题目重点：保留旧倒排与结构化过滤，解析自然语言意图、混合召回和重排；用日志弱监督冷启动并控制偏差。
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。
- 以招聘/人员搜索作说明性场景，但题目只说现有 keyword search；实际索引对象须当轮确认。
- 训练版假设旧搜索引擎至少提供倒排索引、结构化过滤与可回放查询日志；若日志不可用，需先构造人工标注集和受控合成查询，不得虚构现成训练数据。
解题路线
- 保留旧系统作为可回退的 lexical 召回路径。自然语言解析层抽取职位、技能、地点、资历与意图，生成结构化过滤和关键词改写；对歧义条件保留可解释的候选解释，而非强行一刀切。
- 新增语义召回可用文本向量或查询扩展，与 BM25/过滤候选混合，先满足权限和硬条件，再用轻量 ranker/交叉编码器重排；为每个结果保存匹配证据，避免模型凭空解释。
- 无标注冷启动从旧搜索点击、改写、停留与后续行动获取弱标签，但展示位置、历史关键词习惯和流量选择会造成偏差。用人工双人标注覆盖高频与长尾意图，做离线 NDCG/Recall@K 及无结果率，再小流量 A/B 看任务完成和低质量点击。
- 若用 LLM 生成 query rewriting/训练样本，设置 schema 约束、去重、事实校验和人工抽检；不能让模型编造用户技能或绕过权限过滤。上线按延迟预算分层缓存，模型超时回退旧搜索。
手动走一遍
训练查询‘在纽约做过分布式指标平台的后端工程师’：解析地点 NYC、领域 metrics platform、岗位 backend，先以旧索引和硬过滤取候选，再语义召回‘observability/time-series’相关描述，重排时引用简历片段。没有新训练集时先用现有查询改写日志形成弱对，再人工检查近义词误扩展。
规模与取舍
总延迟约解析+两路召回+重排；若每路取 K 候选、重排 M 条，则排序成本随 M 增长，M≪全索引 N。向量索引容量约 O(Nd)，d 为向量维度，具体召回/延迟与索引类型及过滤选择性有关；题目无规模数字，不填固定 QPS。
易错点与追问
容易失分的边界
- 一开始替换旧 keyword 引擎，失去可回退路径和精确过滤。
- 把旧点击当无偏相关标签。
- 让语义结果越过硬性地点/权限限制。
- 只优化离线相关度，忽略无结果率、任务成功与延迟。
- 说没有数据却凭空假设大量人工标注。
继续深挖
- 旧日志很少或没有点击，第一批评测集怎样建？
- 用户说‘不要销售’等否定约束如何保证？
- 语义召回命中但旧关键词不命中时怎样解释？
- 模型延迟超标时如何降级？
