阿里巴巴对话交互面试，LLM指令解析光看还不够还得摸得准

继续阿里巴巴的连载。阿里巴巴篇聊完，这篇换到多模态对话与机器人执行工程师视角，把LLM指令解析单独拎出来说透。

LLM指令解析：从输入到异常，一条线讲完

阿里巴巴面试多模态对话与机器人执行工程师时，LLM指令解析是绕不开的考点。面试官喜欢让候选人先讲自己的理解，再逐层收紧。

面试官直接进入正题：“多轮对话中用户改主意（‘算了放桌上吧’），机器人怎么维护任务状态并安全回滚？”

参考答案思路：维护对话状态机+世界状态快照：每步执行前存关节与目标快照，语言理解模块输出增量意图（取消/替换/追加）而非全量重规划。回滚时按快照逆向运动学回到安全位再执行新目标，过程中用碰撞检测保证撤回路径无碰。关键是LLM只改计划树节点，执行器状态由独立事务管理器保证原子性。

面试官让把核心逻辑写下来，大概是：

class TaskState: def __init__(self): self.snap=[] def checkpoint(self, q): self.snap.append(q.copy()) # 关节快照 def rollback(self): if self.snap: return self.snap.pop() # IK回安全位 return None

面试官把问题推进一步：“回滚路径自身可能碰撞，怎么处理？”

回滚目标先