题目重点：把题目的 Video Upload + Search 拆成受限直传、异步处理、文本/向量索引与时间戳回链。
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。
- 上传者有权限，视频大小与格式上限由产品约定；训练目标是上传后可按语音内容检索到对应视频时间段。
- LLM 可用于生成摘要或查询扩展，但原始转写和时间戳是可核对证据；不把生成摘要当唯一索引来源。
解题路线
- API 创建上传任务并返回有限时效的受限对象存储直传 URL，客户端分片上传且支持断点续传；服务端校验大小、格式、hash、所有权和病毒扫描。
- 上传完成事件进入持久队列，异步转码为可播放分片和缩略图，同时提取音轨做带时间戳的转写；步骤以 jobId 幂等重试，状态从 uploaded 到 processing 到 searchable。
- 把视频元数据写数据库，转写片段写全文索引，embedding 写向量索引；每个片段保留 videoId、start/end、语言、版本和权限标签。
- 查询先校验访问权限，再做关键词与向量混合召回、排序、去重，结果回链到视频时间段；摘要可附引用，检索不到时不编造片段。
- 监控上传失败率、转码积压、索引延迟、搜索点击/命中率、权限过滤错误和存储成本；删除视频要清理源文件、分片、索引和缓存。
手动走一遍
用户上传 2GB 视频，客户端直传对象存储；上传完成后异步转码与转写。转写片段“季度预算”出现在 12:40–12:55，搜索结果跳到该时间段。若 embedding 生成失败，全文检索可先上线，后台重试向量索引。
规模与取舍
日上传 V 个视频、平均大小 S，则原始写入约 O(VS)，多码率转码和分片会放大存储；转写/embedding 计算随视频时长与片段数增长。查询时延由索引召回、权限过滤和重排预算决定。
易错点与追问
容易失分的边界
- 大视频经应用服务器中转，造成带宽瓶颈。
- 上传成功即标可搜索，但异步转写与索引尚未完成。
- 只存 embedding 不存原文与时间戳，结果无法解释或跳转。
- 删除时漏清向量索引，导致搜索泄漏已撤销内容。
继续深挖
- 视频转码成功、embedding 失败时如何对外显示部分就绪状态？
- 多语言语音、背景噪音和字幕错字如何影响召回评估？
- 直播或持续上传时如何做增量索引与近实时搜索？
