模拟面试智能体上线前设三道确定性护栏 确保总评报告安全可交付

模拟面试智能体完成逐题结构化点评后，需确保总评报告可安全交付候选人。开发团队在第8篇实战中增设三道确定性规则护栏：第一道防泄题，通过禁用词表扫描全文，拦截含‘正确答案是’等引导性短语的内容；第二道防夸大，强制分数与等级、推荐结论对齐，由代码查表映射（如50分对应‘待提升’），杜绝模型描述与数值矛盾；第三道防错建议，校验单题建议非空、总评推荐与子题得分逻辑一致（如‘推荐’时各题不得低于40分）、亮点短板条数合规，异常时生成告警而非静默修正。三道护栏均以纯函数实现，独立于模型输出路径，支持离线全量测试——26个单元测试覆盖边界场景，可在无API Key环境下一键跑通。工程上采用两层分离架构：guardrails.py前置过滤原始Evaluation对象，report.py仅渲染公开字段（分数、等级、亮点、短板、建议、总结），确保答案不进入渲染层。当前方案已在Redis、MySQL等12类技术题库灰度验证，后续将扩展至多轮追问动态评分与权限分级控制。该机制确立人机协作边界：模型负责语言生成，确定性规则守好交付底线，使系统真正具备对外发布能力。