美团 软件后端-直播部门 4.8 一面

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         

前言以下教程仅针对本人的大大小小几十场暑期实习面试的经验总结，个人背景（双9，无论文、无竞赛、无大厂实习、无奖。）。简历几易其稿，相对于原来的初版，可谓是脱胎换骨，洗经易髓。二月中旬开始面试，到四月中旬陆续收尾。最终斩获字节、腾讯、百度、得物、商汤等多家大小厂offer！剩余淘天、蚂蚁已过hr面，等待排序结果。怎么写简历简历就一个字，吹！只要hold住，就往深了吹。个中滋味需要细细品味。不会写的，搜STAR法则。注意列数据。用百分号表示你的效果提升。用15w(6W)代表你的训练数据量。用7B(2B)表示你的模型大小。用8*A100（2*3090）表示你的训练资源。怎么投简历多投多投多投！建议不...

做一下自我介绍说一下你的研究方向研究中认为做的最好的地方在哪觉得c++哪些地方你觉得最好。说一下你写的内存分配器说一下你去读文件的末尾几行，操作系统发生了什么。三次握手四次挥手，为什么要四次说一下浏览器从你输入域名访问后整个网络发生了什么？写两个题，一个sql，一个hard（leetcode黑名单）

1. 基本情况方向：数据工程，时间：40分钟结束、16:00开始，无手撕，多场景2. 自我介绍3. 一些能够回忆起来的（或许有不正确的地方）：（1）提问R：你这个项目是课程作业还是什么？R：那你说说Hive和ClickHouseR：你谈到了OLAP，那和OLTP有啥区别？R：没了？ClickHouse适合那种场景？R：可以用作实时数仓吗？R：课程中有数据库相关的吗？只有数据结构与算法？R：MySQL系统学习过吗？R：数据怎么导入到ClickHouse的？R：直接到ClickHouse？R：数仓分层？四层讲讲。R：那为什么要分层呢？DWS已经差不多了为什么还需要ADS呢？R：场景题：在你的表上新...