ML System Design Framework: 给出 ML 系统设计的通用框架。

Core Concept: 五步：明确目标与指标 → 数据 → 特征与模型 → 服务与部署 → 监控与迭代；每步都要谈权衡与失败模式。

数学机理：<strong>ML 系统设计的五步框架</strong>（面试中可套用）——(1) <strong>明确目标与指标（clarify）</strong>——(a) <strong>业务目标</strong>（提升什么：GMV/留存/效率）；(b) <strong>ML 指标</strong>（代理指标：CTR/AUC/NDCG/延迟）；(c) <strong>护栏指标</strong>（不能恶化的）；(d) <strong>约束</strong>（延迟预算、成本预算、数据合规、团队规模）；<strong>关键</strong>——<strong>先问清楚再设计</strong>（面试中'澄清需求'是加分项，而非浪费时间）。(2) <strong>数据（data）</strong>——(a) <strong>来源</strong>（日志/标注/第三方/合成）；(b) <strong>规模与增长</strong>（日增多少、总量多大）；(c) <strong>质量</strong>（噪声/缺失/标签延迟）；(d) <strong>时效</strong>（实时/近线/离线）；(e) <strong>标签</strong>（如何获得、延迟多少、是否有偏）；(f) <strong>隐私合规</strong>（PII/授权）。(3) <strong>特征与模型（features & model）</strong>——(a) <strong>特征</strong>（用户/物品/上下文/交叉；离线 vs 在线计算）；(b) <strong>模型选型</strong>（规则/线性/GBDT/深度/LLM；按数据量与延迟约束选）；(c) <strong>训练</strong>（离线/在线、频率、分布式）；(d) <strong>评估</strong>（离线指标 + 在线 A/B）。(4) <strong>服务与部署（serving）</strong>——(a) <strong>部署形态</strong>（批处理/在线/流式/边缘）；(b) <strong>架构</strong>（召回-排序-重排 / 级联）；(c) <strong>延迟预算</strong>（各阶段分配）；(d) <strong>容量</strong>（QPS、峰值、扩缩容）；(e) <strong>降级</strong>（超时/故障时的 fallback）。(5) <strong>监控与迭代（monitor & iterate）</strong>——(a) <strong>数据漂移/概念漂移</strong>；(b) <strong>模型退化</strong>；(c) <strong>业务指标</strong>；(d) <strong>闭环</strong>（如何收集反馈、更新模型）；(e) <strong>失败模式</strong>（数据管道断流、模型服务故障、指标恶化）。<strong>回答的结构</strong>——(a) <strong>先澄清</strong>（目标/约束/规模）；(b) <strong>给框架</strong>（五步）；(c) <strong>逐层展开</strong>（每步谈选择与权衡）；(d) <strong>主动提'失败模式'与'如何监控'</strong>（体现工程成熟度）；(e) <strong>总结取舍</strong>。<strong>加分点</strong>——(a) <strong>量化</strong>（QPS/延迟/数据量）；(b) <strong>对比方案</strong>（为什么选 A 不选 B）；(c) <strong>失败模式</strong>（'如果 X 挂了怎么办'）；(d) <strong>演进路径</strong>（'MVP 怎么做、之后怎么扩展'）。<strong>实践建议</strong>——(a) <strong>先澄清再设计</strong>；(b) <strong>用五步框架</strong>（结构化）；(c) <strong>每步谈权衡</strong>；(d) <strong>主动提失败模式与监控</strong>；(e) <strong>给演进路径</strong>（MVP → 完整）。<strong>度量</strong>——(a) 框架的完整性；(b) 权衡的合理性；(c) 失败模式的覆盖。

深度剖析与工程权衡：① <strong>'先澄清再设计'是面试的关键</strong>——不问需求就设计会被认为'缺乏工程素养'；面试中能主动澄清是深度理解的标志。② <strong>'护栏指标'要主动提</strong>——体现'不只优化单一指标'的成熟度。③ <strong>'失败模式'是加分项</strong>——'如果数据管道断流怎么办'这类思考体现工程经验。④ <strong>'量化'很重要</strong>——QPS/延迟/数据量级的估算体现'能落地'。⑤ <strong>'演进路径'</strong>——'MVP 先怎么做'体现务实（而非一上来就设计完美系统）。⑥ <strong>面试要点</strong>——被问'设计一个 ML 系统'，应给出'<strong>五步框架（目标/数据/模型/服务/监控）+ 先澄清 + 每步权衡 + 失败模式 + 演进路径</strong>'；能主动提'护栏指标'是深度理解的标志。