DoorDash正在构建一套与内容类型无关的AI审核平台，以应对实时市场中大规模消息安全挑战。该平台采用混合架构模式，替代了此前成本高昂的纯LLM管道，在降低安全事件数量的同时，将系统扩展至每日数百万条消息的处理能力。
据DoorDash工程师Bruna Pereira介绍，这一架构的核心思路是将审核任务分层处理：首先使用快速内部模型过滤明显违规案例，随后引入LLM多轴评分机制处理需要细微判断的内容，最后通过支持回测的无代码工作流实现策略的灵活调整与验证。这种设计在保证审核准确率的同时，显著降低了计算资源消耗。
从技术架构角度看，该方案解决了纯LLM管道在规模化场景下的两大痛点：一是推理成本随调用量线性增长，难以支撑高并发实时审核；二是单一模型难以覆盖复杂多变的审核规则，容易出现误判或漏判。DoorDash的混合模式将简单规则前置处理，仅将复杂案例交由LLM深度分析，从而在成本与准确性之间取得平衡。
DoorDash作为美国头部本地生活服务平台，其业务场景涵盖外卖配送、杂货零售等多个实时交易领域，用户与商家、骑手之间的即时通讯消息量巨大。安全审核系统需要在不影响交易效率的前提下，及时识别欺诈、骚扰、不当内容等风险信息，这对系统的响应速度和判断精度都提出了较高要求。
该平台的另一亮点是无代码工作流与回测机制的结合。运营团队无需依赖工程开发即可调整审核策略，并通过历史数据回测验证策略变更效果，降低了策略迭代的试错成本。这一设计思路对于同样面临内容治理挑战的SaaS平台和社区型产品具有参考价值。
随着AI生成内容的普及，内容审核的复杂度正在持续上升。DoorDash此次公开的技术方案表明，企业级安全系统建设正从单一模型依赖转向多模型协同与工程化治理的方向演进。如何在成本、速度与准确性之间找到最优解，仍是该领域持续探索的核心命题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
