题目重点：从双边匹配和消息生成到发送频控、人工审阅与回复/投诉指标，避免只优化打开率。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练场景中 recruiter 已获得职位与候选资料的合法访问权限；候选人有可联系状态。具体产品政策、隐私合规与发送限制必须以真实规则为准。
- 系统先生成建议草稿，由 recruiter 审核发送；题目未要求自动群发或代替人工决策。
解题路线
- 先定义双边目标：recruiter 找到可能感兴趣且符合职位硬条件的人，候选人收到相关、真实、低打扰的沟通；岗位地点/授权/屏蔽名单等作为硬过滤。
- 召回与排序结合职位技能、经验和候选人表达过的偏好，使用可解释的证据片段；不要从敏感或不可靠属性推断求职意愿。训练标签可看回复与后续面试，但曝光/发送选择偏差必须在实验中控制。
- 草稿生成只使用可核职位信息与有权限的候选经历，附证据引用并标不确定信息；UI 让 recruiter 看匹配理由、编辑草稿、确认事实与发送频率，允许撤回/反馈。
- 发送链路做去重、冷却期和按候选人频控，记录 consent/退订与失败状态。离线评估事实准确、个性化程度和敏感表达；在线同时看有效回复、候选人负反馈、退订、后续面试及不同群体的体验差异。
手动走一遍
招聘方招数据平台工程师，系统召回公开说明构建过流处理平台且地点匹配的候选人；草稿只引用其可见项目和已核职位职责，不写‘你正在求职’这种无证据判断。UI 显示来源，recruiter 修改后发送；候选人若退订，后续推荐与发送均停止。
规模与取舍
设职位 J、候选人 C，不能做全量 J×C 精排；先用索引召回每职位 K≪C 人，再重排和按需生成草稿。生成成本约与被审阅的草稿数、上下文长度成正比；实际容量与政策限额、招聘活跃度有关，题目未明确数值。
易错点与追问
容易失分的边界
- 把发送量/打开率当唯一成功指标。
- 用未授权资料或推断敏感属性写个性化理由。
- 对同一候选人多位 recruiter 反复发送相似草稿。
- 模型编造候选人经历或职位福利。
- UI 不提供证据与编辑入口，却让 recruiter 为内容负责。
继续深挖
- 如何对没有回复数据的新职位冷启动？
- 如何衡量候选人受到打扰而非只看 recruiter 转化？
- 多位 recruiter 同时想联系一人怎样限流？
- 草稿出现幻觉如何检测与纠正？
