【offer选择】大模型选手应该转型搜广推吗

都是算法岗滴滴秋储实习：agent➕微调智谱日常实习：造数据➕agent百度日常实习：research，nlp算法，强化学习，有很多卡现在大三，只有滴滴是准备转正的实习，剩下两个都是日常。目前比较倾向于百度，做的方向是最喜欢的，待遇也是里面最高的。不知道放弃秋储值不值得，感觉剩下一年半可以再做做其他有趣的实习。

京东云 一面二面合集。Java又Win了,之前海投投了京东，没想到给我面了，感谢东哥。整体面试官比较温和，对我不会的问题不会太压力我，体验感比较好。一面：整体面试难度还可以没手撕1.自我介绍2.Redis和Mysql的区别3. Gateway统一认证是怎么做的4.Runnable和Callable的区别5.HaspMap、HashTable、ConcurrentHashMap三者的共同点和区别6.Spring IOC AOP思想、具体应用7.MySQL慢查询优化8.你在项目中用到了Guava的ratelimiter，这用了什么算法？9.线程的栈帧里面有什么？10.ratelimiter的buc...

在AI Agent的设计中，意图识别是自然语言理解（NLU）的核心环节，直接影响用户体验和业务目标达成。作为AI产品经理，需从业务场景、技术实现和用户体验三个维度系统设计意图识别方案1. 明确业务需求与意图分类体系- 场景拆解：根据Agent的应用场景（如客服、智能家居、电商导购）梳理高频用户诉求。例如：- 客服场景：咨询、投诉、退款、查询进度等- 智能音箱：播放音乐、设置闹钟、控制设备- 意图分层设计：采用树状结构（主意图→子意图→槽位），避免分类粒度混乱。例如：主意图：订机票├─子意图：查询航班（槽位：出发地、目的地、日期）└─子意图：改签机票（槽位：订单号、新日期）- 兜底策略：设计"未知意图"分类，结合澄清话术（如“您是想查询订单还是联系客服？”）或转人工流程。2. 数据驱动的模型构建- 数据采集与标注：- 通过用户历史对话、搜索日志等获取真实语料。- 标注时需注意同义表达覆盖（如“帮我订票”和“买张去北京的机票”）。- 技术选型方案：- 规则引擎（正则表达式、关键词）：冷启动阶段/高确定性场景（如命令词）- 深度学习（BERT、TextCNN）：复杂语义场景- 大模型微调（Few-shot Learning）：长尾意图识别- 多模型融合：规则兜底+模型预测，例如先用规则处理高频意图，剩余流量走模型。3. 用户体验闭环设计- 容错机制：- 置信度阈值设置（如低于0.7时触发澄清）- 上下文继承（用户说“换一个时间”时继承前文航班查询意图）- 效果评估指标：- 技术指标：准确率、召回率、F1值- 业务指标：任务完成率、转人工率、单次对话解决率（FCR）- 用户感知：用户主动纠正次数、满意度调研- 持续迭代闭环：- 建立bad case分析流程，将误识别样本反馈至标注池- 监控意图分布变化（如新增促销活动可能引发未覆盖的咨询意图）的         

我通过牛客赚了一包薯片，整整5块，然后一直没到账，然后发现人家放假了，今天到了之后买了吃掉，已经变成葡萄糖了。那么我也是顺利收下几家offer了，没学多久，今天给一下具体路线，求别私信我（真想问问题，直接把问题写上去留个微信，动不动弹出来红点点，你总会去点他的。。），然后东西都是你感兴趣才能去做，你肯定难以接受一天爽学10几个小时。同时五一假期还不出门，连续5天高强度琢磨新玩意，所谓欲戴王冠，必承其重你知道的，光是走马观花肯定很困难。我给出你具体思路还是比较重要的。首先确定走这一行，我的话有两年开发经验，有实习经验，然后直接转行，本身就有基础，计算机的知识是有迁移性质的。我先讲讲大模型ai应用...