人脸能力拆成两类
- 真人头像检测 / 活体认证：解决信任与反欺诈。
- 人脸驱动数字形象：用于 AI 分身的视频呈现。
- 两类数据隔离：认证通过不等于授权生成肖像。
良配 AI 技术方案
如果由我一人从 0 到 1 负责小程序与 App，我会先交付一条可验证的核心闭环：
真人认证 → AI 深度理解 → 双向匹配 → 互选 → 建立关系
面部驱动和音色复刻采用可替换供应商，作为增强体验的二期能力，不阻塞首版。
01
Capability boundary
借鉴即梦的交互体验，但不绑定单一供应商
语音能力拆成三类
- ASR：完成 AI 红娘实时访谈与转写。
- TTS：让 AI 红娘稳定、自然地播报。
- 音色复刻：仅在本人授权与风险校验后启用。
02
System architecture
模块化单体 + 独立 AI 服务层
前端层
微信小程序Taro + React + TypeScript
iOS / Android AppExpo React Native
运营与风控后台Next.js｜审核、申诉、Prompt 配置
后端应用层｜NestJS 模块化单体 + REST / WebSocket + Worker
账号 / 授权 / RBAC
资料 / 认证 / 风控
访谈 / 用户画像
搜索 / 推荐 / 匹配
聊天 / 关系状态机
AI 分身 / 军师
内容审核 / 举报
消息 / 支付 / 通知
任务队列 / 定时任务
审计 / 埋点 / 配置
AI 服务层｜AI Gateway + Orchestrator
ASR / VAD / TTS实时语音会话
LLM 工具编排红娘 / 分身 / 军师
Embedding / Rerank召回、排序、理由生成
内容安全模型涉诈、骚扰、隐私
人脸 / 活体供应商仅传认证所需数据
数字人 / 音色供应商二期、可替换适配器
分层记忆管理｜短期上下文 · 中期互动事件 · 长期确认画像 · 召回 / 写回 / 冲突 / 遗忘
03
Core modules
6 个业务模块 + 1 个公共记忆模块
1. 信任与身份
实名、活体、真人头像、年龄校验；授权记录、黑名单、举报与申诉。
验收：伪造 / 冒用路径可阻断、可追溯。
2. AI 红娘访谈
主题状态机、动态追问、断点续聊；转写纠错，敏感问题可跳过。
验收：覆盖度、完成率、平均响应时延。
3. 画像与资料诊断
事实、偏好、边界和软特征分离；用户确认后发布，避免 AI 自行定性。
验收：字段准确率、可编辑率、投诉率。
4. 搜索与双向匹配
硬过滤 → 向量召回 → 重排打分；A→B 与 B→A 两个方向独立计算。
验收：Top-K 相关性、互选与沟通转化。
5. AI 分身与军师
分身代问敏感问题，发送前必须确认；军师提供总结、建议与沟通辅助。
验收：不越权、不私发、不假扮真人。
6. 关系与运营闭环
1v1 状态机、解除原因、反馈回流；审核后台、Prompt 灰度与人工接管。
验收：状态一致、可回滚、全链路审计。
7. 分层记忆管理
AI 红娘、AI 分身与匹配推荐共用。每条记忆记录来源、置信度、版本和授权；写入前确认，冲突时不静默覆盖，支持过期、遗忘、撤回与彻底删除。
短期记忆
当前会话上下文与任务状态，Redis + TTL。
当前会话上下文与任务状态，Redis + TTL。
中期记忆
近期互动、关系事件和待确认问题，PostgreSQL。
近期互动、关系事件和待确认问题，PostgreSQL。
长期记忆
用户确认的事实、偏好和边界，结构化存储 + pgvector。
用户确认的事实、偏好和边界，结构化存储 + pgvector。
04
Tech choice
共享业务逻辑，端侧分别适配
工程组织pnpm + Turborepo Monorepo
客户端小程序：Taro React + TypeScript｜App：Expo React Native｜后台：Next.js
服务端NestJS + Fastify｜Worker：BullMQ｜OpenAPI 生成客户端与类型
数据PostgreSQL + pgvector｜Redis｜对象存储｜审计库与业务库分权访问
可观测OpenTelemetry｜Prometheus / 云监控｜Grafana｜Sentry｜集中日志
05
AI-assisted workflow
AI 辅助编码、设计与测试
规格先行
PRD → 用户故事 → 验收条件；OpenAPI → Schema → 类型生成。先让 AI 找歧义与失败路径。
无验收标准，不让 AI 开写。
设计副驾
任务流 → 原型 → 组件清单；对话脚本覆盖中断与拒答。AI 生成草稿与文案变体。
我负责可用性与最终取舍。
小票据编码
一次只交付一个垂直切片；实现、测试、迁移说明一起产出；Diff 保持可人工审查。
权限与数据逻辑人工复核。
AI 做破坏者
生成边界值、并发和恶意输入；覆盖 Prompt 注入与隐私泄漏；缺陷沉淀为回归用例。
Unit + API + E2E + AI Eval。
06
System stability
从四个层面提升系统稳定性
1调用链韧性
- 外部调用设置超时预算、熔断与并发上限。
- 只对幂等请求重试，指数退避 + Jitter 防止重试风暴。
- 关键操作使用 idempotency_key，避免重复匹配与扣费。
- 供应商统一走 AI Gateway，可切备用模型或模板降级。
降级优先级：语音 → 文字 → 模板 → 人工，不阻断主链路。
2数据可靠性
- 匹配、关系状态与授权记录使用事务和唯一约束。
- Outbox + Worker 保证数据库提交后消息最终可达。
- Redis 只做缓存；缓存失效时数据库仍能正确工作。
- 自动备份 + PITR，定期做恢复演练。
生物信息与普通业务数据分桶、分权、分生命周期存储。
3容量与资源保护
- 网关按用户、IP、接口和模型做限流与配额。
- 转写、画像与视频生成进入独立队列。
- 队列设置最大积压、优先级、死信队列和消费超时。
- 随机 TTL、热点互斥和空值短缓存防击穿。
上线前压测容量上限，保留 30% 余量并设置成本保护阈值。
4发布与变更安全
- Feature Flag 解耦部署与发布，1% → 10% → 50% 灰度。
- 数据库迁移使用 expand / migrate / contract 三阶段。
- 镜像、配置、Prompt、模型和向量版本均可回滚。
- 发布后自动观察错误率、P95、成本和业务指标。
超过阈值自动关闭 Flag 或回退上一稳定版本。
07
Monitoring + alerting
监控覆盖“用户体验 → 应用 → AI → 基础设施”
小程序 / App
→
API / Worker
→
AI Gateway
→
模型 / 三方
系统黄金指标
- 流量：RPS / 并发 / 队列长度
- 延迟：端到端 P50 / P95 / P99
- 错误：4xx / 5xx / 超时 / 重试率
- 饱和：CPU / 内存 / 连接池 / 磁盘
按版本、城市、客户端分群观察。
AI 专项指标
- ASR 首字 / LLM 首 Token / TTS 首包
- 超时率、拒答率、JSON 失败率
- Token / 音频分钟 / 单会话成本
- 记忆命中、错误写入、冲突与越权召回
Prompt 与模型版本必须成为标签。
业务健康指标
- 访谈完成率 / 中断点 / 重试次数
- 画像确认率 / 修改率 / 投诉率
- 候选曝光 → 互选 → 有效沟通漏斗
- 认证失败率 / 举报率 / 人工接管率
技术指标正常但业务异常也要告警。
日志与链路
- 全链路 request_id / trace_id
- 结构化日志，禁止记录原始敏感信息
- 关键操作写不可篡改审计事件
- 前端错误关联后端 Trace 与发布版本
支持单次 AI 会话安全回放。
告警分级、自动止血与故障闭环
| 级别 | 触发条件 | 通知与响应 | 自动动作 |
|---|---|---|---|
| P0 | 主链路不可用、隐私泄漏、重复扣费，或错误率超过灾难阈值。 | 电话 + IM；5 分钟确认，立即建立事故频道与负责人。 | 关闭 Flag、熔断供应商、回滚；保留只读 / 人工通道。 |
| P1 | P95 超标、队列积压、AI 失败率连续 10 分钟升高。 | IM + 值班通知；15 分钟响应，先止血再定位。 | 限流、切备用模型、暂停低优任务、队列扩容或降级。 |
| P2 | 容量接近阈值、成本异常或单点错误逐渐增多。 | 工作时段处理，自动合并重复告警。 | 自动建单，避免告警疲劳。 |
检测 → 告警 → 自动止血 → 人工定位 → 恢复验证 → 复盘 → 新增监控 / 回归用例 / Runbook
08
Beyond the resume
简历外优势
数据驱动的用户体验设计能力
多年数据分析与 BI 系统研发经验，让我能够把体验问题转化为漏斗、路径、留存和反馈指标。
曾帮助头条、小红书、汽车之家等 App 在早期阶段开展用户体验优化，能够贯通体验发现、方案设计、数据验证与迭代闭环。
多个小程序独立开发经验
点点打卡陪伴型习惯养成。
途伴旅记旅行规划、多人协作与旅程记录。
有点东西 LabAI 小工具集合。
具备从产品设计、技术实现到上线迭代的独立交付能力。