ES highlighter)简单,产品面的坑:超长字段截断、多命中分散、拼音/同义命中的高亮一致性。

典型场景 高亮把整段标红;命中词在摘要里看不到;同义词命中但没高亮用户疑惑。

解决方案 三步:摘要截取 → 高亮一致性 → 富卡片。

第一步:摘要截取

# 文件: snippet.txt
摘要=最佳命中窗口: 以首个/最密命中位置为中心, 前后各取 N 字(中文 50~80 字/条)
  而不是"取前 100 字"(命中在尾部就看不到) —— ES 的 fragment 与 match 模式
多命中合并: 相邻命中合并片段, 超预算(2~3 个片段)取命中密度最高的
截断标记: …(前略/后略), 列表页摘要与详情页内容解耦(列表轻量)

第二步:高亮一致性

# 文件: highlight.txt
同义词/拼音命中也要高亮: 用户搜"土豆"文档写"马铃薯"且因此命中 —— 必须同时高亮两个词
  (只高亮原词, 用户以为搜错了) —— ES: highlight_query 与搜索 query 一致即可
大小写/全半角: 高亮匹配归一化, 展示保留原文
过度高亮: 全文都是命中词(搜"的")→ 阈值: 命中率过高的常见词不高亮(停用词表)
HTML 注入: 高亮插 <em> 前先转义原文 —— XSS 面(547 题联动)

第三步:富卡片

# 文件: rich-card.txt
结果页卡片化: 按类型渲染结构化卡片(商品: 图+价+标签; 文档: 标题+路径+时间)
  搜索 API 返回 type+结构化字段, 前端按类型渲染 —— 混合搜索(542 题)的多类型结果
图片懒加载与占位(01 题 40 系列); 卡片点击埋点(位置敏感: TOP3 与第 10 位点击率是排序调参的数据源, 298 题)

总结:展示层决定搜索“体感”:摘要取最佳命中窗口、高亮与命中语义一致(同义/归一化)、结果卡片化按类型渲染;高亮的 HTML 注入是唯一的安全红线。

追问1:高亮影响性能吗? → ES highlighter 在大文本上有开销:限制高亮字段(只 title+摘要)+片段数;超长字段高亮改用前端渲染(返回 offset 自己标) 追问2:摘要里的换行/格式? → 剥离格式取纯文本摘要(富文本高亮是深坑);详情页才渲染富文本 追问3:零结果前的“近似结果”? → 546 题空结果兜底的展示面:近似结果区标明“没有完全匹配, 为你找到相关结果”——预期管理


546. 空结果与搜索兜底:搜不到怎么办?

概念 空结果是搜索的“事故现场”:转化断裂+用户挫败。兜底四层:纠正(拼写/错别字:“你是不是想找”)、降级(去掉过严条件:筛选+全文)、填充(推荐/热销/分类入口)、收集(空 query 记录=产品优化金矿)。目标:空结果率 < 5% 且每个空结果页都有出口。

典型场景 长尾词空结果率高;筛选组合把结果筛空;空结果页流失率爆表。

解决方案 三步:空结果归因 → 兜底策略 → 空查询运营。

第一步:空结果归因

# 文件: empty-cause.txt
空结果三类(处理不同):
  A 真没货(词正常但库无): 兜底推荐+到货通知(电商) —— 供给侧问题
  B 词写错/方言: 纠错建议(编辑距离/拼音纠错:"土豆丝"→"马铃薯丝")
  C 查询过严(多条件叠加): 自动放宽(去掉低权重筛选重查, 标注"已忽略XX筛选")
归因埋点: 空 query 分类统计(298 题) —— 周报驱动: A 类补供给, B 类扩词典, C 类调默认筛选

第二步:兜底策略

# 文件: empty-fallback.txt
空结果页四件套(从上到下):
  1. 纠错提示: "你要找的是 XXX 吗?"(一键重搜)
  2. 放宽结果: "忽略筛选后有 32 个结果"(自动降级重查)
  3. 推荐区: 热销/同类目/浏览历史 —— 别让页面真空
  4. 反馈入口: "没找到? 告诉我们"(轻量表单) —— A 类空查询的供给侧信号
文案纪律: 明确说"没有找到"而不是显示空白或假装有结果 —— 诚实是体验

第三步:空查询运营

# 文件: empty-ops.txt
空 query 是产品金矿:
  高频空词榜(周) → 补词典(同义词/纠错对)/补供给(采购/UGC 引导)
  空词→竞品有我无 → 选品依据(电商); → 内容缺口(知识库, 614 题知识运营同源)
监控: 空结果率按 query 分位(头部词空率<1%, 长尾<15% 可接受) —— 整体数字会骗人(长尾多)

总结:空结果先归因(没货/写错/过严)再兜底(纠错+放宽+推荐+反馈);空 query 周报是供给侧与词典优化的驱动器;每个空结果页都要有出口,空着就是流失。

追问1:纠错怎么做? → 编辑距离近的高频词提示(不是自动替换——用户可能就要搜那个);点击纠错率监控其质量 追问2:筛选空的实时提示? → 筛选面板的选项计数(ES 聚合, 02 题 196)显示“品牌 A(0)”置灰——把“筛后空”消灭在筛选前 追问3:空结果率突增怎么排查? → 先查索引(数据没同步, 548 题)再查分词(词库变更)再查供给(类目下架)——数据面优先于算法面


547. 搜索防注入与防爬:搜索框的攻防?

概念 搜索框是公开输入面:查询注入(Elasticsearch query 语法注入/通配符 DoS)、爬虫拖库(搜索即数据导出口)、敏感词绕过与探测。防御分层:输入净化(白名单字符/长度)、语法隔离(用户输入永不进 query DSL)、频控(245 题)与反爬(554 题基建)。

典型场景 输入通配符让 CPU 100%;构造 query 语法拖全库;竞品用搜索接口爬 SKU。

解决方案 三步:输入净化 → DSL 隔离 → 反爬。

第一步:输入净化

# 文件: search-inject.txt
统一入口净化: 长度上限(64 字)、字符白名单(去控制字符/语法符号)、UTF-8 合法性
特殊攻击面:
  前导通配符(*xxx)与宽泛 fuzzy 查询 —— ES 的性能黑洞: 前缀长度限制/禁用 leading wildcard
  正则查询开放给用户 = ReDoS 之搜索版(322 题同源): 用户输入只做 term/match, 别拼 regexp
深度分页: from+size 到 10000 的限制 —— 深翻页用 search_after(既是性能也是反爬: 正常人不翻 500 页)

第二步:DSL 隔离

# 文件: dsl-isolation.txt
铁律: 用户输入是"参数"不是"查询的一部分"
  ✅ body: { query: { match: { title: "<用户输入>" } } }   —— 输入进 match 的值
  ❌ 拼接 query_string(用户输入 a OR * 会被解析) —— query_string/语法敏感组件不对终端用户开放
API 侧搜索参数固定结构(q/筛选字段/排序枚举), 排序字段白名单(sort=price, 别让传 script)

第三步:反爬

# 文件: search-anticrawl.txt
搜索是爬虫最爱的结构化出口, 防线(与 554 题共享):
  频控: 未登录 IP 限速 + 登录用户配额(每天搜索次数, 超额引导登录)
  行为识别: 翻页速度/页深分布/无点击纯翻页(正常人有点击) —— 风控信号
  蜜罐: 结果页埋假数据(仅爬虫可见的假 SKU) —— 竞品抄了就是证据
  数据出口治理: 详情页限匿名可见字段(价格/库存延迟) —— 别让搜索+翻页=全量导出

总结:搜索攻防三板斧:输入净化(长度/字符/通配符)、DSL 隔离(用户输入永远进 match 值不进语法)、反爬(频控+行为+蜜罐);深翻页限制同时是性能与安全设计。

追问1:搜索框 XSS? → 高亮回显是注入点(545 题):服务端转义后再插 ;前端渲染用文本节点而非 innerHTML 追问2:搜索日志的隐私? → query 含个人信息(搜自己名字):日志脱敏策略+保留期(223 题体系);个性化数据用途要在隐私政策声明 追问3:开放 API 的搜索怎么限? → API Key+配额(次数/字段范围);返回字段裁剪版(公开数据的子集) —— 与站内搜索不同权限面


548. 索引实时性:搜索结果多久能搜到?

概念 索引延迟谱系:同步(写库即索引,复杂)、近实时(秒分钟,主流:binlog/消息驱动)、准实时(分钟小时,定时批量)、全量重建(小时级,兜底)。功能视角:按业务定 SLA(商品上架可容忍分钟、聊天搜索要秒),架构按 SLA 选管道;一致性靠对账兜底。

典型场景 用户改了标题搜不到;客服反馈“后台改了前台不更新”;索引和库不一致排查。

解决方案 三步:SLA 分级 → 同步管道选型 → 对账与重建。

第一步:SLA 分级

# 文件: index-sla.txt
业务延迟需求分档:
  秒级(聊天/协同文档搜索): 写路径同步投递(双写或 domain 事件直投)
  分钟级(商品/内容上架): binlog(CDC)/消息队列消费 —— 主流
  小时级(报表/低频目录): 定时增量(updated_at 扫描)
  兜底(全量): 每周低峰重建(索引漂移的终极修复, 426 题CronJob)
产品话术: "上架后 X 分钟内可搜"写进商家文档 —— SLA 显式化而不是含糊

第二步:同步管道选型

# 文件: sync-pipeline.txt
管道三选:
  双写(业务代码同时写 DB+ES): 简单但一致性差(一个成功一个失败)
  事务消息/outbox(382 题): 业务写库+事件原子, 消费端更新索引 —— 推荐起点
  CDC(binlog 订阅 canal/debezium): 业务零侵入, 全表通用 —— 多表/遗留系统最优
消费端纪律: 幂等(消息至少一次, 280 题)+按版本丢弃(乱序旧消息覆盖新数据 —— 带 version 判断)
删除同步: 软删也要同步下架(搜索里出现已删内容是事故)

第三步:对账与重建

# 文件: index-audit.txt
对账任务(小时级): DB 与索引的 count+抽样字段比对, 差异清单 → 自动修复(重投)或告警
  —— 管道再好也会丢(消费失败/版本乱序), 对账是信任的来源(262 题思想)
全量重建: 版本化索引(alias 切换, 02 题 ES 系列的零停机重建) —— 索引结构变更/mapping 改动的正道
监控指标: 索引延迟(事件时间-索引时间的 P95)+积压(队列深度) —— 548 的 SLA 要有报表

总结:索引实时性先定业务 SLA 再选管道:outbox 起步、CDC 进阶;消费端幂等+版本防乱序;对账与版本化全量重建是长期一致性的两根拐杖。

追问1:索引延迟的产品感知? → “刚发的动态搜不到”:列表页自己的内容直出(不走搜索), 冷却期后进索引 —— 产品设计与索引 SLA 配合 追问2:热更新频繁的字段(库存/价格)也进索引? → 高频字段分离:搜索用基础索引, 价格库存实时查详情接口(列表页聚合)——索引只放搜索必要字段 追问3:多表关联文档(joined field)怎么同步? → 主表事件触发全文档重建(查关联表拼装);关联表变更反查主表触发 —— 变更源头映射表是配置化的


549. 中文搜索与多语言:分词策略怎么定?

概念 中文搜索的分词是效果地基:分词器选择(IK/结巴/jieba 类)、词库定制(行业词/品牌词)、拼音与英文混排、多语言产品的语言识别与分路由。02 批 ES 章讲了分词器的引擎面;本题管”产品的词库运营”。

典型场景 行业术语搜不出(“奥卡姆剃刀”被切碎);中英混合(型号+中文);国际化产品的搜索。

解决方案 三步:分词器与词库 → 混排处理 → 多语言路由。

第一步:分词器与词库

# 文件: cjk-tokenize.txt
分词器: IK(主流,ik_max_word 索引/ik_smart 查询)/结巴; 云厂商自带(腾讯/阿里 ES 定制版)
词库三层:
  基础词库(分词器自带)
  行业词库(运营/算法共建: 品牌名/型号/黑话 —— "绝绝子"这类新词)
  实体词库(产品库的 SKU 词自动进词库 —— 商品名是天然词源)
词库更新: 热更新(不重启)或定期重建; 新词监控(高频 bigram 未登录词挖掘 → 人工审核入库)
效果验证: 分词测试集(query 样本 → 期望分词)进 CI(293 题) —— 词库变更的回归

第二步:混排处理

# 文件: mixed-lang.txt
中英混合("iPhone 15 Pro 手机壳"): 分词器要同时处理(字母连串不切碎+中文切分)
型号精确匹配: "A1705" 这类型号词走 keyword 精确字段(不分词)与 text 字段双索引
  —— 搜型号要精确, 搜描述要分词, 字段策略二元化
拼音: 拼音字段(全拼+首字母)+ 拼音分词器(543 题) —— 索引体积换输入便利

第三步:多语言路由

# 文件: multi-lang.txt
国际化产品:
  每语言独立索引(mapping 按语言)或独立字段(title_zh/title_en)—— 文档量小用字段, 大用索引
  语言识别: 按用户 locale 优先, query 自动检测覆盖(日文用户输中文 → 中文字段也查)
  跨语言检索: 翻译扩展(查"手机"扩展"phone")或向量检索天然跨语(04 批语义) —— 向量是多语言搜索的捷径
排序与展示: 语言相关的时间格式/高亮规则跟随 locale(591 题时区同源)

总结:中文搜索三件事:分词器+三层词库(实体词库自动化)、混排与型号的精确字段策略、多语言按索引/字段分路由(向量是跨语捷径);词库是运营资产,要有测试集与更新流程。

追问1:用户分词和预期不一致怎么办? → query 理解层:同义词/纠错/分词覆盖(用户切分偏好统计进词库)——搜索优化是”猜用户怎么想”的持续工程 追问2:繁体搜索? → 繁简转换归一(OpenCC)入索引与查询;或分词器繁体支持——港台用户的底线体验 追问3:emoji/表情搜索? → 保留 emoji 做 keyword 匹配(评论搜”[笑]”);语义化标签(内容打标, 531 题 AI 处理)比 emoji 字面匹配实用



六、内容安全与风控(550–557)

550. 内容审核:先发后审、先审后发怎么选?

概念 审核时机三档:先审后发(高危场景:金融/新闻;延迟分钟~小时)、先发后审+快速撤回(主流 UGC:秒级消费体验+事后风险)、灰度可见(仅自己可见直到过审)。选型=内容风险 × 时效价值 × 成本;人机分层(机审全量+人审疑似)是成本与准确率的平衡。

典型场景 社区评论要不要先审;直播间实时审核;企业内内容平台。

解决方案 三步:时机选型 → 人机分层 → 状态机与可见性。

第一步:时机选型

# 文件: moderation-timing.txt
先审后发: 内容风险高且时效不敏感(招股书/公告/医疗) —— 宁慢不错
先发后审: 时效强互动内容(评论/弹幕): 机审秒过即发, 风险样本人工复核(发现即撤)
   ⚠️ 配套: 撤回要快(分钟级)+ 传播面控制(转发中的内容级联撤)
灰度可见(折中): 发布后仅作者可见, 机审低风险 X 秒后转公开(实时机审延迟 3~10s)
   —— 大多数低风险内容"无感过审", 高危拦截在爆发前
信用分级: 高信用用户先发后审, 新用户/历史违规先审后发 —— 精准化的审核资源分配

第二步:人机分层

# 文件: moderation-layer.txt
机审(全量, 秒级): 文本(敏感词 551+模型)/图片视频(鉴黄暴恐 API)/音频(ASR 转文本再审)
   输出: pass / reject / suspect(置信度中带)
人审(疑似+抽检): 审核队列(时效 SLA: 直播 <1min, 普通内容 <2h)
   审核台功能: 上下文+判定+快捷键+申诉入口 —— 审核效率是人审成本的核心
抽检: 已通过内容按比例人工抽(机审模型的盲区探测+审核质量监督)
成本观: 机审按量计费 —— 先发后审的内容大部分机审即终审, 人审只看 1~5% 疑似

第三步:状态机与可见性

# 文件: moderation-state.txt
内容状态: draft → reviewing(灰度可见)→ published | rejected | withdrawn(已发被撤)
可见性规则集中: 一个 visibility 函数(状态×观看者)管所有出口(列表/详情/搜索/分享)
   —— 散落的 if 是"已删内容还在搜索里"事故的根源(548 题索引同步联动)
撤回级联: 撤回内容 → 搜索索引下架+CDN 缓存刷新+转发引用替换("内容已不可见")
创作者通知: 被拒/被撤要告知原因与申诉入口(557 题) —— 法定义务(算法推荐规定类)

总结:审核时机按风险与时效选三档(先审/先发后审/灰度可见),信用分级做精准分配;人机分层(机审全量+人审疑似+抽检)控成本;可见性集中计算+撤回级联是工程底线。

追问1:直播的实时审核怎么做? → 抽帧审核(1s 一帧图片流)+音频 ASR 断流(高危即切断)——秒级人工兜底(审核台实时墙);直播是审核时延要求最高的场景 追问2:机审模型的阈值怎么定? → 宁可多疑似(人审量上升)不可漏放(事故)——阈值由 recall 目标反推;定期用人工标注集校准(04 批 330 评测思想) 追问3:审核标准怎么保持一致? → 审核 SOP 文档化+案例库(判定例)+新人考核;标准变更版本化(历史判定按当时标准解释)


551. 敏感词库:建设、匹配与绕过对抗?

概念 敏感词是内容安全的第一道(快、便宜、可解释),局限是只能匹配字面。工程三件:词库建设(来源/分级/更新)、匹配引擎(DFA/Trie 毫秒级)、绕过对抗(变体:拆字/谐音/符号插入——正则归一化+变体库)。与 550 题机审模型互补:词库管明确违规,模型管语义模糊。

典型场景 词库一万条后匹配变慢;用户用”薇❤️信”绕过;多业务不同词库。

解决方案 三步:词库建设 → 匹配引擎 → 绕过对抗。

第一步:词库建设

# 文件: banned-words.txt
词库来源: 监管清单(法定必须)/平台规则(竞品/导流/低俗)/业务黑话(黑产暗语)
分级: S 级(违法: 直接拒+上报)/ A 级(违规: 拦截)/ B 级(风险: 替换*或降权)/ 提示级(发前警示)
   —— 分级决定动作, 不是一律拒(骂人话降权 vs 政治敏感拒绝, 动作完全不同)
多业务隔离: 词库按业务域(tag: 直播/评论/昵称)组合 —— 昵称标准严于评论
更新流程: 热更新(不重启)+审计(谁加的/依据什么法规)+生效时间(追溯口径)

第二步:匹配引擎

# 文件: dfa-engine.txt
DFA/Trie 自动机: 一次扫描文本 O(n) 匹配全部词 —— 万级词库毫秒级(别用逐词 indexOf 循环: 万词×长文=秒级)
实现: 开源(sensitive-word/houbb)或自建(AC 自动机);词库变更重建自动机(秒级, 后台预热切换)
匹配归一化预处理: 全半角/大小写/繁简统一后再匹配 —— 一半的"绕过"死在这一步
命中处理: 分级动作(拒/替/审/标); 命中上下文留存(复议与模型训练样本)

第三步:绕过对抗

# 文件: evade-combat.txt
常见绕过与反制:
  符号插入(v❤️信/微-信): 预处理剥离( emoji/标点/零宽字符后再匹配) —— 归一化链
  拆字(弓虽): 拆字变体库(常见违规词的拆字形式批量生成入词库)
  谐音(威信/翠花): 谐音变体库(拼音相同/近音)+ 模型兜底(字面匹配的天花板)
  混语/火星文: 归一化(火星文映射表)能力有限 —— 语义模型(550 题)是终极防线
对抗节奏: 被绕过的案例 24h 内进词库(变体挖掘工具: 编辑距离自动生成候选);词库是活的对抗资产

总结:敏感词体系三件套:分级词库(热更+审计)、DFA 毫秒匹配+归一化预处理、变体对抗库(拆字/谐音/符号);词库管快与确定,模型管慢与模糊——两者是分层不是替代。

追问1:词库会不会误伤正常内容? → “秒杀”在促销语境正常: B 级词上下文豁免(白名单场景)+人工复议通道(557 题)——误伤率是词库质量指标 追问2:多语言词库? → 按语言分库(中/英/少数语言);跨境平台引入当地语言审核专家——词库的本地化是合规本地化的一部分 追问3:命中日志能干什么? → 高频命中词趋势(新型违规爆发预警)/按用户聚合(高风险账号, 556 题灰名单)——命中日志是风控的数据源不是终点


552. 图片与视频审核:模型、队列与人工怎么编排?

概念 多媒体审核链:机审模型(鉴黄/暴恐/广告二维码/违禁物体,置信度分档)→ 疑似人审(审核台+上下文)→ 处置(通过/拒绝/打码替代)。工程重点:异步管线(529/531 题任务化)、成本控制(视频抽帧降量)、边角能力(OCR 挑图里的字、ASR 审音频)。

典型场景 图床被传违规图;视频审核成本爆炸;模型误判真人正常内容。

解决方案 三步:管线编排 → 成本控制 → 边角能力。

第一步:管线编排

# 文件: media-pipeline.txt
上传 → 抽检策略生成任务 → 机审(多模型并行: 鉴黄/暴恐/广告/OCR)→ 分数聚合判定:
  全模型高置信通过 → pass(自动)
  任一模型高置信违规 → reject(自动) + 严重类人工复核(防模型误杀大 V)
  中置信 → 人审队列(按风险排序, SLA 分级)
状态联动: 529 题文件安全状态机(scanner)与内容审核共享一套 visibility —— 一个内容一个状态源

第二步:成本控制

# 文件: media-cost.txt
视频降量三招:
  抽帧审核(首帧/关键帧/每 N 秒)而非全帧 —— 成本降 90%+
  首尾加强(违规高发在片头片尾)+ 随机中段抽帧(防"干净片头骗过再切违规")
  分级清晰度(先审低清出结果, 高清异步复核) —— 首屏速度与成本兼得
图片批量: 同 hash 去重审核(527 题去重的审核版)+ 相似图聚类(只审聚类代表)
用户信用: 高信用用户轻审核(抽检率低), 违规历史重审核 —— 审核资源的精准投放

第三步:边角能力

# 文件: media-extra.txt
图内文字(OCR): 二维码/联系方式/违规文字在图片里 —— OCR 结果走 551 题文本链
音频(ASR): 语音转文本进文本审核; 高危音频断流(直播)
打码替代: 部分违规(裸露)自动打码放行 vs 整图拒绝 —— 产品决策(打码体验 vs 法律风险), 法务参与
版权检测: 内容指纹(视频 md5+音频指纹)对版权库 —— 平台责任(避风港原则的主动义务)

总结:多媒体审核=多模型并行判定+置信度分档自动/人工分流;成本靠抽帧、去重、信用分级;OCR/ASR/指纹把“图里字、话里音、盗版货”纳入同一条文本与指纹管线。

追问1:模型误判正常内容的处理? → 高置信也抽检(大 V/高影响内容强制人审)+申诉通道快速恢复(557 题)——误判大 V 内容是舆情事故 追问2:AI 生成内容的审核差异? → AI 生成违规(AI 换脸/生成色图)模型同样适用;标识要求(AI 生成内容标注, 699 题合规)与审核是两条并行义务 追问3:审核延时对发布体验? → 灰度可见(550 题)+上传即回执“审核中”状态徽标(531 题体验)——预期管理优于真实提速


553. 举报流程:从入口到处置的闭环怎么建?

概念 举报是用户参与的安全网:入口(轻量,别让用户填论文)→ 分级(自动分类+紧急通道)→ 处置(SLA 分级)→ 反馈(给举报人回执——法定义务)。闭环的关键:举报处理率与时效是平台责任指标,黑产恶意举报是反向风控面。

典型场景 举报石沉大海被投诉;恶意举报打击竞品;法定举报通道(监管要求)。

解决方案 三步:入口与分类 → 处置分级 → 反馈与治理。

第一步:入口与分类

# 文件: report-entry.txt
入口设计: 内容详情"举报"按钮(默认理由单选: 色情/诈骗/侵权/人身攻击/其他+可选补充)
   —— 30 秒完成, 别强制登录后跳三页(流失=安全网失效)
分类辅助: 举报理由+NLP 预分类(给处置队列自动分组)+ 上下文带齐(被举报内容快照:
   内容可能被删/改, 举报时要存证)
紧急类目: 儿童相关/自杀自残/恐怖 —— 独立通道: 秒级人工+上报流程(法律义务)

第二步:处置分级

# 文件: report-handle.txt
SLA 分级: 紧急类即时 / 侵权类 24h(通知权) / 普通 72h
处置动作: 确认违规(下架/封号/扣分)/ 不违规(驳回)/ 需更多证据(补充材料请求)
多举报聚合: 同一内容被 N 人举报 → 并案(一次处置批量关闭) + 热点内容自动升级优先级
处置与审核体系联动: 举报确认的违规特征回流训练样本(550 题模型迭代)

第三步:反馈与治理

# 文件: report-feedback.txt
举报人反馈(合规义务): 受理回执 + 处理结果通知("你举报的内容已被处理")
   —— 举报无回音 = 用户放弃举报转舆情
被举报人权利: 通知+申诉(557 题) —— 处置不是终审
恶意举报风控: 短时间批量举报同一目标/举报历史高驳回率用户 → 举报降权(进人审不自动处置)
   —— 举报武器化是真实存在的黑产手法
指标: 举报处理率/时效/举报人满意度/恶意举报识别率 —— 平台责任的量化答卷

总结:举报闭环四段:轻入口+存证、分级 SLA 处置(多举报并案)、双向反馈(举报人回执+被举报人申诉)、恶意举报反向风控;举报数据回流审核模型形成增强回路。

追问1:举报入口要不要在评论区也放? → 要(轻量图标):举报粒度=内容粒度(评论/回复各自可报)——入口离内容越近转化越高 追问2:第三方侵权投诉(律师函)与用户举报的区别? → 法务通道(权利人通知:下架+通知被投诉人+反通知流程)——法定的”通知-删除”程序, 与用户举报并行两套 追问3:举报量暴涨(热点事件)怎么办? → 并案聚合(第二步)+临时增援(审核外包弹性)+自动处置阈值(千人举报自动隐藏待审, 事后人工)——容量预案(498 题思想)


554. 防刷与黑产对抗:设备、频次、行为三道墙?

概念 黑产对抗三道墙:设备墙(设备指纹/模拟器检测/设备农场识别)、频次墙(多维限流:IP/设备/账号,245 题基建)、行为墙(操作序列异常:注册即群发/无浏览直下单)。核心方法论:攻击成本抬升+异常聚类发现,没有”绝对防住”。

典型场景 羊毛党批量注册领券;评论区水军;秒杀脚本。

解决方案 三步:三道墙建设 → 名单与处置 → 对抗节奏。

第一步:三道墙建设

# 文件: anti-fraud-walls.txt
设备墙: 设备指纹(509 题采集) + 模拟器/Root/群控特征检测 + 设备农场(同设备 N 账号)识别
   —— 商业方案(数美/同盾) vs 自建: 起步买商业(对抗是军备), 有规模再自研
频次墙: 全接口多维限流(IP/设备/账号/行为对), 分布式令牌桶(245 题)
   —— 单维限流必被绕(换 IP 池), 至少三维
行为墙: 行为序列建模(正常用户: 浏览→加购→下单; 羊毛: 注册→领券→提现)
   规则起步(注册 X 分钟内做敏感操作)→ 模型进阶(序列异常检测)

第二步:名单与处置

# 文件: anti-fraud-action.txt
处置分级(556 题名单联动): 确定黑产(封设备+关联账号) / 疑似(验证码挑战+限功能) / 观察(标记不处置)
关联分析: 一个设备上的账号互相牵连(图关系: 设备-账号-IP-收款账户的图聚类)
   —— 封一个号没用, 封"团伙"(图算法/社区发现)才是对抗单位
诱饵与延迟处置: 蜜罐优惠券(标记领用的全是黑产)+延迟封禁(收割期一起封, 别打草惊蛇)

第三步:对抗节奏

# 文件: anti-fraud-rhythm.txt
对抗是持续战:
  攻击升级监控(被绕过的手法复盘: 新绕过 48h 内补墙, 551 题同节奏)
  黑产工具监测(群控软件更新=攻击面预告)
  数据回流: 每次对抗的样本(黑白标注)沉淀 → 规则/模型的迭代燃料
度量: 被拦截率×误伤率×攻击成本(黑产换工具的频率——他们换得越勤说明你越有效)

总结:防刷三道墙(设备/频次/行为)+图关联的团伙级处置+蜜罐与延迟收割;对抗节奏按“被绕过 48h 补墙”运转;买商业方案起步,数据规模才是自研的入场券。

追问1:羊毛党和黑产的边界? → 羊毛(占便宜但真人)处置偏限(限制领取);黑产(自动化牟利)处置偏封+法律追责——定性影响处置力度 追问2:误伤真人的申诉? → 挑战式验证(人脸/实名)解锁+申诉通道(557 题)——风控的误伤出口(509 题同源) 追问3:活动防刷的活动前准备? → 活动评审清单: 奖励面(单车上限)+参与门槛(实名/信用分)+监控大盘(实时拦截率)+紧急停损开关(282 题)——活动上线即攻防开始


555. 风控规则引擎:实时决策怎么落地?

概念 风控引擎=请求入口处的实时决策器:输入(用户/设备/行为/环境信号,509 题采集)→ 规则/模型评估 → 决策(放行/挑战/拒绝/标记)。功能视角:规则要“业务可配置”(运营加规则不发版)、决策要低延迟(<50ms,同步链路上)、规则要有灰度与观察模式(509 题同源)。

典型场景 运营等排期加规则错过活动防护;风控决策拖慢下单接口;规则互相冲突。

解决方案 三步:引擎架构 → 规则生命周期 → 性能与降级。

第一步:引擎架构

# 文件: risk-engine.txt
架构分层:
  信号层: 实时特征(设备/IP/频次—— Redis 计数)+离线特征(用户画像/历史信用—— KV 查询)
  决策层: 规则(表达式: if 设备.new && freq.register>3 then challenge)+ 模型(评分)并行
  响应层: 决策码(pass/challenge/reject/mark)+原因码(给客服与审计)
规则 DSL: 配置化表达式(age > 18 && device.count > 5 && ip.isIDC) —— 运营台编辑, 灰度发布

第二步:规则生命周期

# 文件: rule-lifecycle.txt
规则五态: 草稿 → 观察(只记日志不拦截, 509 题) → 灰度(1%~10% 流量) → 全量 → 过期下线
规则评审: 命中率预估(观察期数据)+误伤评估(命中样本抽检) —— 上线门槛
冲突管理: 规则优先级+同名互斥(同类动作取最严);规则依赖可视化(改基础特征时看影响面)
版本与回滚: 规则集版本化, 一键回滚(282 题开关基建的风控版)

第三步:性能与降级

# 文件: risk-perf.txt
延迟预算: 同步链路 <50ms(下单/支付不能等风控 500ms):
  特征预加载(用户级特征缓存)、规则编译执行(非解释执行)、并行评估
降级设计: 风控引擎挂 → 放行+标记(事后离线扫) vs 拒绝 —— 按业务定(交易类宁可放行事后追,
  注册类可拒绝) —— 降级策略显式配置(284 题思想)
旁路异步: 非实时决策(事后分析/名单更新)走异步管道 —— 同步链路只留必要决策

总结:风控引擎三件:信号分层(实时+离线特征)、规则 DSL 化(观察→灰度→全量的生命周期)、50ms 预算(预加载+编译执行);降级策略显式化——风控可用性故障不该变成业务全停。

追问1:规则和模型怎么分工? → 规则:可解释、快、法务可背书(拒绝要给理由);模型:覆盖模糊模式(未知攻击);先规则后模型,决策解释靠规则兜底 追问2:特征工程的风控特色? → 时效特征(最近 1h 下单数——滑动窗口计数)是主力:Redis 滑动窗口成本与精度的平衡(分桶近似) 追问3:多业务共用一套引擎吗? → 引擎平台化(信号/评估/响应通用), 规则与阈值按业务域隔离配置 —— 551 题词库分域的同款结构


556. 名单体系:黑、白、灰名单怎么治理?

概念 名单是风控的“记忆”:黑(确定拒绝:封禁设备/账号/IP)、白(确定信任:内部测试号/合作渠道——跳过部分风控)、灰(观察:疑似,加强验证)。治理重点:来源可溯(谁加的为什么)、期限管理(永久 vs 定期复审)、误伤解除(自助申诉通道)。

典型场景 测试设备被风控拦;黑名单三年没人清;IP 段误杀整个校园网。

解决方案 三步:名单建模 → 生命周期 → 运营治理。

第一步:名单建模

# 文件: list-model.txt
统一名单模型: { type: black|white|gray, entity: device|account|ip|phone, value, 
  reason_code, source: 人工|规则自动|模型自动|申诉恢复, expire_at, added_by }
按 entity 分存储与查询(Redis set + DB 持久层):
  IP 名单要支持 CIDR 段(整段封禁)—— 注意 IP 的共享性(校园网/基站 NAT: 段封禁=误伤放大器)
查询在网关/风控引擎入口统一(555 题信号层), 业务不各自查名单

第二步:生命周期

# 文件: list-lifecycle.txt
期限纪律:
  自动加入的黑名单带复审期(如 90 天): 期间无新违规可降灰(设备换主人了)
  永久名单仅限: 严重违法(上报过的)+法务确认 —— 永久=永不复审=僵尸名单温床
  白名单最危险: 测试号忘删=后门(550 题审核豁免被滥用) —— 白名单强制到期(30 天续期)
变更审计: 加/移除名单全留痕(521 题体系) —— "为什么我的号被封"的客服答复与合规回溯

第三步:运营治理

# 文件: list-ops.txt
指标看板: 名单量趋势(暴涨=攻击事件)/命中率(不命中的名单是死数据)/误伤申诉率
定期清理: 季度复审(TOP 大名单逐类)——IP 名单优先清(NAT 复用让旧 IP 封禁失去意义)
联动闭环: 申诉恢复(557 题)自动移灰(观察期)而不是直接回白 —— 恢复也要有信任重建
跨业务共享: 黑产设备/手机号跨业务共享名单(集团级联防) —— 隐私与法务边界先确认

总结:名单是风控的记忆体:统一建模(类型×实体×来源×期限)、生命周期纪律(复审期/白名单强制到期/变更审计)、运营看板(命中率/申诉率/定期清理);IP 类名单的共享性让它天然容易误伤。

追问1:名单和风控规则的关系? → 名单是”事实”(这个设备是黑的),规则消费事实;自动加名单的规则要配自动复审——规则生产、名单存储、引擎消费 追问2:用户查询自己在不在黑名单? → 不暴露名单存在(攻击者探测):对被拦截用户给”行为异常”话术+申诉通道——名单保密性与用户知情权的平衡 追问3:灰名单的实际动作? → 加强验证(每单都要验证码)/限额(单日 1 单)/观察埋点加强——灰名单是”过筛动作”的触发器不是拒绝


557. 申诉与误判治理:内容安全的服务闭环?

概念 误判治理是内容安全的产品下半场:申诉入口(被封/被拒/被下架的用户)、快速复核(SLA 分级)、补偿机制(误判恢复+权益补偿)、误判率治理(反馈回流审核体系)。法定背景:处置告知与申诉是算法监管的明确要求。

典型场景 创作者内容被误判下架引发舆情;申诉没人处理;误判率居高不下。

解决方案 三步:申诉流程 → 复核与补偿 → 误判率治理。

第一步:申诉流程

# 文件: appeal-flow.txt
入口: 处置通知内直接申诉(别让用户找客服电话);表单轻量(理由+补充材料可选)
SLA: 误封账号类 24h / 内容下架类 48h / 信用分争议 72h
复核独立性: 复核人 ≠ 原判定人(或至少更高权限);模型判定的由人复核(机器不能审自己的申诉)
加急通道: 大 V/认证创作者/有商业损失的场景 —— 误判的商业成本不对称

第二步:复核与补偿

# 文件: appeal-review.txt
复核结果: 撤销(恢复内容+信用分+通知)/维持(说理: 违反哪条规则, 可再诉一次)/改判(降级处置)
补偿: 误封期间流量损失(创作者)——恢复推荐/补偿曝光位;现金类(电商误封店)按损失协议
恢复的级联: 内容恢复要触发索引回建(548 题)/缓存刷新/统计修正 —— "撤销"不是改一行状态

第三步:误判率治理

# 文件: appeal-metrics.txt
误判率 = 申诉撤销数 ÷ 处置总数(按处置来源分: 机审误判率/人审误判率/规则误判率)
目标: 机审疑似队列的人审误判率 <2%; 自动处置(无人工)误判是最高危 —— 高影响处置强制人审
回流: 撤销案例 → 模型负样本(550 题迭代)+ 词库豁免(551 题)+规则修正(555 题)
   —— 申诉是免费的标注工厂
透明度: 定期公示处置数据(处置量/申诉量/撤销率) —— 监管趋势与平台信任

总结:申诉闭环三段:轻入口+分级 SLA+独立复核;撤销要级联恢复+误判补偿;误判率按来源度量、撤销案例回流三库(模型/词库/规则)——误判治理做好的平台,内容安全才是“服务”不是“暴力”。

追问1:恶意申诉(违规者反复诉)怎么防? → 申诉次数限制(每处置 1~2 次)+申诉材料要求升级+恶意申诉进灰名单(556 题)——申诉通道也要防滥用 追问2:申诉数据给监管看什么? → 处置量、申诉量、撤销率、平均时效——年度透明度报告的固定栏目 追问3:人审的情绪劳动怎么管? → 轮岗/心理支持/强度上限——审核团队的可持续性是内容安全的地基,别当成纯成本




七、支付与交易(558–565)

558. 支付渠道聚合:直连与聚合服务怎么选?

概念 渠道接入三形态:直连各家(微信/支付宝/银行,自主可控但每家都要接)、聚合服务商(拉卡拉/收钱吧类,一套 API 多渠道,费率高一层)、云厂商聚合(微信/支付宝/银联一套 SDK)。选型维度:费率、到账周期、对账能力、退款能力、资质门槛。

典型场景 初创产品快速上线收款;多渠道(微信+支付宝+银联+国际卡)维护成本;费率谈判。

解决方案 三步:选型矩阵 → 聚合层设计 → 资质与合规。

第一步:选型矩阵

# 文件: pay-choice.txt
直连(微信/支付宝官方): 费率最低(0.6% 行业价)、能力全(退款/分账/企业付)、每家独立接入维护
聚合服务商: 一套接入 N 渠道(含银联/数字人民币)、费率高(0.38~2.6% 看场景)、适合多渠道长尾
   —— 小额高频场景(0.38% 的扫码)可能比直连还划算, 大额一定直连
云厂商聚合(腾讯云/阿里云支付): 折中(官方生态+一套 API)
决策树: 只做国内 C 端 → 直连微信+支付宝(两套就够); 要银联/线下码 → 加聚合;
   出海 → Stripe/Adyen(国际卡)+本地钱包(GrabPay 类) —— 国际是另一个世界(拒付/汇率)

第二步:聚合层设计

# 文件: pay-agg-design.txt
自有聚合层(不管接几家都要有): 统一下单接口 → 渠道路由 → 统一回调 → 统一对账(560 题)
渠道路由策略: 按费率优先+可用性降级(微信挂了切支付宝? 调起类不存在"挂", 但网关超时存在)
   按用户(用户装什么给什么: 移动端拉起微信/支付宝选择页)
渠道抽象: 渠道适配器模式(每渠道实现 下单/查单/退款/对账 四接口) —— 新渠道接入是加适配器不是改业务

第三步:资质与合规

# 文件: pay-compliance.txt
资质门槛: 微信/支付宝商户号(营业执照)+类目审核(行业限制: 虚拟/金融类要特殊资质)
   —— 产品立项先确认支付资质可办(虚拟货币/某些 AI 服务类目受限)
二清红线: 平台代收再分给商家 = 无支付牌照的二清(违法) —— 多商家平台必须用
   官方分账(微信分账/支付宝分账)或持牌服务商 —— 架构受合规约束的典型案例
数据合规: 卡号/身份信息不过自己库(直连官方即合规); 国际卡 PCI-DSS(要么用 token 化服务免审)

总结:支付选型按渠道矩阵:国内直连微信+支付宝、长尾走聚合、国际独立体系;自有聚合层(渠道适配器+统一回调对账)是必然产物;资质与二清红线先于架构设计。

追问1:费率能谈吗? → 能:交易量阶梯(月流水百万级起谈)、行业案例;聚合服务商的费率报价永远要按自己客单价算实际成本 追问2:数字人民币要不要接? → 政策性支持场景(政务/试点城市补贴)接;C 端自然流量占比极小——别为它重构 追问3:测试环境怎么搞? → 微信/支付宝沙箱(仿真度一般)+小额真实环境(1 分钱单)+自动化回归(支付链路的 E2E, 289 题)——支付回归必须自动化


559. 支付回调:验签、幂等与补单怎么保证不丢单?

概念 回调是支付状态的”事实来源通知”:渠道异步 POST 通知 → 验签(防伪造)→ 幂等处理(回调会重复来)→ 状态机推进 → 返回成功。不丢单的三重保险:回调 + 主动查单(回调丢了兜底)+ 对账(560 题终极兜底)。03 的 280 题讲了幂等全景——本题是它在支付的落地。

典型场景 回调没到用户已付款(丢单事故);重复回调发货两次;伪造回调被骗发货。

解决方案 三步:回调处理链 → 补单机制 → 状态机纪律。

第一步:回调处理链

# 文件: callback-chain.txt
处理五步(顺序固定):
  1) 验签: 渠道公钥/密钥校验(微信 v3 平台证书、支付宝 RSA2) —— 不验签=裸奔
  2) 幂等: 按渠道流水号(transaction_id)去重; 已处理的直接返回成功(让渠道停止重推)
  3) 校验金额: 回调金额 vs 订单金额(篡改/部分支付场景) —— 不符进异常流程
  4) 状态推进: 订单状态机 CAS 更新(pending→paid 只能走一次, 562 题)
  5) 应答: 渠道要求的格式(成功返回 success/200) —— 应答错=渠道无限重推
响应纪律: 处理要快(渠道超时视为失败重推)——重活(发货/通知)异步化, 回调只做状态推进

第二步:补单机制

# 文件: poll-compensate.txt
丢单场景: 回调网络丢/服务重启漏 —— 双保险:
  1) 主动查单: 未终态订单(pending 超过 X 分钟)定时调"查单接口"核对
     查单任务分层: 5min 内每分钟查(刚支付)、之后降频(5/15/60min) —— 补单任务表+退避
  2) 用户触发兜底: 用户进"订单详情"时实时查一次(体验最快的补单)
回调 vs 查单优先级: 都以"渠道查单接口"结果为准(回调也可能乱序: 先到"退款"后到"支付")

第三步:状态机纪律

# 文件: pay-state.txt
订单支付状态机: pending → paid → delivered | refunding → refunded | closed
  原子推进: UPDATE orders SET status='paid' WHERE id=? AND status='pending' —— 影响行数=1 才继续
  (280 题状态机幂等的支付版: 重复回调第二次 CAS 失败直接返回成功)
金额与币种的一致性: paid_amount 累加而非覆盖(部分支付/组合付)
发货幂等: paid 状态触发的发货也要幂等键(289 题任务) —— 回调重试+消息队列至少一次的双重重复源

总结:回调链五步(验签/幂等/验金额/CAS 推进/正确应答);不丢单靠三重保险(回调+主动查单+对账);一切状态以渠道查单为最终事实、以数据库 CAS 为唯一推进方式。

追问1:回调处理失败怎么办? → 返回失败让渠道重推(渠道按衰减频率重推 4~8 次)+ 自己的查单兜底——别在回调里重试业务 追问2:用户重复点支付(两笔渠道单)? → 一订单多渠道流水:以先成功者为准, 后成功的触发自动退款(564 题防重的入口, 561 题退款的出口) 追问3:回调服务要不要独立部署? → 独立小组件(无状态回调接收 → 写入队列 → 订单服务消费):回调入口极简(高可用), 业务逻辑在消费端(可重放)


560. 对账系统:渠道账、内部账与差异处理怎么建?

概念 对账是资金安全的最终防线:渠道对账(渠道账单 vs 我方支付流水)、内部对账(支付流水 vs 业务订单/发货)、账证核对(总分核对:渠道总金额 vs 我方总金额)。差异类型:长款(渠道有我无——丢单候选)、短款(我有渠道无——数据错误)、金额不符。03 的 262 题对账思想在资金域的严阵以待版。

典型场景 月底财务发现金额对不上;渠道账单下载失败;差异处理一个月没人管。

解决方案 三步:对账流程 → 差异分类处理 → 运营化。

第一步:对账流程

# 文件: reconciliation-flow.txt
日对账(T+1, 渠道账单可下载后):
  1) 拉账单: 渠道对账文件下载(定时任务, 失败重试+告警 —— 账单拿不到对账就无从谈起)
  2) 解析入库: 渠道流水标准化(字段映射)
  3) 核对: 按渠道流水号 join 我方支付记录 —— 三态: 平 / 长款 / 短款;金额逐笔比对
  4) 总分核对: 总笔数/总金额先比(快速发现大问题), 再逐笔
  5) 差异入池: 差异工单(带上下文)→ 处理流程
内部对账: 支付流水 vs 订单状态(paid 订单必有流水)/发货记录(paid+delivered 闭环)

第二步:差异分类处理

# 文件: diff-handling.txt
长款(渠道有我无): 回调丢失+查单漏 —— 补单(559 题)优先于入差异池;
  无法匹配的长款挂账(客户的钱要能退/认领) —— 30 天无主进待处理资产
短款(我有渠道无): 时间窗问题(T+1 切割线)/测试单混入/数据 bug —— 修数据+修根因
金额不符: 退款冲抵口径/手续费口径(渠道账单含手续费列, 别拿含费比净额)
处理时效: 差异当日清零是理想, 实际 T+3 内闭环 + 长龄差异告警(>7 天的差异必有蹊跷)

第三步:运营化

# 文件: recon-ops.txt
对账大盘: 每日差异率/长款短款趋势/处理时效 —— 差异率突变=系统 bug 或攻击的信号(298 题)
自动处理率: 可规则化的差异(时间窗类)自动匹配闭环, 人只看真正异常 —— 对账也要降本
月度财务关账: 日对账的汇总进月报(与财务口径对齐: 手续费/退款/净额)
审计: 对账结果与处理动作留痕(521 题体系) —— 财务审计的答卷

总结:对账三层(渠道/内部/总分)、差异三态(长款补单挂账、短款修根因、金额对口径)、日清周结的运营节奏;对账差异率是资金系统的健康体温计。

追问1:切日时间不一致怎么办? → 渠道切日(0 点)与我方切日可能差:对账窗口按渠道账单日期+滚动两天窗口重对——时间窗差异自动二次匹配 追问2:退款也要对账吗? → 要:退款单 vs 渠道退款流水(退款失败但以为退了=客诉),同样长款短款逻辑 追问3:多渠道多币种? → 每渠道独立对账池;币种独立列(别换算存储, 展示层再换算, 589 题金额精度同源)


561. 退款:原路退回、部分退款与状态机怎么设计?

概念 退款的工程面:发起(用户申请/客服操作/系统自动)、审核(风控:恶意退款识别)、执行(原路退回是硬规则)、状态机(refunding→成功/失败,失败要能重试与换路径)。部分退款与多次退款:一笔支付多次部分退,累计不超支付额。

典型场景 用户点退款没反应;退款卡在”处理中”三天;恶意退款(收到货申请仅退款)。

解决方案 三步:退款链路 → 部分退款与并发 → 失败与风控。

第一步:退款链路

# 文件: refund-flow.txt
链路: 申请 → 审核(自动规则+人工)→ 调渠道退款接口 → 渠道异步处理 → 回调/查单确认 → 通知用户
原路退回: 渠道强制(微信/支付宝只支持原路) —— 设计上没有选择题, 只有实现好不好的问题
时效管理: 受理即通知用户"预计 1~7 个工作日"(渠道处理+银行到账), 
   状态实时可查(用户在订单页看进度, 别让客服成为查询接口)

第二步:部分退款与并发

# 文件: partial-refund.txt
多次部分退款: refund 表独立(一支付单 N 笔退款单), 校验 Σ退款额 ≤ 支付额(并发下用
   DB 约束或 SELECT FOR UPDATE, 235 题事务同源)
并发场景: 用户连点两次退款/客服与用户同时发起 —— 幂等键(退款申请单号)+唯一约束
   "同订单同金额同原因的重复申请"合并(280 题)
金额精度: 分单位整数运算(589 题)——退款金额精度事故=资损

第三步:失败与风控

# 文件: refund-risk.txt
退款失败三类: 渠道余额不足(商户号)——充值/延迟重试; 用户账户异常(注销/冻结)——人工线下;
   超退款期限(渠道 1 年限制)——线下转账流程(合规留痕)
自动重试: 失败原因可重试的, 退避重试(3 次)→ 人工池 —— 退款卡死是最伤客诉的
恶意退款风控(554 题同源): 高退款率用户/黑名单收货地址/仅退款模式识别 —— 
   审核分层: 低风险自动秒退(体验), 高风险人工

总结:退款=原路硬规则+异步状态机+部分退款的并发约束;时效透明(预计时间+实时状态)与失败重试决定客诉率;恶意退款走风控分层审核。

追问1:退款和订单状态的关系? → 退款是独立状态机, 订单侧只记”有退款中/已退款”聚合态——别把退款状态揉进订单状态机(耦合爆炸) 追问2:优惠券退回吗? → 退款时回退优惠券(未过期则回, 过期不回)——营销成本的回收逻辑, 与 563 题核销联动 追问3:自动退款的触发条件? → 系统类(发货超时/风控拦截)自动秒退; 用户申请类默认要审核(至少规则审核)——全自动退款要配风控, 否则是被薅的口子


562. 订单超时关单:延迟消息怎么选型?

概念 未支付订单超时自动关闭(释放库存/优惠券):本质是”定时器”。方案谱系:定时轮询扫表(简单粗暴)、延迟队列(RMQ 死信/BullMQ delay,274/277 题)、Redis 过期回调、时间轮。判据:精度要求、量级、与现有基建的契合。03 的 274 题讲了 RMQ 的 TTL 方案——本题做功能选型。

典型场景 下单 15 分钟未支付关单;关单与支付回调的竞态;大促万级订单的定时器。

解决方案 三步:方案对照 → 竞态处理 → 关单的级联动作。

第一步:方案对照

# 文件: order-timeout.txt
定时扫表(每分钟扫 pending 超时): 简单、精度分钟级、表要索引(超时字段)
   —— 量小(<10 万/天)首选, 别过度设计
延迟队列: RMQ 死信(274 题队头阻塞注意)/BullMQ delay(277 题, Redis)/Redisson 延迟
   —— 精度秒级, 与支付回调同基建(消息驱动一致)
时间轮/Kafka: 内部实现复杂, 用现成库(Netty HashedWheel)或别自研
选型: 已有 MQ → 延迟消息; 没有 → 扫表起步(加监控), 量大了再升级 —— 559 题的查单兜底对关单同样适用

第二步:竞态处理

# 文件: timeout-race.txt
经典竞态: 关单消息触发时用户刚支付完成(回调在路上):
  关单动作 = CAS: UPDATE orders SET status='closed' WHERE id=? AND status='pending'
  —— 影响行数 0 = 已支付, 关单放弃(不回滚支付, 走退款流程 561 题的自动退)
反向竞态: 关单先成功, 支付回调后到 —— "已关单但已扣款": 自动退款(用户无感)
  —— 这条链路要自动化, 人工处理每单都是客诉
原则: 状态机 CAS 是裁判, 谁先到谁生效, 后到者走补偿 —— 280 题思想全覆盖

第三步:关单的级联动作

# 文件: close-cascade.txt
关单不是改状态: 
  库存回补(232 类扣减的逆操作, 幂等)
  优惠券回退(563 题核销的逆操作, 过期判断)
  活动资格回退(限购次数)
  —— 全部异步化(事件驱动)+幂等(关单消息至少一次)
幂等实现: 关单动作表(order_close_log)唯一键 —— 重复消息不重复回补

总结:超时关单的选型阶梯:扫表起步、延迟队列进阶(精度与基建定);竞态靠状态机 CAS 裁判+后到者补偿(已支付关单→自动退款);关单的级联(库存/券/资格)全部异步幂等。

追问1:超时时间可以配置吗? → 按业务类型配置(秒杀 5min/普通 30min/预售 24h)——超时策略进配置中心(241 题体系) 追问2:扫表方案怎么优化? → 索引(status+timeout_at)+分批扫(每批 500)+跳过锁(分布式锁防多实例重复扫, 238 题) 追问3:关单失败(库存回补挂了)怎么办? → 重试队列+告警;回补与关单解耦(各自幂等, 最终一致)——别让关单事务包含一切(382 题思想)


563. 优惠券:类型、发放、核销与防刷怎么设计?

概念 优惠券的完整生命周期:创建(类型:满减/折扣/无门槛;预算与库存)→ 发放(主动领/系统发/兑换码)→ 使用(校验规则+锁定)→ 核销(与订单绑定)→ 退回(订单取消)。防刷贯穿:领取频控、使用风控、预算熔断。营销资产的对账(发了多少用了多少)是财务要求。

典型场景 大促券被羊毛党领光;券规则校验漏洞(0 元购);券预算超发。

解决方案 三步:券模型 → 发放与核销 → 防刷与对账。

第一步:券模型

# 文件: coupon-model.txt
券模板(coupon): 类型(满减 amount_off/折扣 percent_off, 折扣要设封顶)、
  规则(门槛/品类/有效期/叠加策略)、预算(total_quantity + per_user_limit)、状态
用户券(user_coupon): 模板+用户+状态(unused/locked/used/expired/returned)
叠加策略是设计深水区: 同单多券? 券+活动价? —— 显式建模(叠加组/互斥组), 别靠 if 硬写
有效期: 固定区间 vs 领取后 N 天(动态)——过期清理任务(562 题同款定时器)

第二步:发放与核销

# 文件: coupon-issue-use.txt
发放: 
  领取: 领券接口(限 per_user_limit —— Redis 计数+DB 唯一约束双保险, 554 题防刷)
  兑换码: 码批次(一次性导出分发)+核销统计 —— 线下渠道的入口
  定向发放: 系统发(批量任务, 补偿用户场景留审计)
核销(下单时):
  1) 锁定: unused→locked(防并发双订单用同一张券, CAS)
  2) 支付成功 → used; 关单/退款 → returned(562 题级联)
  —— 锁定态让"下单未支付"期间券不可他用, 超时未支付随关单释放

第三步:防刷与对账

# 文件: coupon-anti-fraud.txt
防刷三道(554 题同源): 领取(账号/设备/实名维度限领)、使用(高风险订单人工)、
  预算熔断(发放量/核销金额超阈值自动停发+告警 —— 营销资损的 kill switch, 282 题)
风控联动: 同设备多账号集中用同模板券 → 团伙识别(图关联, 554 题)
对账(560 题思想): 券发放/使用/过期/退回的四态账 —— 财务口径: 营销费用 = 核销抵扣金额
  核销额 vs 预算的日报 —— 超预算是事故(0 元购类漏洞的最终防线)

总结:券系统三件套:模板(规则/预算/叠加策略显式化)、发放与核销(锁定态+CAS)、防刷与对账(限领/熔断/四态账);叠加规则与预算熔断是最容易出事故的两点。

追问1:折扣券的精度? → 折扣计算向上取整(平台让利用户方向)还是向下?定价策略统一(589 题金额纪律);封顶金额必设(否则 99 折买豪车=灾难) 追问2:券和价格计算的顺序? → 明确顺序链:活动价→券抵扣→运费, 写进规则引擎;顺序不同结果不同——计算链版本化(争议单可复算) 追问3:新用户专享券的判定? → 首单定义(注册未下单 vs 设备首单):定义写清+防”注销重注册薅”(513 题账号回收联动)


564. 防重复支付与并发下单:幂等设计怎么落地?

概念 交易域三类重复:重复支付(用户双击/多渠道各付一单)、重复下单(网络重试)、并发超卖(库存并发扣减)。核心武器:幂等键(客户端生成唯一 ID,280 题协议)、状态机 CAS、库存的原子扣减。03 的 280 题给了全景——本题按支付场景组装。

典型场景 用户双击支付按钮付了两次;弱网重试下了两单;秒杀超卖。

解决方案 三步:下单幂等 → 支付防重 → 库存并发。

第一步:下单幂等

# 文件: order-idempotent.txt
下单接口幂等: 客户端生成 requestId(提交按钮防抖+uuid)随请求;
  服务端: Redis SETNX(idem:requestId) + DB 唯一约束(用户+requestId)双保险
  重复请求返回同一订单(不是报错) —— 280 题"返回上次结果"的交易版
购物车结算的并发: 同一购物车两次结算 → 幂等键(购物车版本号)或结算后清车(乐观锁)

第二步:支付防重

# 文件: pay-idempotent.txt
用户维度防重: 创建支付单时校验"该订单存在进行中的支付单"(未失效不新建)
   —— 双击/换渠道重试都命中这一条
多渠道竞态: 两笔支付都成功(防重失败时): 先到者生效, 后到者自动退款(561 题)
   —— 防重是概率, 补偿是必然, 两层都要
支付单状态机: created→paying→success/failed/closed, CAS 推进 —— 
  "paying"单超时未支付自动关(复用 562 题定时器)

第三步:库存并发

# 文件: stock-concurrency.txt
扣库存三板斧(并发正确性递增):
  1) 乐观: UPDATE stock SET n=n-1 WHERE id=? AND n>0 —— 影响行数=1 才成功(DB 原子)
  2) 悲观: SELECT FOR UPDATE(235 题)——热点行锁, 秒杀不适用
  3) Redis 预扣(lua 原子: 判+扣一体) + 异步落库 —— 秒杀标配(172 题缓存章同源)
超卖兜底: DB 约束(n>=0)是最后防线;Redis 与 DB 对账(预扣 vs 实际)定时校准(560 题思想)

总结:交易防重三层:下单幂等(requestId 双保险)、支付防重(进行中单拦截+竞态自动退款)、库存原子扣减(条件更新/Redis lua);防重是概率工程,补偿自动化才是兜底。

追问1:幂等键的时效? → 覆盖重试窗口+缓冲(24h);窗口后同 key 视为新请求——支付类永效(订单维度查重)更稳 追问2:秒杀的完整链路? → Redis 预扣(前置限流 245 题+答题/验证码削峰)→ MQ 异步创建订单(180 题削峰)→ DB 最终扣减——秒杀是全题库综合题(功能版 498 题大促) 追问3:对账发现超卖怎么处理? → 止损优先(下架商品)→ 补货或赔付(规则透明)→ 根因(哪层漏了: 约束缺失/Redis 与 DB 不一致)——超卖事故的三段处置 SOP


565. 虚拟资产账本:积分、余额怎么记账才不出错?

概念 虚拟资产(余额/积分/成长值)的记账原则借鉴复式记账:每笔变动有借贷两方(用户余额变动 ↔ 业务原因科目),流水不可改(只追加),余额=期初+流水累计(可重算校验)。反模式:直接 UPDATE 余额字段(丢失历史,出错无法追溯)。382 题分布式一致性的资产域应用。

典型场景 余额对不上客诉;并发充值/消费余额错乱;审计要求资金流水可回溯。

解决方案 三步:账本模型 → 并发与一致性 → 对账与合规。

第一步:账本模型

# 文件: ledger-model.txt
两张核心表:
  account(账户): user_id + asset_type(余额/积分), balance(冗余, 可重算)
  ledger_entry(流水): account_id, change(+/-), balance_after(变动后快照), 
    biz_type(充值/消费/退款/调整), biz_id(业务单号, 唯一约束=幂等), created_at
不变式: balance_after 严格递增序(按账户) —— 断档=并发写入乱序或丢数据(告警)
只追加: 流水不允许 UPDATE/DELETE(修正用反向冲正流水) —— 审计友好的根本

第二步:并发与一致性

# 文件: ledger-concurrency.txt
并发写入(同账户同时消费+充值):
  方案A 悲观: SELECT FOR UPDATE 串行化(简单, 账户级热点可接受——单用户并发低)
  方案B 乐观: 版本号 CAS(冲突重试)
  —— 账户余额场景 A 更稳(锁粒度=单账户, 无全局热点)
幂等: biz_id 唯一约束(同一退款单重复记账直接冲突拒绝, 280 题)
业务事务边界: 扣余额+业务动作(发货/兑换)同 DB 事务;跨服务走 outbox(382 题)

第三步:对账与合规

# 文件: ledger-audit.txt
日对账(560 题同源):
  balance 字段 vs 流水重算(期初+Σchange) —— 全账户校验(量级允许)或抽样+异常账户全量
  流水与业务单对账(每笔兑换有兑换单, 每笔充值有支付单)
负余额防御: 消费类流水前校验余额充足(锁内校验);充值类渠道对账确认后才入账(T+1 可用可配)
合规: 余额(预付价值)受预付卡/单用途预付卡监管(地区差异)——发行规模/退款规则/备付金,
  法务前置;积分的会计处理(递延收益)财务定口径

总结:虚拟资产=追加式流水+可重算余额:流水带 biz_id 幂等与 balance_after 快照;账户级锁串行化并发;日对账(重算+业务单双向);余额类业务先过合规(预付监管)。

追问1:积分和余额的模型差异? → 积分有获取与消耗双流水(获取来源多样)、有效期(过期流水);余额强监管——同模型不同合规强度, 资产类型抽象统一 追问2:大 V 账户的热点? → 单账户锁在高并发下排队:合并写(窗口内多笔合并一条流水? 违背明细原则)→ 分账本(活动余额+结算余额分层)——热账户是架构题 追问3:用户能看到什么? → 流水明细页(时间/类型/变动/余额快照)——账本的用户面就是”账单”,可读性是产品要求



八、数据导入导出与报表(566–573)

566. Excel 导入:解析策略与错误行处理怎么做?

概念 Excel 导入的双挑战:技术(大文件解析内存、格式多样性)与业务(脏数据治理)。核心策略:模板约束(下载模板填)→ 服务端逐行校验(行列级错误收集)→ 部分成功 or 全部回滚(产品决策)→ 错误报告回传。大文件走异步任务(531 题)。

典型场景 运营导入 10 万行商品;导入成功一半失败一半的争议;格式五花八门。

解决方案 三步:模板与解析 → 校验与错误处理 → 大文件异步化。

第一步:模板与解析

# 文件: excel-import.txt
模板先行: 提供下载模板(表头固定+数据校验规则批注+示例行)——把脏数据消灭在源头
解析技术: 流式读取(exceljs/SAX 流, 03 题 225 同源)—— 万行不落内存全量
格式容错: 表头匹配(列名映射, 顺序无关)+日期/数字格式归一化(Excel 日期序列号陷阱)
   上传前校验: 文件类型魔数、大小上限、行数上限(拆批引导)

第二步:校验与错误处理

# 文件: import-validate.txt
逐行校验分类: 格式错(缺列/类型不对)/ 业务错(编码重复/引用不存在)/ 冲突错(与库中数据)
错误收集策略: 全量收集(不是遇错即停)→ 错误报告(行号+列+原因, 导出错误 Excel 回传)
导入模式二选一(产品决策):
  全部成功才导入(事务式): 数据严谨场景(财务/库存)——错了全退, 用户改完重来
  逐行导入(部分成功): 容忍场景(客户名单)——成功 N 条失败 M 条+错误清单
   ⚠️ 部分成功要幂等(重导入跳过已成功行——行唯一键)

第三步:大文件异步化

# 文件: import-async.txt
> 1 万行: 异步任务化(531 题): 上传即返回任务 ID → 进度(已处理行数)→ 完成通知+结果下载
分批处理: 每批 1000 行提交(内存可控+进度可报);单批失败重试不影响其他批
并发导入限制: 同用户同时 1 个导入任务(防重复上传)——任务队列 per-user 串行

总结:Excel 导入三段论:模板约束源头、逐行校验+错误报告(全量收集)、按体量同步或异步;导入模式(全成/部分成功)是产品决策且必须配幂等。

追问1:CSV 和 Excel 都支持吗? → 都要(CSV 轻量/BOM 与分隔符陷阱;Excel 格式丰富);统一抽象为”表格数据”解析层 追问2:导入的数据权限? → 导入目标范围过权限(515 题):没权限的行报错而不是静默跳过——导入是批量写入口, 权限校验不能少 追问3:导入历史可追溯? → 导入批次表(谁/何时/文件/成功失败统计)+行级明细(行→业务对象映射)——导入出问题可回滚(按批次反向删除)


567. 字段映射与模板管理:导入配置化怎么做?

概念 导入配置化的进阶:多模板管理(不同来源不同格式)、字段映射(模板列→系统字段)可配置、转换规则(默认值/单位换算/字典翻译)。目标:新来源接入不改代码;运营自助建映射。

典型场景 三个部门三种模板;客户坚持用自己的格式;字段增减频繁。

解决方案 三步:映射模型 → 转换管道 → 模板治理。

第一步:映射模型

# 文件: field-mapping.txt
import_template: { 名称, 适用对象(商品/客户), 列定义[{列名, 类型, 必填, 示例}] }
field_mapping: 模板列 → 系统字段( product.title ← "商品名称")
   类型兼容校验(字符串列映数值字段: 报错或转换规则)
映射粒度: 直接映射/ 拆分(姓名列→姓+名)/ 合并(省+市→地址)——表达式级映射(轻 DSL)

第二步:转换管道

# 文件: transform-pipeline.txt
转换链(顺序执行): 
  归一化(去空格/全半角/大小写) → 类型转换(日期多格式尝试) → 
  字典翻译("男"→1, 字典表配置) → 默认值填充 → 业务校验
每步可配置开关+失败策略(报错/用默认/置空标记)
预览能力: 导入前"试运行"(前 10 行预览转换结果+错误)——让用户在正式导入前看到会发生什么

第三步:模板治理

# 文件: template-gov.txt
模板版本化: 列定义变更=新版本(旧文件仍可导入按旧映射)——运营改模板不炸历史
模板权限: 谁能建/改模板(管理员), 谁能用模板导入(业务) —— 514 题权限的导入位
复用与市场: 常用模板库(官方模板+团队模板)——别让每人建一套自己的

总结:导入配置化三件:映射模型(列→字段+拆合表达式)、转换管道(归一化/类型/字典/默认值+试运行预览)、模板版本化与权限;新来源接入从“开发排期”变“运营配置”。

追问1:映射能覆盖所有格式吗? → 不能(复杂合并单元格/多级表头):提供“标准模板优先, 特殊格式走定制开发”的边界——配置化是降本不是万能 追问2:字典翻译的维护? → 字典表(值映射)后台可维护+导入时报“未知字典值”错误清单——字典治理是数据治理的一部分 追问3:导入性能的天花板? → 校验中查库(编码重复检查)是慢点:批量预载(候选集一次查出)+内存比对——万行导入从分钟到秒


568. 数据导出:同步、异步、报表中心怎么分层?

概念 导出分层:小数据同步(当次响应,上限如 1 万行)、大数据异步任务(排队+生成文件+下载链接,03 题 225 的功能版)、常态化报表(订阅推送:每周一 9 点发邮箱)。导出的公共工程:字段选择器、权限过滤(515 题)、水印与审计。

典型场景 运营导全量订单;老板要周报;导出功能被拖库。

解决方案 三步:分层路由 → 导出配置 → 安全与审计。

第一步:分层路由

# 文件: export-route.txt
预估行数(查询 count)→ 路由:
  < 1 万行: 同步导出(流式响应, 03 题 225 的 CSV/ZIP)
  1 万~百万: 异步任务(队列+worker 生成 → 对象存储 → 下载链接(525 题签名 URL)+通知)
  常态需求: 报表订阅(定时生成+推送邮箱/站内)——"每周一的销售周报"别再手点
判据显式化: 提示"超过 X 行将转为后台导出" —— 用户预期管理(531 题体验)

第二步:导出配置

# 文件: export-config.txt
字段选择器: 用户勾选导出列(默认常用集)+列顺序 —— 别全字段倾倒(敏感字段权限控制)
格式: CSV(通用)/Excel(带格式)/JSON(接口对接) —— Excel 的样式报表走报表模板(570 题)
筛选条件持久化: 导出=当前筛选的结果(所见即所得)+条件写进导出文件首页(可追溯性)
重复导出: 同条件短期缓存(同文件不重复生成, 527 题去重思想)

第三步:安全与审计

# 文件: export-security.txt
权限过滤复用: 导出走与列表相同的查询管道(数据范围注入, 515 题)——导出是最大的拖库口, 
   权限注入点不能旁路(519 题测试矩阵加导出用例)
敏感字段: 手机号/身份证明文导出默认禁止(脱敏或权限单列)+水印(525 题溯源)
审计: 导出记录(谁/何时/条件/行数/文件)全留痕(521 题)——批量导出实时告警(安全事件信号)

总结:导出三档(同步/异步任务/订阅报表)按行数与频率路由;配置化(字段选择+条件持久化);安全三律(权限管道复用、敏感字段管控、全量审计)。

追问1:导出文件存多久? → 下载链接 24h 过期(525 题签名)+文件 7 天清理(存储成本);合规留存场景单独归档 追问2:导出和报表的区别? → 导出=原始数据(给分析的人);报表=加工结论(给看结论的人)——569 题报表的分界 追问3:超大数据(千万行)导出? → 质疑需求(真有人看?多数要的是聚合结果);确实要:分卷(zip 多文件)或数据平台直连(数仓权限)——应用层别扛 BI 的活


569. 报表:实时、预计算、物化怎么选?

概念 报表的三种数据供给:实时查询(每次现算,准但慢)、预计算/物化(提前算好,快但要刷新调度)、流式聚合(事件驱动实时累计,准且快但复杂)。判据:时效要求(分钟/小时/天)、查询模式(固定 vs 灵活维度)、数据量。02 的 196 题讲了 ES 聚合——本题是数据供给策略。

典型场景 实时报表把库拖垮;老板要”昨天的数”但永远对不上;维度太灵活没法预计算。

解决方案 三步:供给选型 → 口径与刷新 → 报表分层。

第一步:供给选型

# 文件: report-supply.txt
实时查询(分钟级时效): 数据量小(<百万)或低频访问 —— 直接查(索引优化, 235 题慢查询治理)
预计算(小时/天级): 固定维度的高频大盘(GMV/DAU) —— 定时任务算好写结果表(566 题定时器)
   查询=读结果表, 毫秒级
物化/宽表: 维度较多但可枚举 —— 数仓分层(ODS→DWS)按主题预聚合;应用侧读宽表
流式聚合(秒级): 实时大屏(直播 GMV) —— 事件流+Flink 类/Redis 累计 —— 复杂度高, 
   真实需求才上(多数"实时"其实是"5 分钟"——实时性需求要拷问)

第二步:口径与刷新

# 文件: report-freshness.txt
时效标注: 每张报表标"数据截至 X"(refreshed_at)——"数对不上"的第一句永远是看截止时间
刷新调度: T+1 报表在凌晨跑(依赖上游账单/日志就绪的依赖编排——任务依赖图);
   失败重跑(幂等: 重算覆盖)与补数(历史区间重跑)
口径统一(核心): 见 571 题指标字典 —— 报表间口径不一致是"两个数都对"事故之源

第三步:报表分层

# 文件: report-layers.txt
三层报表体系:
  大盘(老板层): 核心指标+趋势, 固定口径, 预计算 —— 少而稳
  分析层(运营层): 可下钻(维度组合), 准实时到 T+1 —— BI 工具(Metabase/Superset)自助
  明细层(执行层): 原始数据查询+导出(568 题) —— 权限管控最严
指标异动监控: 核心指标环比突变告警(数据质量+业务异动的双重信号, 298 题)

总结:报表供给按时效与维度定:实时查询小数据、预计算固定大盘、物化多维度、流式给真实时大屏;每张报表带数据截至时间;三层体系(大盘/分析/明细)各配工具与权限。

追问1:报表库和业务库分离? → 分离是常态(读写分离不够, 分析查询走从库或数仓副本)——报表拖垮业务库是经典事故;实时性要求高用 CDC 同步到分析库 追问2:为什么报表数字和财务对不上? → 口径差异(支付口径 vs 确认收入口径/含退款与否)——571 题指标字典 + 与财务口径映射表, 对不上先对口供 追问3:自助 BI 的权限? → 数据集级+行级权限(与业务系统同源, 515 题);自助分析也要审计(查询了敏感字段)


570. 数据可视化:图表选型与看板组织怎么做?

概念 图表选型按”比较什么”定:趋势(折线)、构成(饼/堆叠——占比小于 5 类)、对比(柱)、分布(直方/箱线)、关系(散点)、流向(漏斗/桑基)。看板组织:一屏一主题、上粗下细(总览到明细)、异常高亮。工具:前端库(ECharts/AntV)或 BI 平台。

典型场景 运营要”炫酷大屏”;图表选错传达错信息;看板很多没人看。

解决方案 三步:图表选型 → 看板组织 → 大屏与工具。

第一步:图表选型

# 文件: chart-choice.txt
选型口诀(问题→图):
  随时间变化? → 折线(多序列≤5, 再多分面)
  占比构成? → 饼/环形(类≤5, 且差异明显; 微小占比合并"其他")
  类目比较? → 柱状(横向类目名长时)
  分布/离群? → 直方图/箱线
  转化流失? → 漏斗(每层带绝对值与转化率)
  两指标相关? → 散点(+趋势线)
  地理? → 地图(588 题选型联动)
反模式: 3D 饼图(读数困难)、双 Y 轴滥用(误导)、仪表盘滥用(只能看一个数)

第二步:看板组织

# 文件: dashboard-org.txt
一屏一主题: 销售看板不含客服指标 —— 看板=一个角色的一个问题域
阅读动线: 上(核心指标卡: 现值+环比)→中(趋势与构成)→下(明细表/下钻入口)
异常设计: 阈值标色(红/绿)+同环比箭头 —— 看板的目的是"10 秒判断正常与否"
下钻链路: 指标卡点击→明细(带着上下文跳转)—— 看板之间互链, 别让用户重新筛
刷新策略: 自动刷新(实时看板 30s)vs 手动(避免"数字自己跳"的分析场景)

第三步:大屏与工具

# 文件: viz-tool.txt
实现选型:
  BI 平台(Metabase/Superset/QuickBI): 自助分析层, 配置化 —— 569 题分析层主力
  前端库(ECharts/AntV): 定制看板/大屏, 完全可控 —— 核心大盘与产品内嵌图表
  大屏(指挥中心): 投屏场景, 设计感>交互 —— 自动轮播+异常高亮, 
     数据用预计算的(大屏刷新打实时查询是事故)
指标卡的数据供给: 预计算接口(569 题)——看板性能=数据供给策略, 不是前端优化问题

总结:图表按比较目的选型(趋势/构成/对比/分布/漏斗),看板一屏一主题+异常高亮+下钻链路;BI 平台做自助、前端库做定制、大屏吃预计算数据。

追问1:图表的数据量上限? → 前端渲染点数(折线 1 万点内, 再多降采样/聚合);超大范围给”下载原始数据”而不是硬画 追问2:多时区/多币种看板? → 统一显示时区(看板顶部全局切换)+币种换算基准标注(589/591 题联动)——看板的可比性纪律 追问3:怎么知道看板有没有用? → 埋点(访问/停留/导出)——没人看的看板季度下线(看板债与 282 题开关债同款治理)


571. 统计口径管理:指标字典怎么建?

概念 指标字典(Metrics Dictionary)= 指标的单一事实源:名称、业务定义(白话)、技术定义(SQL/计算逻辑)、维度、负责人、变更历史。它解决”同名不同义”(两个团队的”活跃用户”不一样)与”同义不同名”(GMV/销售额/成交额)。建在 BI 平台(带血缘)或轻量 Wiki 起步。

典型场景 会议上报数互相对不上;新人口径问一圈;指标定义改了没人知道。

解决方案 三步:字典结构 → 治理流程 → 落地用法。

第一步:字典结构

# 文件: metrics-dict.txt
指标条目字段:
  名称(中/英)+别名(GMV=成交额=...统一归一)
  业务定义: 一句白话("用户当日启动 App 且有任意行为")
  技术定义: 指向唯一 SQL/模型(代码化, 不是文档截图)
  维度与粒度: 可按什么切(渠道/地区), 时间粒度(日/周)
  口径版本+变更记录(2026-03 起"活跃"含小程序——历史数按旧口径可追溯)
  负责人(数据团队+业务负责人双 owner)
命名规范: 指标名_周期_口径后缀(pay_amount_d_net 日净支付)——别名进字典不进系统

第二步:治理流程

# 文件: metrics-gov.txt
新指标登记制: 要上新指标先登记(评审: 与现有重复吗? 口径冲突吗?)——防止指标野生疯长
变更流程: 口径变更=评审+公告+历史数处理决定(重算 or 标记分界线)——改口径不改名是事故
分级: L1 公司级核心(变更要 C 级知)/L2 部门级/L3 临时分析 —— 治理强度分级
定期清理: 一年没人引用的指标下线 —— 字典也要反腐化

第三步:落地用法

# 文件: metrics-usage.txt
BI 集成: 看板/报表的指标从字典引用(BI 的指标层, Superset/Metabase 原生支持)——
   图表上的指标可点开看定义(自助解决"这个数怎么算的")
代码引用: 核心指标 SQL 模板化(指标仓库, dbt metrics 类)——应用内展示的数字与 BI 同源
会议纪律: 报数必带口径(截图带字典链接)——文化的部分

总结:指标字典是数据域的“权限表”:登记制+口径版本化+双 owner;BI 与代码引用同源实现“一个数一个说法”;治理从核心指标起步(L1 先管好)别贪全。

追问1:指标和维度怎么分? → 指标=可聚合的度量(金额/次数);维度=切分视角(渠道/时间)——指标少而稳、维度多而活, 分开治理 追问2:埋点口径与指标口径的关系? → 埋点是原料(事件), 指标是加工(口径在加工层定义)——572 题埋点治理与本题指标治理上下游 追问3:没有数据团队的小公司怎么办? → Wiki 表格起步(名称/定义/负责人/SQL 链接)——字典的价值在”有且唯一”, 不在工具


572. 埋点体系:事件设计与隐私合规怎么一起做?

概念 埋点是数据的入口:事件模型(who/when/where/what/how:用户/时间/场景/事件/属性)、埋点规范(命名/属性字典/公共参数)与治理(测试验证、变更管理);隐私合规(个保法/GDPR):采集最小化、告知同意、敏感字段禁止、可关闭。04 的 397 题讲了 AI 功能埋点——本题是全站通用埋点的功能版。

典型场景 埋点乱命名找不到数;上线才发现埋点漏了;隐私审计质询埋点数据。

解决方案 三步:事件模型 → 治理流程 → 隐私合规。

第一步:事件模型

# 文件: track-model.txt
事件规范: <模块>_<对象>_<动作>(order_detail_click)——命名字典先行
公共参数(所有事件自带): user_id(或匿名 id)/设备/平台/渠道/时间/会话 id
业务属性: 每事件定义属性表(order_id/market_activity)——属性也要字典(类型/枚举值)
两类埋点: 
  代码埋点(精确, 开发成本)为主; 
  可视化埋点(圈选, 快速)补充 —— 全埋点(采集一切)数据量大且字段语义弱, 慎用

第二步:治理流程

# 文件: track-gov.txt
埋点评审: 新事件进字典评审(命名/属性/是否与现有重复)——同 571 题登记制
测试验证: 埋点测试用例(事件触发→上报内容断言)进 E2E(289 题)——"上线才发现没埋"的终结
数据质量监控: 上报量环比突变告警(埋点丢失/双发/版本问题的信号, 298 题思想)
版本管理: 埋点变更随版本记录(新版本埋点缺失的对比报表)

第三步:隐私合规

# 文件: track-privacy.txt
采集红线: 身份证/精确位置/通讯录等敏感信息不进埋点;手机号脱敏(223 题同源)
告知与同意: 隐私政策列明埋点用途;首次启动授权(可拒绝——降级为匿名统计, 产品可用)
用户权利: 可查询(我采集了什么)/可删除(匿名化处理)/可关闭(退出分析) ——
   埋点数据的保留期(如 1 年)与匿名化策略写进政策
跨境与共享: 埋点数据给第三方分析(SDK)要过合规(SDK 清单管理——监管重点)

总结:埋点体系=事件字典+评审测试闭环+数据质量监控;隐私三律(最小化采集、告知可拒、可查可删)内建而不是事后补;埋点是数据的地基,规范决定上游一切报表的质量。

追问1:Web 和 App 的埋点差异? → Web(URL/PV 类自动采集较多)vs App(页面即 Activity, 手动为主);SDK 统一事件协议抹平——分析层同源 追问2:埋点和日志的边界? → 埋点=行为分析(抽样可、聚合消费);日志=运行事实(全量、排障用)——别用埋点系统排查单用户问题(采样丢数据) 追问3:离线场景的埋点? → 本地缓存批量上报(网络恢复补传)+时间校准(客户端时间不可信, 服务端打接收时间+客户端时间双时间戳)


573. 用户数据:自助导出与备份怎么设计?

概念 用户数据权的两条产品义务:自助导出(可携带权:用户要”我的全部数据”,GDPR/个保法趋势)与删除(579 题注销联动)。企业侧的备份(容灾,460 题)与用户侧的数据可迁移是两件事——本题是用户侧。

典型场景 用户索要全部数据(GDPR 请求);用户迁移到竞品;注销前要带走数据。

解决方案 三步:导出范围与格式 → 异步打包流程 → 合规响应。

第一步:导出范围与格式

# 文件: data-export-user.txt
范围(按法规定义"用户数据"): 账号资料/内容(发帖/文件)/交易记录/日志类(浏览历史——可争议部分)
格式: 通用可读(JSON+CSV 附件包/照片原文件) —— 别只给 PDF(可携带权要"机器可读")
   结构化数据 JSON, 明细表格 CSV, 媒体原格式打包
排除: 涉及他人的数据(群聊里别人的消息——只导用户自己的发言);平台内部数据(风控分)

第二步:异步打包流程

# 文件: data-packaging.txt
流程(531 题任务化): 申请 → 身份验证(re-auth, 504 题)→ 打包任务(跨库聚合, 分钟~天级)
  → 下载链接(签名 URL+短时效, 525 题)+通知
频率限制: 每 N 月一次(防滥用拖垮系统)——GDPR 建议一个月内响应, 内部 SLA 定 72h
大文件: 分卷下载/按数据类型分文件 —— 用户视角"我的数据.zip"开箱即懂

第三步:合规响应

# 文件: data-compliance.txt
请求通道: 隐私设置内的正式入口(不是让用户发邮件求助)——入口+时限+进度可查
身份验证强: 数据导出是高危操作(re-auth+通知全渠道, 511 题同源)
与删除的衔接: 用户流程常见"先导出后注销"(579 题)——两步引导连起来
审计: 数据请求的受理/完成记录(监管检查的答卷, 521 题体系)

总结:用户数据导出=法定义务的产品化:范围按法规界定(排除他人与内部数据)、格式机器可读、异步打包+限频、强身份验证与审计;和注销流程连成“带数据走”的完整体验。

追问1:第三方数据的归属? → 用户用微信登录, 微信侧数据(好友关系)不属于我方可导范围——导出范围声明要清晰(避免”你们藏数据”争议) 追问2:导出文件里的敏感再脱敏吗? → 用户自己的数据(手机号)导明文(是他自己的);但密码哈希/内部标识不导——“用户的”与”平台的”边界 追问3:企业侧要不要同类功能? → 企业版数据导出(组织管理员导全员)是 ToB 标配(退租迁移)——同一套打包基建, 权限与范围不同




九、用户与增长(574–581)

574. 注册转化:资料分步收集与渐进式建档怎么做?

概念 资料收集的转化观:每多一个必填字段流失一批用户——渐进式建档(profiling on demand):注册只取登录凭证(513 题),资料在使用场景中按需索取(发评论要昵称、收款要实名)。字段收集的”时机=价值交换”原则:用户理解为什么要填,才愿意填。

典型场景 注册转化率低;资料完整度差;合规要求实名但体验受限。

解决方案 三步:字段分级 → 场景化收集 → 完整度运营。

第一步:字段分级

# 文件: profile-tiers.txt
字段三级:
  L0 必须(注册即得): 登录凭证(手机号/OAuth)—— 仅此而已
  L1 核心体验(首次使用时): 昵称头像(首次发内容)、地址(首次下单)
  L2 增值/合规(特定功能时): 实名(资金/直播)、职业(求职类产品)
每级都有"跳过"路径(L2 合规类除外)——强制填 L2 是转化杀手
体验对照: 传统注册 8 字段(转化 30%) vs 渐进式(转化 60%+)—— 漏斗数据说话

第二步:场景化收集

# 文件: contextual-collect.txt
触发式表单: 检测到缺失字段 → 场景内引导(发评论弹"起个昵称")而非跳资料页
价值说明: "添加地址以便发货"——字段与用户利益的显式关联
默认值策略: 能推导的不问(OAuth 带来的头像昵称直接用;时区按 IP)——少问一次是一次
实名合规的特殊性: 触发条件明确(资金/法务要求), 提示"依据XX要求" —— 合规字段的体验话术

第三步:完整度运营

# 文件: profile-ops.txt
完整度进度条(资料完成 60%)+ 奖励钩子(完成度换权益) —— 增长侧的经典设计
完整度埋点: 各字段的填充率与填充场景分布 —— 哪些字段永远没人填(考虑删掉)
字段瘦身: 季度审视"这个字段有人用吗"(运营用了? 推荐用了?)——没人消费的字段是负担不是资产

总结:资料收集按“价值交换”设计:L0 只取凭证、核心字段场景化索取、合规字段说清依据;完整度做运营钩子;没人消费的字段定期下线。

追问1:为什么注册页砍字段这么有效? → 每个字段都是决策成本(犹豫即流失);登录方式越自动(一键登录, 513 题)注册越接近零摩擦 追问2:昵称默认生成好吗? → 好(“用户_a3f2”)+可改:比强制起名流失低;但社区类产品昵称是身份感, 默认昵称要克制(引导修改) 追问3:资料字段和风控的关系? → 实名/设备等字段同时是风控信号(554 题维度)——资料体系的健壮性影响风控质量, 数据模型设计要两用


575. 用户画像:标签体系怎么建才用得起来?

概念 画像=用户特征的结构化沉淀:静态属性(人口统计)、行为统计(近 30 天下单数)、偏好标签(爱看篮球)、模型分(流失风险)。建设次序:先有消费场景(谁用什么标签做什么决策)再建标签——没有消费方的标签是僵尸数据。标签的两种生产:规则(可解释)与模型(覆盖广)。

典型场景 运营说”想要用户画像”但没场景;标签越建越多没人用;标签数据对不上。

解决方案 三步:场景驱动建体系 → 标签生产 → 质量与服务化。

第一步:场景驱动建体系

# 文件: user-profile.txt
先列消费场景再建标签(反着建必死):
  运营圈人(发券给"30 天未复购用户") → 行为统计标签
  推荐个性化(兴趣偏好) → 偏好标签(652 题消费方)
  风控分级 → 模型分(554 题消费方)
  客服展示(来电弹屏) → 静态+价值分层
体系分层: 一级(人口/行为/偏好/价值/风险)+二级标签; 
  每个标签登记: 定义/口径(571 题字典联动)/生产方式/更新频率/消费方 —— 没消费方的标签不批

第二步:标签生产

# 文件: tag-production.txt
生产三方式:
  规则标签: SQL/调度定义("月消费>1000 为高价值")—— 可解释、运营可参与定义
  统计标签: 行为聚合(近 7 天浏览类目 TOP3)—— T+1 批处理主流
  模型标签: 流失分/兴趣向量 —— 离线训练+定期推理回写
更新频率分级: 实时(高危信号, 流式)/T+1(大多数)/周更(偏好类) —— 频率与成本、时效需求对齐
时效标注: 标签带 as_of 时间(画像页显示"截至昨天")—— 防止"画像过期当实时用"

第三步:质量与服务化

# 文件: tag-quality.txt
质量三招: 覆盖率(多少用户有值)/准确性(抽样人审/对比事实)/新鲜度(更新延迟监控)
服务化: 画像查询服务(user_id → 标签包)统一出口——业务不直连标签宽表(口径漂移之源)
圈人服务: 标签组合 → 人群包(下发到营销/推送系统)——运营自助圈人的基建
隐私红线: 画像属个人信息: 覆盖敏感属性(健康/宗教)要克制与合规审查;用户可查看与反对(572 题同源)

总结:画像从消费场景倒推建设;标签三生产方式(规则可解释、统计主流、模型进阶)按时效分级更新;质量看覆盖/准确/新鲜,服务统一出口;敏感标签过合规。

追问1:标签和埋点的关系? → 埋点是原料(行为流), 统计标签是加工(T+1 聚合)——572 题埋点质量决定画像上限 追问2:人群包怎么避免打扰重叠? → 跨活动的人群频控(同用户本周被圈 N 次)——营销侧的总闸(541 题隔离与频控联动) 追问3:画像实时化值得吗? → 按”决策时效”定:推荐召回可用分钟级;风控要秒级(但那是独立实时特征, 555 题不是画像)——别为炫技实时化


576. A/B 实验:功能视角的实验设计怎么做?

概念 A/B 的功能面:假设(改什么会怎样)、指标(主指标+护栏指标)、分流(随机单元:user/device/会话)、时长(过完整周期)。技术体系见 03 的 282 题与 04 的 337 题(LLM 特殊性)——本题管”功能团队怎么用好它”:实验清单、常见坑(新奇效应/辛普森悖论/peeking)。

典型场景 改版效果说不清;实验结果反复横跳;小流量实验不显著。

解决方案 三步:实验设计 → 常见坑 → 结果决策。

第一步:实验设计

# 文件: ab-design.txt
实验设计四件:
  1) 假设一句话: "把注册按钮改红 → 注册转化率 +5%"
  2) 指标: 主指标(注册转化)+护栏(崩溃率/性能/客诉) —— 只看主指标会赢指标输体验
  3) 分流单元: 用户级 hash(282 题)为默认;页面级改版可用会话级(体验撕裂注意)
  4) 时长: ≥1 完整周期(7 天, 覆盖周内节律)+样本量预估(按基线转化率算 MDE)
实验前自检: 分流均匀性(AA 测试)/体验互斥(同用户不同实验打架 → 实验分层正交)

第二步:常见坑

# 文件: ab-pitfalls.txt
1) peeking(天天看, 显著就停): 显著性按固定样本量算——提前看结果=必然假阳性;
   纪律: 预定天数, 到期才判(平台强制最短时长)
2) 新奇效应: 改版头几天涨(用户新鲜)后回落 —— 时长覆盖衰减期再看
3) 辛普森悖论: 整体涨但分人群全跌(流量构成变化) —— 分人群看核心段
4) 多指标污染: 看了 20 个指标总有一个"显著" —— 主指标事前唯一, 其余是探索
5) 季节/事件污染: 实验期撞大促 —— 延期, 别硬跑

第三步:结果决策

# 文件: ab-decision.txt
判定: 主指标显著改善+护栏不劣化 → 全量; 显著恶化 → 回滚; 不显著 → 判断(成本低的改动可上, 大改动保守)
不显著的价值: 排除一个方向(记录进实验库——"我们试过"的组织记忆)
全量节奏: 282 题放量(5%→25%→100%), 全量后持续监控首周
实验文化: 实验登记制(所有实验有编号与结论沉淀)——防止重复试错与"谁也说不清我们试过什么"

总结:A/B 四件套(假设/主指标+护栏/分流/时长)加五坑防御(peeking/新奇/辛普森/多指标/污染);结果决策主指标说了算,不显著的实验也要沉淀。

追问1:小流量产品怎么做实验? → 样本不足时:序贯检验(贝叶斯)/提升 MDE 接受大改动检测/同用户前后对照(弱证据)——或干脆灰度+定性反馈, 别硬上显著性 追问2:服务端实验和前端实验区别? → 分流位置:服务端(渲染前, 干净)优先;前端切换(闪烁与不一致风险, 01 题性能联动)用于纯 UI 微调 追问3:实验平台要不要自建? → 起步用开源(GrowthBook)或云服务;自建的时机是”实验量>每周10个+需要分层正交管理”——基建随规模走


577. 邀请裂变:机制设计怎么防作弊?

概念 裂变的机制面:邀请链(邀请码/链接, 512 题身份追踪)、奖励结构(双边奖励:邀请人与被邀请人)、层级控制(防传销式多层);风控面:设备/实名维度判”真邀新”(554 题基建)。好的裂变=真实价值传播,坏的裂变=羊毛党提款机。

典型场景 邀请奖励被工作室薅;新用户质量差(为奖励来的不用);合规(诱导分享被平台限制)。

解决方案 三步:机制设计 → 反作弊 → 效果评估。

第一步:机制设计

# 文件: referral-design.txt
奖励结构: 双边(邀请人 10 元+新人 10 元券)优于单边(信任传递)
奖励发放时机: 关键——注册即发(被薅) vs 完成新手任务后发(真用户)
   发放条件绑定行为: 新用户完成首单/留存 7 天 → 奖励延迟发放(可退回)
层级: 仅一级(直接邀请)——多级返利=传销红线(法律!)
奖励形式: 券(消费回流)优于现金(提现套利);现金类要实名+个税合规(大额)

第二步:反作弊

# 文件: referral-antifraud.txt
真新判定: 新设备+新实名+行为留存(注册 3 天后仍活跃)三层;
   设备农场识别(554 题图关联: 同设备批量"新用户")
延迟结算: 奖励 T+7 发放(作弊窗口后置)+发放前风控复核(命中则扣回)
上限控制: 单人邀请奖励上限(如 20 人)、单日预算熔断(563 题同款 kill switch)
自薅识别: 邀请人与被邀请人同设备/IP/收款账户 —— 图聚类一锅端

第三步:效果评估

# 文件: referral-metrics.txt
北极星: 邀请带来的"合格新用户"(过留存门槛)数与成本(奖励+风控成本÷合格用户)
警惕虚荣指标: 邀请注册量(作弊重灾区)——只看带留存质量的注册
渠道健康度: 邀请用户 vs 自然用户的 LTV 对比(裂变用户质量是否更差)
A/B: 奖励金额/形式/时机都可实验(576 题)——机制优化是持续迭代不是一次性设计

总结:裂变设计三平衡:双边奖励促传播、行为门槛防羊毛(奖励后置+延迟结算)、一级分销守法律红线;效果看合格新用户成本而不是注册量;预算熔断是底线。

追问1:微信生态的裂变限制? → 诱导分享(分享得奖励)被平台规则限制——设计成”邀请注册”(App 侧完成)而非”分享解锁”;合规要跟平台规则, 不是只有法律 追问2:邀请关系的归因窗口? → 链接参数落地(首次启动归因, 512 题 identity 联动)+归因窗口(7 天);冲突归因(多渠道)定义优先级 追问3:裂变冷启动怎么破? → 种子用户奖励加倍(早期真实用户密度高)+K 因子>1 的机制(奖励对双方都有感)——产品价值是 1, 裂变是后面的 0


578. 积分等级体系:经济系统怎么设计不崩?

概念 积分是产品内微型经济:获取(任务/消费返)、消耗(兑换/抵扣)、清退(过期);等级是长期身份:成长值(只涨不跌或可跌)与权益。崩坏模式:通胀(获取>消耗,积分不值钱)、通缩(消耗品太贵没人用)、套利(低成本刷分)。与 565 题账本联动。

典型场景 积分发了没人用;积分被刷;等级权益形同虚设。

解决方案 三步:经济模型 → 防套利 → 等级设计。

第一步:经济模型

# 文件: points-economy.txt
供给侧: 获取渠道定价(签到 1 分/下单返 1%=可预算的成本);
   发放预算=预估发放×单位成本(积分=负债! 会计上是递延成本)
需求侧: 消耗场景设计(兑换比例: 100 分=1 元的锚点);
   消耗品分层: 小额高频(优惠券)+大额低频(实物/权益)——保证"花得掉"与"有盼头"
平衡监控: 发放/消耗比(健康区间 1.2~1.5: 发多点养池子, 发太多通胀)
   积分池总量监控(存量=负债规模)——超阈值收紧获取(运营旋钮)

第二步:防套利

# 文件: points-exploit.txt
套利路径封堵:
  刷任务(脚本签到): 设备/行为风控(554 题)+任务奖励频控
  低买高卖(退货保分): 退单回退积分(561 题退款级联)
  账号农场(批量养号): 获取上限(单日/单月)+消耗实名门槛
获取规则的可调性: 每个获取渠道有开关与系数(风控降系数, 活动升)——运营旋钮化(282 题)

第三步:等级设计

# 文件: level-design.txt
成长值 vs 积分分离: 等级用成长值(不消耗、长期累积), 积分是货币(可花)——混用是最常见设计错误
等级曲线: 早期快升级(正反馈)后期放缓(稀缺性);保级机制(年度任务)激活沉默高等级
权益设计: 权益要"用得上+可感知"(专属客服/优先购/折扣)——权益使用率是等级价值的检验
   等级权益与付费会员(580 题)的边界: 成长等级(免费可达成)vs 付费会员(钱直接买)——两套体系别混

总结:积分经济三件事:供给侧定价(积分是负债)、需求侧分层消耗、发放消耗比监控;防套利靠风控+级联回退+规则旋钮;等级与积分分离、等级权益看使用率。

追问1:积分过期怎么设计? → 滚动过期(获取起 1 年)优于年底清零(用户体验与会计处理都更平滑);到期前提醒(消耗刺激) 追问2:积分能兑换现金吗? → 提现=资金合规(支付牌照边界)!多数产品积分只能消费抵扣——想给”钱”用可提现余额(565 题账本+合规)承载, 两者别混 追问3:等级降级怎么处理体验? → 保级失败的缓冲(降一级而不是降到底)+保级提醒;竞技类产品敢大幅降(段位机制), 服务类产品慎降


579. 注销与账号删除:流程与数据处置怎么做?

概念 注销是法定权利(个保/GDPR”被遗忘权”):流程面(身份验证→冷静期→确认)、数据面(删除范围分层:法定的删/业务必须保留的交易记录/匿名化处理)、生态面(登录方式解绑、资源处置)。与 573 题(导出)组成”用户退出”的完整体验。

典型场景 用户注销后被营销短信骚扰(没删干净);注销找回争议;监管检查注销流程。

解决方案 三步:流程设计 → 数据分层处置 → 边界场景。

第一步:流程设计

# 文件: account-deletion.txt
流程: 入口(设置内, 别藏)+风险提示(不可恢复/资产清空)→ 身份验证(re-auth, 504 题)
  → 冷静期(7~15 天可撤销——防冲动与盗号恶意注销)→ 执行(异步批量)→ 结果通知
进行中事项拦截: 有余额/未完成订单/未结算佣金 → 引导处理完再注销(法定: 不能以此阻挠,
   余额可退; 但要明示后果)

第二步:数据分层处置

# 文件: deletion-scope.txt
删除分三层(法务确认口径):
  删除: 个人资料/内容(发帖)/偏好/埋点关联 —— 物理删或匿名化(视合规要求)
  保留(法律义务): 交易/发票记录(税法年限)、聊天记录(平台责任所需, 匿名化处理)
  匿名化: 评论内容可保留但脱作者身份(社区内容的公共利益)
技术执行: 软删(冷静期)→物理删任务(异步, 关联表全清)+备份中的数据(自然滚动出, 
   573 题隐私政策声明)+缓存/搜索索引级联(548 题下架)

第三步:边界场景

# 文件: deletion-edge.txt
账号找回: 冷静期内可撤销;注销后"找回"=新注册(512 题手机号冷却期, 防冒充)
企业成员注销: 组织数据的归属(工作内容归企业)——个人账号删但内容转移(法务场景)
第三方登录解绑: 微信/Apple 的 server 通知(OAuth 撤销)——对方侧也清 token
频率限制: 频繁注销重注册(薅新人奖励, 577 题)→ 手机号冷却 30 天再放号

总结:注销=验证+冷静期+分层处置(删/留/匿名化)的法定流程;交易类按税法保留、内容类匿名化、关联数据(缓存/索引/备份)级联处理;与导出、防薅号连成完整退出体验。

追问1:“不可恢复”真的做不到吗? → 备份与日志的残留是技术现实:政策声明”备份按保留期滚动清除”+敏感数据备份加密, 法务口径与技术能力对齐 追问2:注销后的评价/评论怎么办? → 匿名化保留(显示”已注销用户”)——社区内容的完整性 vs 被遗忘权的平衡, 各平台口径不同(公开表态) 追问3:监管检查要出示什么? → 注销流程截图+删除执行记录(哪些数据类型何时删)+响应时效统计——流程可审计(521 题体系)


580. 会员体系:付费会员的权益与到期怎么设计?

概念 付费会员(订阅制)设计三问:权益组合(省钱的超值感:券包/折扣/专属服务)、定价锚点(月/季/年梯度,年卡占位)、生命周期(新购-续费-到期-挽回)。工程联动:权益核销(520 题套餐判定)、到期降级(宽限期)、自动续费合规。

典型场景 会员权益没人用(买完就吃灰);续费率低;自动续费投诉。

解决方案 三步:权益设计 → 定价与续费 → 到期与合规。

第一步:权益设计

# 文件: membership-benefits.txt
权益组合公式(参考电商会员): 硬权益(高频省钱: 免邮/95 折——算得清账)+软权益(身份感: 
   专属客服/优先购)+意外权益(联名权益: 视频会员)——硬权益决定买, 软权益决定留
权益使用率监控: 每项权益的使用人数/频次 —— 使用率<5% 的权益砍掉(成本浪费+感知弱)
权益的成本核算: 权益成本 ≤ 会费的 X%(模式成立);边际成本低的权益(优先/标识)多给

第二步:定价与续费

# 文件: membership-pricing.txt
定价梯度: 月卡(体验锚)/季卡/年卡(主推, 折扣力度大)——年卡占比是健康指标
续费设计: 到期前提醒(30/7/1 天)+续费优惠(比新购略低——尊重存量);
   续费率按首年/次年分层看(首年续费是产品力, 次年是习惯)
连续包月(自动续费): 转化利器+合规雷区——见第三步

第三步:到期与合规

# 文件: membership-expire.txt
到期体验: 宽限期(3 天缓冲, 扣款失败重试)+权益冻结(不是立刻清零, 520 题套餐降级设计)
自动续费合规(重点监管): 
  1) 开通前显著提示(价格/周期/如何取消)——不得默认勾选
  2) 扣款前提醒(提前 5 天: 将于 X 日扣款 Y 元)
  3) 取消入口与开通一样便捷(监管红线: 找不到取消入口=处罚)
  4) 未成年退款通道
数据: 到期用户的挽回实验(576 题): 折扣力度/权益升级的话术对比

总结:会员=硬权益算清账+软权益做身份;使用率监控砍无效权益;自动续费四合规(显著提示/扣款前提醒/便捷取消/未成年通道)是近年监管焦点;到期降级要有体面。

追问1:会员和 578 题等级的区别? → 等级=行为换身份(免费, 留存工具);会员=付费买权益(商业化)——两套体系、两种动机, 混成”付费等级”两边都做不好 追问2:亏损换会员规模可行吗? → 会员权益成本>会费(拉新期)可以但要算 LTV:会员用户频次提升带来的毛利——补贴要换来行为改变才有复利 追问3:企业版会员(席位制)的不同? → 按席位付费+管理后台(统一采购/分配席位)——ToB 的会员是”组织订阅”, 计费与权限模型完全不同(520 题套餐的 ToB 版)


581. 沉默用户召回:策略怎么设计不变成骚扰?

概念 召回是”对沉默用户的最后一次价值交换”:人群定义(沉默 30/60/90 天分层)、渠道选择(532 题:召回走营销通道=合规与频控约束)、钩子设计(还有什么理由让用户回来)。核心分寸:召回预算有限(用户耐心更有限),不打扰是底线。

典型场景 召回推送没人点还掉粉;召回优惠券成本高效果差;短信召回被投诉。

解决方案 三步:人群与时机 → 钩子与渠道 → 效果与止损。

第一步:人群与时机

# 文件: winback-audience.txt
人群分层(按流失深度策略不同):
  30 天沉默(浅睡): 轻触达——产品内推荐/低频 push(还有自然回流可能)
  60 天(深睡): 钩子触达——权益召回(券/新功能告知)
  90 天+(流失): 大概率不回——高成本渠道(短信)只给高价值用户
流失预测模型(进阶): 流失倾向分提前干预(流失前挽留比流失后召回便宜 5 倍)——575 题模型标签

第二步:钩子与渠道

# 文件: winback-hook.txt
钩子按"当初为什么用你"设计(分人群):
  内容型: 你关注的主播更新了(社交召回——最有效)
  利益型: 88 折券(但券是万能药也是消炎药——只对价格敏感者有效)
  功能型: 新功能上线告知(你反馈的 XX 我们做了——被听见的感觉)
渠道成本升序: Push(免费)→ 邮件 → 短信(贵, 高价值用户专属)
频控纪律: 同一用户召回触达 ≤ 每月 1 次;连续 2 次无反应降级人群(别再花预算)—— 541 题营销频控

第三步:效果与止损

# 文件: winback-metrics.txt
指标: 召回率(触达→7 日活跃)+召回成本(CPA)vs 新客成本对比(召回贵过拉新就砍)
衰减实验: 不同沉默深度的召回 ROI 曲线(通常 60 天后断崖)——数据定"放弃线"
止损: 召回渠道的退订率监控(把沉默用户推成"卸载用户"是最差结局)
诚实的问题: 产品没变, 召回只是延缓——召回效果差先问产品价值(576 题实验救不了没有价值的产品)

总结:召回按沉默深度分层策略(浅睡轻触达、深睡给钩子、流失放弃线);钩子按当初使用动机设计、短信只给高价值人群;ROI 与新客成本对比决定预算;退订率是止损警报。

追问1:召回和新客拉新的预算怎么分? → 看两者 CPA 与留存质量对比:通常 30 天内沉默用户召回 CPA 更低(有认知基础), 流失用户召回常不如拉新 追问2:推送权限没开怎么召回? → 渠道降级(邮件/短信)或放弃触达、等自然回流——没有渠道权限的用户, 强行召回=花冤枉钱 追问3:召回的话术红线? → 不能制造焦虑(“你的账号将被冻结”)、虚假紧迫感——话术合规与品牌信任优先于短期打开率



十、协作与实时(582–587)

582. 评论系统:结构、排序与反垃圾怎么做?

概念 评论系统的三面:结构(平铺/盖楼两代:主流是”根评论+回复树”两段式)、排序(时间倒序/热度/算法混合+置顶)、治理(先发后审+关键词+举报,550/551 题复用)。计数(评论数)与显示(楼中楼折叠)是体验细节。

典型场景 热帖评论区被刷屏;评论排序争议;千万级评论的分页。

解决方案 三步:结构与存储 → 排序策略 → 计数与治理。

第一步:结构与存储

# 文件: comment-structure.txt
两段式结构(主流): 根评论(root)+回复(reply, 指向 root 与 parent 双指针)
   页面: 根评论分页 + 每根下"前 3 条回复+查看更多" —— 大帖不炸页面
楼中楼(盖楼)已淘汰: 层级深嵌套渲染与权限都复杂, "根+二级"覆盖 95% 场景
存储: comment(目标类型+目标 id 聚合, root_id/parent_id/user_id/内容/状态/点赞数冗余)
   515 题数据权限: 评论可见性随内容(宿主删则级联隐藏)

第二步:排序策略

# 文件: comment-sort.txt
排序三档(用户可切):
  热度: score = 互动量(赞/回复)×时间衰减(wilson/ Hacker News 类公式)
  最新: 时间倒序(默认给互动型内容, 热评淹没新声量的争议——可切是尊重)
  算法(进阶): 相关性/作者权重(楼主回复置前)
运营位: 置顶(官方/楼主)+精华(楼层高亮)——人工干预产品化(544 题同源)
排序公平性: 热度公式给新评论冷启动权重(发布 30min 内加权), 否则马太效应对新用户不友好

第三步:计数与治理

# 文件: comment-ops.txt
评论数: 计数表异步累计+定时对账(537 题计数漂移同源);隐藏的评论不计数(口径: 可见评论数)
分页: 游标分页(时间戳+id)而非 offset(热帖插入导致翻页重复/漏)
治理复用: 敏感词(551)+先发后审(550)+举报(553)+信用分(550 题信用分级)
评论关闭策略: 大促/敏感事件的评论区临时关闭——内容安全的极端开关(282 题 kill switch)

总结:评论=两段式结构+三档排序(热度公式带冷启动权重)+计数对账+治理全家桶复用;游标分页与“评论区临时关闭”是高热场景的两件小事。

追问1:盖楼显示与两段式的取舍? → 层级深了讨论线乱:两段式“根+回复折叠”阅读动线更清楚;论坛类(强讨论)保留层级是文化惯性与功能定位 追问2:评论编辑与已读? → 编辑留痕(显示”已编辑”)防钓鱼(发 A 被赞后改 B);时间窗内可编辑(5/15min) 追问3:跨内容的评论聚合(我的评论页)? → user 维度索引(评论表 user_id 索引+内容快照冗余)——内容删除后”我的评论”显示”内容已删除”


583. 点赞与计数:高频小动作的架构怎么做?

概念 点赞是典型的高频写+计数读场景:写(点赞动作)QPS 高、计数(总数)读 QPS 更高。架构三板斧:计数与动作分离(Redis 计数+DB 动作流水)、防重(唯一约束)、异步落库(削峰)。类似场景:浏览量、收藏、在看。

典型场景 明星官宣点赞把库打挂;重复点赞;计数与实际对不上。

解决方案 三步:数据模型 → 高并发路径 → 计数对账。

第一步:数据模型

# 文件: like-model.txt
两张分离:
  like_action(user_id, target_type, target_id, created_at)—— 唯一键(user+target)防重
  like_count(target_type, target_id, count)—— 计数冗余(读优化)
状态三态: 点赞/取消/无动作(取消不是删除——防"取消后又点"的重复通知等副作用)
我的点赞列表: 动作表查询(用户维度"我赞过的")—— 与计数正交

第二步:高并发路径

# 文件: like-hotpath.txt
写路径: 客户端防抖 → API → Redis(bitmap/set 判重+预增计数) → 异步批量落 DB(180 题削峰)
读路径: 计数从 Redis 读(缓存 miss 回源 DB)——热点计数常驻(171 题击穿治理)
热点倾斜: 单内容百万赞 —— 计数分片(Redis 分 key 聚合)或本地缓存+短 TTL
显示策略: 超大数显示"100w+"(视觉减负+减少精确刷新需求)

第三步:计数对账

# 文件: count-audit.txt
对账(定时): like_count vs 动作表 count(物理真相) —— 漂移修复(262 题思想)
  Redis 与 DB 双层对账(Redis 丢数据=计数偏差来源)
取消的边界: 高频点-取消-点(刷计数): 用户级频控(每分钟 N 次动作)+客户端节流
计数缓存: 详情页带计数(短 TTL 缓存)——列表页计数可用异步更新(不必实时精确)

总结:点赞=动作与计数分离、Redis 前置防重+预增、异步批量落库;热点分片+“100w+”显示降载;双层对账修漂移;取消留痕防副作用。

追问1:点赞要不要发通知? → 聚合通知(“3 人赞了你”, 533 题)+首赞即推(及时性);自己的内容自己赞不发通知——通知逻辑与计数逻辑分离 追问2:不点赞数显示有意义吗? → 争议功能(社交压力):可用”仅作者可见”配置——按产品调性定, 不是技术题 追问3:浏览量与点赞的架构差异? → 浏览无防重诉求(每次浏览都算, 语义上允许模糊)→ 纯计数聚合(Redis INCR+批量落库), 比点赞更轻


584. 协同编辑:OT 与 CRDT 怎么选?

概念 多人实时编辑的两大一致性方案:OT(操作变换:中央服务器变换并发操作,Google Docs 起家)、CRDT(无冲突复制数据类型:操作可合并,天然去中心化)。选型:有中心服务器+顺序敏感(富文本)→OT+成熟库(Yjs 之外的 ShareDB);去中心化/离线优先(白板/笔记)→CRDT(Yjs/Automerge)。多数业务:别自研,用库。

典型场景 多人文档/表格协作;白板类产品;离线编辑同步。

解决方案 三步:选型对照 → 落地架构 → 体验配套。

第一步:选型对照

# 文件: ot-vs-crdt.txt
OT: 服务器权威(操作按序变换后分发)—— 顺序可控、富文本(带样式的变换)成熟;
    依赖中心(服务器是瓶颈与单点);算法复杂(自研风险高)
CRDT: 数据结构自合并(集合/计数器/文本的 Yjs 实现)—— 离线编辑(断网继续写, 
    恢复自动合)、天然多主;内存开销大(元数据)、复杂富文本样式支持弱于 OT
判据速查: 在线协作文档(中心化产品形态) → OT(ShareDB)或 Yjs;
    离线优先/白板/本地优先(local-first) → CRDT(Yjs);
    只是"你编辑完我再编辑"(非实时) → 锁/版本合并就够, 别上协同编辑

第二步:落地架构

# 文件: collab-arch.txt
标准链路: 编辑器(内容变更操作)→ WS 连接(264/268 题基建)→ 协同服务器(OT 变换/CRDT 更新)
  → 广播其他端 → 各端本地应用 → 定期快照落库
版本与快照: 操作日志(OP log)可回放(历史版本)+定期快照(防止日志无限长)
冲突的兜底: 万一不一致(网络分区/bug)—— 文档级版本号, 严重分叉时"以服务器为准+提示"
权限联动: 只读协作者(收操作不发散操作)、评论模式(517 题分享权限的协作版)

第三步:体验配套

# 文件: collab-ux.txt
在线状态: 谁在看/在编辑(269 题在线状态, 协作场景标配)——光标位置显示(他人光标)
冲突的用户可见性: 同段落高亮("张三正在编辑")——软锁提示(不是硬锁, 提升感知)
离线提示: 断线重连的操作补发(重连后自动同步+状态提示)
历史版本: 版本对比/diff/回滚 —— 协作的信任基础(改坏了能回去)

总结:协同编辑选型:中心化在线协作 OT 或成熟 CRDT 库、离线优先 CRDT、非实时用锁;架构=操作流+WS 广播+快照落库;体验配在线状态、他人光标、版本回滚;唯一红线是别自研算法。

追问1:为什么说别自研 OT? → OT 的变换正确性极难(边界组合爆炸), Google/腾讯文档团队养专职;业务团队用 ShareDB/Yjs 是唯一理性选择 追问2:CRDT 的内存问题怎么办? → 定期快照+日志压缩(garbage collection 时机: 所有端确认后裁剪元数据)——Yjs 的 update 模块处理 追问3:协同时的保存语义? → 自动保存(无保存按钮)+操作即持久化(OP 落库)——“保存中/已保存”状态替代保存动作(协作产品的体验范式)


585. @提及与富文本:解析与链接怎么做?

概念 富文本内容的三件套:编辑器(输入)、存储(结构化:JSON AST 或 HTML/Markdown)、渲染(安全:防 XSS)。@提及是富文本与业务对象(用户)的桥梁:输入时联想、内容里结构化标记、渲染时链接+通知触发。

典型场景 @人没收到通知;富文本存储被 XSS;粘贴 Word 内容样式爆炸。

解决方案 三步:存储模型 → @提及链路 → 渲染安全。

第一步:存储模型

# 文件: rich-text-model.txt
存储选型: 结构化 JSON(ProseMirror/Tiptap/Slate 的 AST)为主 —— 可校验/可转换;
   Markdown(轻量场景)/HTML(遗留)—— 存储格式决定能力上限
内容与样式分离倾向: 业务语义(段落/图片/@提及)结构化存, 纯样式主题化(暗色模式好做)
编辑器选型: Tiptap(ProseMirror 封装, 主流)/Slate(React 生态)/Quill(简单场景)
   —— 592 题主题与 593 题无障碍由编辑器侧支持度决定

第二步:@提及链路

# 文件: mention-flow.txt
输入: 触发字符(@)→ 联想(543 题同款: 群成员/权限内的人)→ 选中 → 结构化节点
   { type: mention, userId, displayName }—— 存结构而非纯文本(改名同步/链接生成)
通知触发: 发布时遍历 AST 提取 mention 节点 → 通知(532 题渠道, 533 题聚合)
   通知文案中的@展示用当前昵称(不是发布时快照——改名后不指向旧名)
删除保护: 被删用户/@失效 → 渲染降级(纯文本+置灰"已注销")—— AST 节点自描述

第三步:渲染安全

# 文件: rich-render.txt
XSS 是富文本第一威胁: 永远不用 v-html/innerHTML 直染用户内容
   —— 白名单净化(DOMPurify: 允许的标签/属性白名单)再渲染
链接处理: 外链统一跳板(安全提示页)+ rel="noopener"(反向 tab 劫持)
图片/媒体: 走自家 CDN 域(外链图片被劫持换内容的风险)——上传替换外链
粘贴治理: Word/网页粘贴的样式清洗(保留语义去样式垃圾)——粘贴面板"保留格式/纯文本"选项

总结:富文本=结构化存储(AST)+白名单渲染(XSS 红线)+编辑器选库;@提及走结构化节点(联想→AST→通知→改名同步);粘贴清洗与外链跳板是内容安全配套。

追问1:富文本的搜索怎么做? → 索引时 AST 提取纯文本(548 题同步管道的预处理)——搜索面向文本, 高亮回链到节点位置(进阶) 追问2:表格/代码块这类复杂块? → AST 节点类型扩展(编辑器插件机制);存储 schema 版本化(编辑器升级的向后兼容——旧文档能开) 追问3:@全体成员要不要做? → 谨慎:被滥用=通知灾难(533 题降噪的反面)——限权限(管理员)或限频次(每群每天 1 次)


586. 关注与 Feed 流:推拉模式怎么选?

概念 Feed 流(关注流)的两大模式:推模式(发布时写入所有粉丝的收件箱——读快写爆)、拉模式(读时合并关注者的时间线——写省读爆)。主流是推拉结合:大 V 拉(粉丝太多推不动)、普通人推、在线用户热缓存。判据:粉丝分布(头部效应)、读写比、时效要求。

典型场景 千万粉丝大 V 发文;Feed 刷新慢;冷启动 Feed 空。

解决方案 三步:模式选型 → 推拉结合架构 → Feed 的产品细节。

第一步:模式选型

# 文件: feed-mode.txt
推(扇出写): 发布 → 写 N 粉丝的收件箱(Redis ZSet: score=时间)
   优: 读=直读自己收件箱(毫秒);劣: 大 V 一次写千万条(写风暴)
拉(扇出读): 读时实时聚合关注列表的最新内容
   优: 写恒定;劣: 关注 500 人的聚合读(在线计算重)
判据: 粉丝头部效应(1% 用户占 50% 粉丝量)→ 必然混合;
   读写比(读>>写的产品, 推的预计算划算)

第二步:推拉结合架构

# 文件: feed-hybrid.txt
分层策略:
  普通用户(<1 万粉): 推——发布时写粉丝收件箱(异步任务, 180 题削峰)
  大 V(>10 万粉): 不推——读时拉(大 V 的时间线单独缓存, 多人共享读)
  在线用户收件箱: 热数据 Redis(最近 500 条), 更旧的回源 DB
读路径: 收件箱(推的) + 关注的大 V 列表(拉的)在线合并排序 —— 对用户无感
发布风暴: 热点内容(10w+ 粉)的推扇出进队列限速(写扩散不追实时, 分钟级到箱可接受)

第三步:Feed 的产品细节

# 文件: feed-product.txt
排序: 时间线(关注流的契约: 我关注的人的近况)vs 算法流(兴趣推荐)——两种产品别混
   混合流(时间线+少量推荐)要明确标识(用户信任)
已读位点: 537 题位点模型("看到哪了")——刷新不重复
删除/编辑级联: 内容删了收件箱要清(548 题同源问题; 收件箱存内容 ID 引用而非内容拷贝)
冷启动: 无关注 → 引导关注(兴趣选择)+推荐流填充 —— 空 Feed 是流失点

总结:Feed 选型按粉丝分布定:普通人推、大 V 拉、在线热缓存的三层混合;收件箱存引用不存内容(级联删除友好);时间线与算法流是两种产品契约,混合要明示。

追问1:收件箱的长度上限? → 活跃窗口(最近 3 天/500 条)更旧的按拉补——收件箱是缓存不是数据库 追问2:双向关注(互关)的特别处理? → 互关内容优先/即时推(强关系高频看)——关系强度可以进分发策略(社交产品的深水区, 按产品目标定) 追问3:Feed 的新鲜度与完整性冲突? → 在线合并时”补拉”保证不漏(大 V 拉的那部分实时), 推的部分分钟级——产品上”刚发的内容马上刷得到”靠拉路兜底


587. 群聊消息:回执、成员状态与消息可靠性怎么做?

概念 群聊的工程三件:消息可靠性(at-least-once+序号,03 的 272 题)、已读回执的多人版(每成员一个位点,别按消息记——量爆炸)、成员状态同步(在线/输入中/已读灰字)。与 264–273 题(WS 网关基建)配套——本题是产品功能层。

典型场景 群里”谁看了”争议;消息偶尔乱序;万人群的广播风暴。

解决方案 三步:消息序号与同步 → 多人已读 → 群事件流。

第一步:消息序号与同步

# 文件: group-msg.txt
每会话单调序号(seq): 消息按会话递增(Redis INCR 或 DB 序号段)—— 客户端按 seq 检测缺口
同步协议: 客户端带 last_seq → 服务端增量返回(last_seq, max_seq] —— 断线重连不丢不重
   乱序修复: 按 seq 重排缓冲(网络乱序到达)
发送幂等: 客户端 msgId(272 题去重)——弱网重发不重复
万人群限流: 普通群广播全量;超大群(万级)改"拉模式"(成员定时拉)或广播降级(只推在线)

第二步:多人已读

# 文件: group-read.txt
按人记位点(537 题模型B): 每成员一个 last_read_seq —— "已读 3 人"= 统计位点≥该消息 seq 的人数
   千万别按(消息×成员)记已读(万人群×万条=亿级行)
展示: "全部已读/已读 23/略"—— 精确数只在点开时算(聚合计数缓存+对账)
回执推送: 位点变化批量广播(节流: 5s 聚合一次, 别每人每条消息都推)
灰字(对方正在输入): 输入状态广播(高频)—— 严格节流+只广播给在线成员, 断连即清

第三步:群事件流

# 文件: group-events.txt
群本身的事件(入群/退群/改群名)与消息同流(seq 连续)—— 客户端按序应用(改名不会乱序到错误位置)
成员列表同步: 增量事件+定期全量对账(成员多时全量代价高)
禁言/撤回: 撤回是特殊消息(revoke, 引用原 seq)—— 各端按 seq 处理(2 分钟窗口服务端校验)
群通知的红点: 537 题红点体系按会话粒度(@我 优先级最高, 533 题降噪)

总结:群聊可靠性的骨架是会话单调 seq+位点同步;多人已读按人记位点+聚合计数;群事件与消息同流保序;万人群走拉模式与广播节流。

追问1:已读功能的隐私争议? → “被已读绑架”是社交压力:可配置(关闭已读回执)——社交产品的功能开关(540 题偏好), 工作协同场景默认开 追问2:消息撤回的服务端校验? → 时间窗(2min)+权限(管理员可撤任意);撤回后各端删除+留审计(合规调证) 追问3:跨端同步的消息状态(这台发了那台要显示)? → 消息与状态都服务端化(seq 流是唯一事实), 多端各自同步——别做端间直同步(P2P 复杂且不可靠)




十一、通用功能策略(588–593)

588. 地址与地图:选型、省市区与离线策略?

概念 地址功能三件:地址选择(省市区级联——数据源与更新)、地图能力(定位/逆地理编码/POI 搜索/路线:高德/百度/腾讯选型)、离线降级(地图服务挂了的兜底)。地址是“结构化省市区+自由文本详情”的组合,别只存一个字符串。

典型场景 三级联动数据老化(区划调整);地图配额被打爆;海外与国内双地图。

解决方案 三步:地址模型 → 地图选型 → 降级与成本。

第一步:地址模型

# 文件: address-model.txt
结构化存储: { province_code, city_code, district_code, detail(自由文本), location(经纬度, 可空) }
   —— 省市区用国标码(GB/T 2260 行政区划), 别存名字(区划改名数据不腐)
级联数据源: 民政部区划数据(季度更新)+ npm 包(china-division)—— 每年区划调整要跟进
   历史订单地址: 存当时的码+名快照(行政区划变更不影响历史单)
定位到地址(逆地理): 用户授权定位 → 坐标 → 省市区(地图 API 逆编码)→ 预填 + 用户可改

第二步:地图选型

# 文件: map-choice.txt
国内三选(高德/百度/腾讯): 
  精度差异不大; 按生态选(App 内导航 SDK 一致性)、按配额价格(免费额度对比)
  坐标系陷阱: 高德(GCJ-02)/百度(BD-09)/GPS(WGS-84) —— 存储统一一种(建议 GCJ-02 展示坐标),
     转换要有工具函数(坐标系混用=点位漂移的经典 bug)
海外: Google Maps(海外唯一选择)+ 国内地图共存 —— 按用户地区路由(海外用户别加载国内地图,
   反之亦然: 合规(国内地图审图号)与体验双约束)

第三步:降级与成本

# 文件: map-fallback.txt
地图是外部依赖: 降级策略 —— 静态图(预生成)替代交互地图; 地址输入退化手动选择
配额治理: 逆地理编码的缓存(同坐标结果缓存, LBS 热点高度重复)+ 客户端节流(拖动地图时
   防抖再查询, 543 题同源)
关键路径去地图化: 下单只要地址文本(地图是辅助), 别让地图挂了不能下单

总结:地址=国标码结构化+详情文本+快照防区划漂移;地图按生态与坐标系选型(存储统一坐标系);配额靠缓存+节流,关键路径不依赖地图可用性。

追问1:地址智能识别(粘贴一段自动解析)? → NLP 地址解析(省市区抽取+详情)提效输入;识别失败回退手动——体验加分项不是依赖项 追问2:门店选址类的距离计算? → Redis GEO(附近的人/店)或 DB 空间索引——按量级与过滤复杂度选(196 题聚合与空间查询) 追问3:海外地址的模型差异? → 无省市区结构(门牌优先):地址模型要兼容(字段可选+自由文本权重高)——国际化产品 Day 1 就要考虑


589. 金额与货币:精度、展示与多币种怎么处理?

概念 金额三律:运算用分(整数,浮点数是事故源)、存储定标(decimal 或 bigint 分)、展示才格式化(千分位/币种符号)。多币种:币种代码(ISO 4217)伴随每笔金额、汇率换算的时点管理、展示币 vs 交易币分离。

典型场景 0.1+0.2 的浮点误差进了账单;退款金额与支付对不上;多币种报表换算口径乱。

解决方案 三步:精度纪律 → 格式化 → 多币种。

第一步:精度纪律

// 文件: money.ts
// 铁律: 金额用最小货币单位的整数(分)运算与存储
type Money = { amount: number; currency: string };   // amount=分, currency='CNY'
// ❌ const price = 19.9      // 浮点: 0.1+0.2 !== 0.3, 累计误差进资金
// ✅ const price = { amount: 1990, currency: 'CNY' }
// 除法取舍规则显式: 折扣分摊(3 人平摊 100 元)→ 尾差归最后一项(总和守恒)
function split(total: number, parts: number[]): number[] {
  const each = Math.floor(total / parts.length);
  return parts.map((_, i) => i === parts.length - 1 ? total - each * (parts.length - 1) : each);
}
// DB: BIGINT(分) 或 DECIMAL(20,4)(要小数的场景: 汇率/克重计价)

第二步:格式化

# 文件: money-format.txt
展示层统一格式化函数(别散落 toFixed): 千分位 + 币种符号(¥/$)+ 小数位(币种定义:
   JPY 0 位/CNY 2 位 —— ISO 4217 的 minor unit)
区间显示: "¥10.2 万"(大众产品)vs "¥102,400.00"(财务场景)—— 按场景配置, 不是一个对错
负数与减免: "-¥30.00" 与 "已优惠 ¥30" 的语义区分(优惠是正向表达)
输入控件: 金额输入的校验(两位小数/最大值)在前端挡, 服务端再验(双端)

第三步:多币种

# 文件: multi-currency.txt
每笔金额携带币种: 单币种字段(amount)与币种(currency)成对出现 —— 跨币种加减是无意义操作
   (类型系统/校验层禁止), 汇总要按币种分组
汇率管理: 汇率表(币种对+生效时间+来源)—— 交易用"成交时点汇率"快照(存进交易记录),
   展示用"当前汇率"(实时获取)—— 两者口径分离
展示币 vs 交易币: 用户看 USD 但以 CNY 结算(展示层换算+标注"约")—— 
   结算金额永远以交易币种为准

总结:金额的工程纪律:分运算、定标存储、展示层格式化、分摊尾差守恒;多币种金额与币种成对、汇率按用途分时点(成交快照/实时展示)、展示币不等于结算币。

追问1:为什么不用浮点存金额? → IEEE754 二进制无法精确表示十进制小数(0.1 是无限循环), 累计运算误差在资金域不可接受——0.1+0.2=0.30000000000000004 不是段子是事故单 追问2:优惠券/积分的金额换算精度? → 抵扣链路全程分运算(563 题价格计算链);换算比率定义成整数倍数(100 分=1 元)避免无限小数 追问3:汇率波动谁来背? → 产品决策:锁汇(下单时锁定结算价, 平台背波动)vs 按支付时汇率——跨境产品的商业条款, 技术只负责快照留证


590. 时间与时区:全球产品的时钟怎么管?

概念 时间三律:存储 UTC(或时间戳)、传输 ISO8601 带时区、展示按用户时区。进阶问题:DST(夏令时切换日的定时任务)、跨时区的“自然日”(日切报表)、时区数据库的更新(tzdata:各国改夏令时规则)。

典型场景 海外用户看到的时间差 8 小时;夏令时切换那天定时任务跑了两次/没跑;“今天”的订单统计口径。

解决方案 三步:存储与传输纪律 → 展示与自然日 → DST 与 tzdata。

第一步:存储与传输纪律

# 文件: time-store.txt
存储: UTC(或 Unix 时间戳)统一 —— 永不存"本地时间"(哪个的本地?)
传输: ISO8601 带偏移(2026-10-17T08:00:00+00:00)—— 前端拿到可准确转换
前端展示: 用户时区(浏览器/设置)格式化 —— Intl API/Day.js 按时区渲染
绝对时间与用户约定时间: 会议"北京时间 10 点"是墙钟语义 —— 存 {utc + tz 或 墙钟+时区}
   (用户改时区后会议仍在其当地 10 点: 墙钟型事件的特殊存储)

第二步:展示与自然日

# 文件: time-display.txt
相对时间: "3 分钟前/昨天"的阈值规范(<1min 刚刚, <1h X 分钟前...)—— 绝对时间 hover 可见
自然日问题: "今日订单"= 谁的今日? —— 产品口径: 按用户时区或按商户/平台时区(显式声明,
   569 题报表口径联动)
日切任务: 报表按平台时区(简单)或按用户聚合(用户时区的各自自然日: 复杂, LBS/内容类才需要)
时间边界: 查询"今天"统一用 [00:00, 24:00) 半开区间 —— 跨界查询 bug 的温床

第三步:DST 与 tzdata

# 文件: dst-tzdata.txt
DST 陷阱: 夏令时切换日 —— 一天 23 或 25 小时
   定时任务: "每天 3 点"的任务在切换日会跑两次或零次(cron 的时区感知)—— 
     关键任务用 UTC cron 或切换日人工核对
   时长计算: 跨 DST 边界的"2 小时后"用绝对时间加减(不是墙钟+2)
tzdata 更新: 各国改规则(某国取消夏令时)—— 依赖库(dayjs/iana tz 数据)要升级;
   TZ 数据是隐藏依赖(293 题依赖审计的冷门项)
服务器时区: 容器统一 UTC(镜像 ENV TZ=UTC)—— 日志时间与存储一致(排查不迷路)

总结:时间三律(存 UTC/传 ISO 带时区/展示用户时区)+ 两特殊(墙钟型事件、自然日口径显式);DST 让切换日的 cron 与时长计算有坑;tzdata 是要跟进的活数据。

追问1:时区怎么知道用户的? → 优先用户设置(显式)→ 浏览器(IP 定位是兜底, 代理用户会错)——设置项是”时间显示”的必备 追问2:数据库的时间类型? → timestamptz(PG, 存 UTC 自动转)优于 timestamp without tz(裸值易错);MySQL 的 DATETIME vs TIMESTAMP 要明确约定 追问3:跨时区的客服排班? → 排班系统的”时间”全是墙钟+时区(客服在当地 9 点上班)——排班是墙钟型业务的典型


591. 短链服务:设计与跳转策略怎么做?

概念 短链三件:生成(号段/哈希——短且不冲突,527 题去重思想)、跳转(302 临时优先——可统计可改向,301 会被浏览器缓存失去统计)、治理(过期/黑链检测/防滥用)。用途:营销投放追踪、短信链接缩短、分享美化。

典型场景 短链被用于钓鱼;短信里的长 URL 浪费字数;短链高峰拖垮服务。

解决方案 三步:生成与存储 → 跳转链路 → 治理。

第一步:生成与存储

# 文件: short-url-gen.txt
生成方案:
  自增 ID + base62: 短且有序(有序=可预测, 被遍历——加随机前缀或哈希)
  哈希(MD5 前 N 位+冲突检测): 无序但要去重查
  预生成号段(发号器): 高并发下无热点 —— 主流
存储: short_code → { target_url, owner, expire_at, scene(营销/分享), 创建审计 }
  映射是热点读: Redis 缓存 + DB 持久(171 题缓存三兄弟同源)

第二步:跳转链路

# 文件: short-redirect.txt
跳转: 302(默认——统计+可改向);301 仅纯静态场景(浏览器缓存后不再请求=统计失效)
   —— 营销短链要统计, 一律 302
链路: 用户点 t.cn/abc → 短链服务(查映射+埋点异步)→ 302 → 目标
性能: 读多写少的极致 —— 缓存命中率 99%+; 高峰(大促推送)预热缓存
   (推送前把链路批量进缓存)
带参透传: 目标 URL 的 query 拼接规范(utm 参数追加)—— 渠道归因的入口(577 题归因)

第三步:治理

# 文件: short-gov.txt
滥用是最大风险(短链域被用来钓鱼): 
  创建侧: 登录用户+频控(554 题基建)+目标 URL 安全检测(551 题黑词/已知钓鱼库)
  访问侧: 高危目标(命中钓鱼库)拦截页("风险提示")而非直接跳
  域名信誉: 短链域被微信/短信通道封 = 全部短链阵亡 —— 专用域与主域分离, 
     通道商申诉流程备好(538 题通道治理同源)
过期治理: 营销短链默认 90 天过期(防"历史活动链接被滥用")

总结:短链=号段生成+302 跳转+缓存扛读;治理两线:创建侧检测防钓鱼、访问侧拦截页兜底;短链域与主域分离是通道信誉的保险丝。

追问1:短链的长度怎么定? → 6 位 base62=568 亿组合, 足够;更短浪费号码空间, 更长不省 SMS 字数明显 追问2:短链统计什么? → 点击量(去重 UV/设备)、来源渠道、时间分布——营销归因的数据源(298 题指标) 追问3:deep link(App 内跳转)与短链怎么合? → 短链落地页判断 UA:装了 App 走 scheme/universal link 唤起, 没装走下载页/网页——“一条链接全端通”是分享场景的完整方案


592. 深色模式与主题:怎么设计才不五颜六色?

概念 主题系统的三层:设计令牌(design token:颜色/字号/间距的语义变量)、主题映射(同一语义在 light/dark 的两套值)、用户偏好(系统跟随/手动/定时)。工程关键:组件只引用语义变量(不写死颜色),主题是变量的重映射。

典型场景 深色模式下图片刺眼;第三方图表没适配;OSS(系统设置)切换不联动。

解决方案 三步:令牌架构 → 深色适配细节 → 用户偏好。

第一步:令牌架构

/* 文件: theme-tokens.css */
:root {
  --color-bg-primary: #ffffff;      /* 语义令牌: 页面主背景 */
  --color-text-primary: #1a1a1a;    /* 主文本 */
  --color-brand: #1677ff;
}
[data-theme="dark"] {
  --color-bg-primary: #121212;      /* 同语义, 深色值 */
  --color-text-primary: #e8e8e8;
  --color-brand: #3c89e8;           /* 品牌色提亮(对比度) */
}
/* 组件只用语义变量: background: var(--color-bg-primary) —— 主题切换=换变量表 */

第二步:深色适配细节

# 文件: dark-details.txt
不是简单反色: 深色底要降饱和提亮度(纯白文字刺眼 → #e8e8e8)
图片处理: 亮图在深色下刺眼 → CSS filter brightness(0.9)微压 或 透明底素材
对比度红线: 文本对比度过 WCAG AA(4.5:1)——593 题无障碍与深色共用检测
第三方孤岛: 图表库(ECharts)/富文本编辑器的主题适配要单独处理(主题配置传入)
   漏配的区域在深色下"白一块"是常见事故 —— 走查清单(关键页 × 主题 矩阵)
阴影与边框: 深色下阴影不可见 → 边框/亮度差替代层级表达

第三步:用户偏好

# 文件: theme-prefs.txt
三态: 跟随系统(prefers-color-scheme 监听)/浅色/深色 —— 设置存服务端(跨设备一致)
切换无闪烁: 首屏前注入主题(内联脚本读偏好)——FOUC(白屏一闪)是主题功能的体验杀手
定时切换(进阶): 日落自动切 —— 按用户时区算(590 题联动)
暗色模式下的图片/视频单独素材(营销 banner 的深浅两版)——CMS 侧双字段

总结:主题=语义令牌+双主题映射+组件零写死颜色;深色适配是设计工程(降饱和/对比度/图片处理)不是反色;三态偏好服务端存储+首屏防闪烁。

追问1:主题色要运营可配吗? → 白标/多品牌场景: 令牌表后台可配(下发 CSS 变量)——运营改色的边界(对比度校验防止配出不可读主题) 追问2:打印样式算主题吗? → 算第三主题(print media query): 打印去背景色省墨+保对比度——容易被遗忘的”主题” 追问3:怎么测试主题完整性? → 视觉回归(截图对比 light/dark 两套基线)+ 令牌使用 lint(禁止组件写死色值)——工程化保障


593. 无障碍(a11y):功能视角要做什么?

概念 a11y 的两价值:合规(部分市场法定:ADA/欧洲 EN 301 549)与包容性设计(老年/临时障碍用户=更大市场)。工程核心:语义化 HTML(屏幕阅读器的基础)、键盘可达(不用鼠标完成全部操作)、对比度与字号、动态内容的通知(aria-live)。

典型场景 海外上架被要求 a11y 声明;老年用户抱怨字太小;读屏软件读不出按钮。

解决方案 三步:工程基础 → 交互细节 → 验证。

第一步:工程基础

<!-- 文件: a11y-basics.html -->
<!-- 语义优先: button 就是 button(读屏识别), 别 div+onclick -->
<button aria-label="关闭弹窗">×</button>   <!-- 图标按钮必须有可读名称 -->
<!-- 表单: label 关联(点击文字聚焦输入, 读屏播报字段名) -->
<label for="phone">手机号</label>
<input id="phone" type="tel" aria-required="true" />
<!-- 图片: 装饰图 alt 空(读屏跳过), 信息图 alt 描述内容 -->
<img src="chart.png" alt="第三季度销售额环比增长 20%" />

第二步:交互细节

# 文件: a11y-interactive.txt
键盘可达: Tab 顺序符合视觉顺序; 弹窗焦点圈定(focus trap)与关闭后焦点归还;
   所有操作键盘可完成(自定义组件(div 下拉)要用 role/aria 补语义)
动态内容: 异步更新(消息到达/校验错误)用 aria-live 通知读屏 —— 不通知=视障用户不知道发生了什么
对比度与缩放: 文本对比度 ≥ 4.5:1(设计令牌里校验, 592 题联动); 
   支持 200% 缩放不破版(rem 布局, 禁用 user-scalable=no)
动效克制: prefers-reduced-motion 尊重(前庭障碍用户)—— 动画可关

第三步:验证

# 文件: a11y-test.txt
自动检测: eslint-plugin-jsx-a11y(编译期)+ Lighthouse/axe(页面扫描)—— CI 门禁(293 题)
人工验证: 键盘走查(拔掉鼠标过主流程)+ 读屏软件(NVDA/VoiceOver)核心路径体验
真实用户: 残障用户可用性测试(招募渠道存在)—— 自动检测只能覆盖 30%, 语义正确≠可用
优先级: 核心流程(登录/下单/支付)先行 —— a11y 债与性能债一样, 边做边还别攒大的

总结:a11y 三层:语义化 HTML 与 aria(读屏基础)、键盘可达与焦点管理、对比度/缩放/动效克制;自动检测进 CI+键盘与读屏人工走查核心流程;它是合规与市场双驱动的功能,不是慈善。

追问1:a11y 与 SEO 的关系? → 高度重合(语义化/可读结构两者都受益)——做 a11y 顺手提升 SEO, 反之亦然 追问2:无障碍要支持读屏到什么程度? → 按用户占比与合规要求分级:海外 B 端(法定)全量支持, 国内 C 端核心流程支持——明确定位而不是全有全无 追问3:组件库的 a11y 责任? → 选型硬指标:成熟组件库(AntD/MUI)自带 a11y——自研组件的 a11y 成本极高, 这是”用库”的又一理由



十二、功能上线策略(594–599)

594. 新功能灰度上线的功能侧流程怎么做?

概念 灰度发布的工程侧(03 的 282 题、05 的 467 题)解决”怎么放量”;功能侧要补:灰度的用户维度选择(内部→白名单→百分比→全量)、每档观察什么(功能指标+护栏+反馈渠道)、放量决策谁拍板。功能灰度是产品节奏管理,不只是技术开关。

典型场景 新功能带着 bug 全量;灰度过快观察不足;灰度过慢错过窗口。

解决方案 三步:放量阶梯 → 观察指标 → 决策机制。

第一步:放量阶梯

# 文件: feature-rollout.txt
标准阶梯(每档最短观察期):
  内部(1~3 天): 员工账号——狗粮, 技术问题兜底
  白名单(2~3 天): 种子用户/友好客户——反馈质量高, 允许粗糙
  1% → 10% → 50% → 100%(每档 1~3 天): 按用户 hash 稳定分桶(282 题)
时间预算: 一个中型功能的灰度周期 1~2 周 —— 排期里显式留(别压到"上线周")
可回滚是前提: 每档都可一键回(开关关闭+数据兼容), 469 题的发布纪律

第二步:观察指标

# 文件: rollout-metrics.txt
三层指标(每档都要看):
  功能指标: 使用率/完成率/耗时 —— 功能本身被用起来了吗
  护栏指标: 整体错误率/性能/客诉量 —— 新功能别伤大盘
  商业指标(最终): 转化/留存的影响(显著需要时间, 先看方向)
用户反馈通道: 灰度版的反馈入口(定向问卷/反馈群)——定性信号先于定量显著

第三步:决策机制

# 文件: rollout-decision.txt
放量决策会(每档结束): 数据 + 反馈 → 继续放量/暂停修 bug/回滚
   决策人明确(产品 owner), 争议时护栏指标一票否决
暂停不是失败: 发现问题暂停在 10% 修一周, 好过全量救火 —— 灰度的意义就是买后悔药
全量后: 观察一周再发版庆功(次日没问题≠没问题, 周末流量形态不同)
死线场景(节日功能): 灰度被压短 → 提高内部测试强度补偿, 且备好回滚预案的演练(299 题)

总结:功能灰度=内部→白名单→1/10/50/100 的阶梯(每档 1~3 天+显式排期);观察三层指标(功能/护栏/商业)+定向反馈;放量决策有 owner、护栏一票否决、暂停是正常操作。

追问1:按什么维度分桶灰度? → 用户 hash(282 题)为默认;地域灰度(特定城市先放——LBS/政策类功能)、渠道灰度(App Store 先于安卓审核差异)、租户灰度(ToB 按客户放量) 追问2:灰度期间的两版本数据兼容? → 数据模型向后兼容(新版本写的新字段旧版本忽略);别在灰度期做不可逆迁移(472 题纪律) 追问3:全量后发现问题还要灰度吗? → 全量回退=反向灰度(先停 90% 保 10% 观察修复)——回滚也要有节奏, 不是一刀关


595. 多端发布:Web、App、小程序的节奏怎么协调?

概念 三端的发布特性差异:Web(秒级全量、可热修)、App(审核周期 1~7 天、版本碎片化——老版本长期在线)、小程序(审核较快、强制更新较易)。多端功能发布的核心问题:API 先行(服务端兼容 N 个客户端版本)与端节奏错配。

典型场景 iOS 审核卡住导致功能只上了安卓;老版本 App 的兼容事故;三端功能不同步被用户骂。

解决方案 三步:发布顺序策略 → 版本兼容窗口 → 端差异管理。

第一步:发布顺序策略

# 文件: multi-platform.txt
标准顺序: 服务端(含 API 新能力, 向后兼容)→ Web(先行验证)→ 小程序 → 
  App 安卓(渠道多但快)→ App iOS(审核不确定, 尽早提审)
策略: 双端 App 要同步上线的产品承诺 → iOS 先提审(用"审核期缓冲"排期),
  安卓压着等 iOS 过审一起放(避免"果粉晚用"的舆情)
紧急修复: Web 秒发;App 走加急审核(每年次数有限, 省着用);小程序当日

第二步:版本兼容窗口

# 文件: version-compat.txt
App 版本碎片是常态(用户不升级): 服务端要兼容 N-2 甚至 N-5 版本 —— 
  API 版本化(360 题)或字段级容忍(新增可选、废弃渐进)
最低支持版本策略: 强更弹窗(关键安全/支付版本)+ 老版本降级服务(核心功能可用)
   —— 版本分布监控(各版本 DAU 占比)决定强更时机
兼容代码的清理: 版本占比 <1% 后下线兼容分支(欠账要还, 397 题同源)

第三步:端差异管理

# 文件: platform-diff.txt
功能矩阵: 功能×端的支持表(哪些功能哪些端有)——产品文档与客服知识库共用
端能力差异显式化: 支付方式(iOS 内购限制)/推送能力(小程序模板消息)/存储 —— 
  设计期确认"这个功能三端怎么做", 而不是开发到一半发现 iOS 不让
统一开关: 功能开关按"功能"配置, 端维度的开关(某端先上/不上)独立维度 —— 
  282 题开关体系的端轴

总结:多端发布=服务端先行兼容+Web 先验证+App 审核排期倒排;App 版本碎片要求 N-2 兼容与版本分布监控;功能×端的矩阵显式管理,开关分端控制。

追问1:小程序强更新为什么容易? → 微信的版本生效机制(重启即新)+审核快——高频试错功能放小程序先跑(576 题实验的平台选择) 追问2:API 怎么同时兼容老端? → 新能力新端点(版本化)优于老端点改语义;响应只增不改(字段容忍);按客户端版本做特性开关(服务端下发能力表) 追问3:三端的埋点口径统一? → 事件模型统一(572 题规范)+端字段标识(平台维度)——报表按平台切片时口径仍一致


596. 配置动态下发:功能参数怎么不发版就调?

概念 动态配置的功能面:运营参数(文案/开关/阈值/活动时间)服务端下发,改配置不发版。三形态:远程开关(282 题基建)、远程配置(键值参数)、结构化配置(JSON 面板:首页楼层/弹窗规则)。红线:配置下发≠热更新代码(App 市场 prohibiting 可执行代码)。

典型场景 改个文案要等 App 发版;活动结束要连夜发版下线;配置下发把 App 搞崩。

解决方案 三步:配置体系 → 安全下发 → 变更管理。

第一步:配置体系

# 文件: remote-config.txt
分层配置(变更频率从低到高):
  打包内置(默认值): 配置拉不到的兜底 —— App 必须能用默认配置跑
  远程键值(配置中心): 运营参数(阈值/文案)—— 282 题开关是特例
  结构化面板: 首页楼层/运营位/弹窗规则 —— 配置即排版(CMS 化)
拉取策略: 启动拉+定时刷新(30min)+关键操作前按需(支付前刷新风控参数)

第二步:安全下发

# 文件: config-safety.txt
配置能把 App 搞崩(类型错/循环引用): 
  schema 校验: 配置中心发布前 JSON schema 验证(293 题门禁的配置版)
  客户端防御: 解析失败回退内置默认(永远有兜底)——"拿到配置"≠"必须用它"
  灰度下发: 配置也灰度(1% 用户先收, 594 题阶梯)——配置变更的事故面不小于发版
  签名与加密: 配置防篡改(签名校验)——防中间人塞恶意配置(注入入口)

第三步:变更管理

# 文件: config-gov.txt
变更流程: 配置变更走审批(高危项: 支付参数类)+生效时间(预约变更——大促配置提前配好定时生效)
审计: 谁改了什么配置何时(521 题体系)——配置回滚要快(版本化配置)
配置债: 无人认领的配置项清理(定期);失效配置(引用的功能已下线)下线
   —— 配置中心比代码更容易腐化(改配置太容易)

总结:动态配置三层(内置兜底/远程键值/结构化面板);安全三件(schema 校验、客户端防御性解析、灰度下发+签名);变更走审批与审计——配置是“最容易改的代码”,治理要对齐这个风险等级。

追问1:配置和开关的区别? → 开关是布尔语义(灰度/回滚工具);配置是参数语义(运营调优);基建可同一套(282 题), 权限与流程分治(开关研发管, 配置运营管) 追问2:配置的实时性要求? → kill switch 类要秒级(推送通道下发);运营参数分钟级可接受——分级拉取策略 追问3:App 热更新(RN/Flutter 动态化)的边界? → 苹果 3.1.2 条款: 可执行代码动态下发受限(JS bundle 灰色地带, Flutter 动态化更敏感)——用”配置化 UI”替代代码热更的合规路线


597. 旧功能下线:流程怎么走得体面?

概念 下线是被忽视的功能工程:数据(用户数据何去何从:导出/保留期)、用户(通知与过渡期)、依赖(接口的调用方排查、App 老版本)。仓促下线的事故面:老 App 白屏(调用了已删接口)、用户数据“消失”舆情、客服没有口径。

典型场景 下线老版本接口后老 App 崩;用户三年前的数据没导出就没了;下线流程没有留痕被审计问。

解决方案 三步:下线评估 → 渐进下线 → 数据与善后。

第一步:下线评估

# 文件: sunset-eval.txt
评估清单:
  使用量(还有人用吗——埋点数据; 1% 的量是谁: 大客户还是僵尸)
  替代路径存在吗(功能被新功能替代, 还是纯粹砍)
  数据归属(产生的数据要保留/导出/删除——573/579 题联动)
  依赖方(API 的外部调用方、App 老版本—— 595 题版本分布)
  下线的收益(维护成本/合规风险/体验一致)—— 写下来, 下线也要立项

第二步:渐进下线

# 文件: sunset-stages.txt
下线阶梯(与 360 题废弃流程同构):
  1) 宣布期(30~90 天): 站内通知+文档公告+API 响应加 Sunset 头(596 题配置的下线公告)
  2) 引导期: 新用户不可见(开关只对存量开)+迁移引导(数据一键转移到新功能)
  3) 只读期: 只看不写(数据可导出)
  4) 关闭: 功能入口移除+API 返回明确的"已下线"错误码(不是 500—— 老客户端要能优雅处理)
  5) 下线后: API 保留"善后响应"6 个月(老 App 的最后请求), 监控调用量归零再删

第三步:数据与善后

# 文件: sunset-data.txt
用户数据: 下线≠删除—— 数据按 579 题口径保留/导出("功能下线, 数据可下载到 X 日")
客服口径: FAQ 与话术同步(下线原因/数据去哪/替代方案)——舆情第一小时靠客服
审计: 下线决策与执行留痕(521 题)——"为什么砍"半年后还有人问
复盘: 使用量归零了吗(有些用户转到别处=流失, 有些是真没人用)——下线的效果验证

总结:下线是工程+沟通的双流程:评估(使用量/依赖/数据)→阶梯(宣布→引导→只读→关闭→善后响应)→数据善后与客服口径;API 下线的最后请求要能优雅失败。

追问1:下线和重构的边界? → 重构=内核换外部不变;下线=外部也没了——伪装成重构的下线(改得面目全非)要按下线流程沟通 追问2:被下线功能的紧急恢复? → 下线后 1 个月内保留快速恢复能力(开关置灰不删代码);超过窗口的真下线(代码删, git 里有) 追问3:第三方依赖的下线影响? → 供应商服务停(地图老版本 SDK/登录方式)——依赖的下线监控(供应商公告跟踪)是平台团队的例行工作


598. 紧急关停:kill switch 的产品预案怎么做?

概念 kill switch=把功能”立即变没”的开关(282 题体系的最高档):用于资损事故(价格配错)、安全事件(漏洞被利用)、合规危机(内容问题)。与普通开关的差异:秒级生效、广播推送(不是等拉取)、行使权限在少数人、演练过。

典型场景 价格配错被薅;发现注入漏洞;监管要求立即下线某内容功能。

解决方案 三步:预案设计 → 演练 → 事后流程。

第一步:预案设计

# 文件: kill-switch-design.txt
分级预案(按影响):
  功能级: 该功能的开关秒关(功能入口消失, 老页面优雅降级)
  入口级: 交易/支付整链暂停(只读模式——能看不能买)
  全站级: 维护模式(静态页)—— 最后手段
技术要求: 推送通道生效(WS/长连接下发, 别等 30min 拉取, 596 题分级)+多端覆盖(Web/App 老版本
  的服务端开关——服务端不返回数据, 客户端怎么都得停)
权限: 值班 chain 里的少数人(值班长/安全负责人)可触发——触发权限平时就要给到, 别等事故再授权

第二步:演练

# 文件: kill-drill.txt
每季度演练(299 题体系):
  1) 触发一个真实 kill switch(测试功能): 计时从触发到全端生效(目标: <1 分钟核心端)
  2) 老版本 App 的表现(服务端开关路径)
  3) 关停期间的用户体验(提示文案/数据状态)——文案预写好(预案包)
预案包: 开关清单(哪些功能有 kill switch)+触发 runbook(谁/怎么/通知谁)+用户文案模板
   ——事故现场没时间写文案

第三步:事后流程

# 文件: kill-aftermath.txt
触发后: 状态通告(对内事故频道/对外的状态页)+用户侧解释(“系统维护中”到具体原因的分寸)
恢复: 修复后的恢复也要灰度(别全量一把开, 594 题反向应用)
复盘: 触发原因/损失/响应时效(299 题模板)——kill switch 用了说明前面某层失守, 复盘要问根因
滥用警惕: kill switch 成为"运营不想干了就关"的常态工具=预案失效——触发要复盘制衡

总结:kill switch 三要素:秒级推送生效、预授权的少数触发人、预写的文案与 runbook;季度演练测真实时效;触发后灰度恢复+复盘根因;它是消防栓,平时不用但不能不好用。

追问1:资损事故的黄金处置顺序? → 止血(kill switch 关交易)>保全(日志/订单快照取证)>评估(损失范围)——顺序错(先查后停)会扩大损失, 384 题密钥泄漏同款 追问2:关停时在途交易怎么办? → 入口级关停前要”排空”(在途订单完成或冻结)——预案里写清在途语义, 不是一刀切 追问3:监管要求的内容下线怎么快? → 内容级 kill switch(批量下线工具: 按关键词/作者/时间段批量撤)——550 题内容安全的应急处置工具位


599. 用户反馈闭环:从收集到迭代的体系怎么做?

概念 反馈闭环是产品的”传感器网络”:多入口收集(应用内反馈/客服/商店评论/社媒)、统一聚合(打标签分诊)、响应(分级处理)、回流(迭代排期与”已改进”通知)。有收集无闭环=表态工程,用户第二次就懒得提了。

典型场景 反馈散落四处没人看;同类问题反复反馈(没沉淀);用户提了建议石沉大海。

解决方案 三步:收集与聚合 → 分诊处理 → 闭环回流。

第一步:收集与聚合

# 文件: feedback-collect.txt
入口矩阵: 应用内反馈(带截图/日志, 最结构化)、客服工单(问题描述深)、
  应用商店评论(公开舆情, 要监控)、社媒/社群(情绪与传播)
聚合: 统一反馈池(各入口接入)+自动分类(NLP 预分类: bug/建议/吐槽)—— 
  04 批 AI 能力在此的实用场景(AI 分诊)
元数据自动附带: 版本/平台/用户路径/设备(排查信息别让用户填)——截图+自动日志是高质量反馈的标配

第二步:分诊处理

# 文件: feedback-triage.txt
分级 SLA: bug 类(按严重度: 崩溃类当天)/体验痛点(周评估)/建议(月汇总)
   —— 全部秒回不现实, 分级+自动回执("已收到, 1 个工作日内")
聚类: 同类反馈聚簇(关键词/向量聚类—— 542 题向量能力的内部应用)
   "30 人反馈同一问题"比 30 条单发有分量——聚类结果是排期会的输入
虚假繁荣警惕: 反馈量≠需求强度(沉默大多数)——重决策靠数据验证(576 题实验), 反馈提供方向

第三步:闭环回流

# 文件: feedback-loop.txt
"已改进"通知: 修复的功能推送给反馈者("你反馈的 XX 已上线")——反馈率的正反馈飞轮
   (553 题举报反馈同源)
反馈看板: 分类趋势/处理时效/ top 痛点——产品例会的固定栏目
版本回应: 更新日志对应反馈主题("本次更新解决了大家集中反馈的 XX")
文化面: 反馈进需求的案例公示(让用户知道"提了有用")——闭环的终极形态是信任

总结:反馈闭环=多入口统一聚合(自动附带上下文)→分级分诊(聚类定量)→回流(“已改进”通知+看板+更新日志);反馈给方向、数据做决策;闭环的飞轮靠“提了有用”的体感。

追问1:怎么让反馈质量更高? → 结构化引导(问题类型选择+截图标注工具)降低成本;反馈时自动附日志(用户不用描述环境)——好反馈是设计出来的 追问2:NPS/满意度调查算反馈吗? → 算量化层: NPS 给分位数(健康度), 开放反馈给原因——两者结合(NPS 低分用户定向追问), 576 题实验的护栏联动 追问3:内部反馈(员工)怎么管? → 同池不同源标签(内部反馈优先级高——员工是最专业的用户);狗粮渠道(内部版先行)与 594 题灰度衔接



第六批完:认证与登录 14 题(500–513)+ 授权与权限 8 题(514–521)+ 文件功能 10 题(522–531)+ 消息与通知 10 题(532–541)+ 搜索功能 8 题(542–549)+ 内容安全与风控 8 题(550–557)+ 支付与交易 8 题(558–565)+ 数据导入导出与报表 8 题(566–573)+ 用户与增长 8 题(574–581)+ 协作与实时 6 题(582–587)+ 通用功能策略 6 题(588–593)+ 功能上线策略 6 题(594–599),共 100 题,题号 500–599。跨批次引用:0–99 → 第一批,100–199 → 第二批,200–299 → 第三批,300–399 → 第四批,400–499 → 第五批。