传媒人别再手标！深度学习秒级精准归类

　　慢查询爆出来的那一刻，我正把咖啡泼在键盘上。风扇一直在转，嗡嗡的，像没睡醒的蜂巢。开发老张探头问：“好了没？”我没理他，盯着执行计划里那个全表扫了十七遍的 JOIN——不是业务表大，是传媒人手标打的 tag 字段，硬塞进 text 类型里，还加了全文索引。我原以为是 MySQL 配置抠太紧，结果 explain 一看，根本没走索引，连 hint 都不认。

　　2025年8月，那批新入库的短视频元数据，单日增量三百万条。不是流量峰值，是日常。他们叫它“轻量级归类需求”，说只要“大概分个类”，结果上线第三天，主库 CPU 被拖到 94%，从库延迟飙到俩小时。领导路过，站我身后看了四十秒，只说一句：“这算不算‘非技术瓶颈’？”——他用的是双引号，自己念的，尾音上挑。我点头点得特别快，其实心里知道，这根本不是瓶颈，是反人类设计：一个 tag 字段存着“财经/股市/涨停板/散户/北向资金/注册制改革/2024Q3财报预告”七层嵌套，用顿号、斜杠、中文括号混着切……还要求按语义聚类。

　　我手抖删过一次备份库的 binlog 位点，就为测那个所谓“实时标签预测 API”的回滚能力。没出事，但当晚值班时屏幕上的行数一直在跳，跳得我心慌。运维小李端着泡面进来，看我盯着 Grafana 上那根忽高忽低的 QPS 曲线，说：“你这图，比我相亲对象的心电图还难读。”我没笑。窗外天黑了，但灯没开，只有屏幕光打在脸上。

　　“传媒人别再手标！深度学习秒级精准归类”——这标题我是在内部宣讲 PPT 第二页看到的。当时我想：哦，又要换模型了。结果一问，他们真把 BERT 微调完扔进生产，没做任何 embedding 缓存，没拆 batch，每个请求都重跑一遍 tokenization + inference + top-k 归类。更绝的是，他们拿这个模型输出直接 update 到主表的 tag 字段上。update？对，是 update，不是 insert。我看见 SQL 日志里有一百多条 `UPDATE ... SET tag = '【泛财经·二级市场·短期博弈】' WHERE id IN (xxx)`，每条后面跟着三个锁等待超时。我查了下，那一百多个 id，是同一支基金的十七段持仓视频、八期直播切片、四档访谈音频——它们被标成同一类，可业务方早上才跟我说：“这几段不能归一块，风险提示逻辑不同。”

　　外卖凉了，塑料盒盖子结了层水珠。我扒拉两口饭，突然想起来上周五下午茶，产品妹子边吃蛋黄酥边说：“我们标得细，是因为编辑部要按粒度做分发策略。”我说：“你们标得越细，我这数据库越像筛糠。”她笑，说：“那您筛快点嘛。”——我现在信了，“优胜劣汰”真不是虚话。不是模型淘汰人工，是人工标注把整个链路拖进泥潭后，系统自动选了最省事的解法：让深度学习扛。它不吵不闹，不改流程，不写周报，它只是默默跑完 inference，把原本需要三天标注组核验的三万条视频，塞进一秒响应的接口里，然后顺手把 DBA 按在椅子上骂了俩小时。

　　不过，我承认，我低估了推理服务的稳定性。那套框架底层用了 ONNX Runtime，启动耗时确实挺久，冷启要二十秒——所以他们配了十五个常驻实例。问题是你永远猜不到哪个实例在你 kill -9 的前半秒刚加载完最新模型。我试过凌晨三点删一个疑似内存泄漏的 pod，结果删掉的是 last good one。那晚从库同步断了四十七分钟。复盘会上没人提这个，只说“标注口径需收敛”。没人问我为啥凌晨三点还在删 pod。

　　再说备份策略吧。我刚把全量备份周期从每天一次改成每六小时一次，顺便加了 pg_dump 的 --inserts 参数，方便开发本地 restore 后看脏数据怎么长的。结果昨天运维小李跟我说，他恢复失败三次，因为“tag 字段内容里有未转义的单引号，还有两个 emoji 表情符号”。我说：“咱不是禁了 emoji？”他说：“没禁，他们管那个叫‘情感增强符’。”我原以为只是前端显示问题，结果发现连 INSERT INTO 都没加 ESCAPE，MySQL 自己猜。猜错了。猜错三次。第三次猜出的字符串长度比实际长三字节——刚好卡死 WAL 写入。后来我翻日志才发现，第一次报错里藏了一句 `Data truncated for column 'tag' at row 1`，但被中间件日志轮转吞了。没人在意，反正不影响前端显示。毕竟编辑部说：“观众又看不见字段长度。”

　　现在呢？现在我们把模型输出当事实写入。不校验语义冲突，不比对历史标签权重，不设置 confidence threshold 下限——最低写进去的是 0.42 置信度的结果。我问开发要不要加个 reject 接口，让人工兜底低置信样本。老张叼着烟说：“拒了，谁来标？你来？”我指了指他桌上那摞还没拆封的《短视频标签规范 V3.2（终稿试行版）》——封皮上印着“2024 年第 7 次修订”。我低头喝了口凉透的咖啡，苦得我眯了眼。

文章配图，仅供参考

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!