深至科技一面：全栈开发实习（医疗 AI）的意图识别与工程难点追问

《面试题目》

1. 自我介绍
2. 你实习期间做的医疗智能体主要服务的人群是怎么样的？意图识别模块是怎么开发的？
3. 为什么是 9 类意图，不是 8 类或者 10 类？
4. 怎么评估这个意图识别模块是有效的？
5. 评测集是自己做的吗？
6. 说一下工程方面碰到的有挑战性的、棘手的问题是怎么解决的？
7. 反问

《参考解析》

1. 意图类别数是业务与评测共同收敛出来的结果，不是拍脑袋定的：可以这样组织答案——先把线上用户问法聚成簇（按业务动作、科室、对话阶段做粗分），再看哪些类别的边界足够清晰、样本量足够支撑训练与评测；边界模糊的两类合并、单类里混着两种完全不同的诉求就拆开。9 类这个数字最后是被「分类指标能不能稳定」和「标注成本能不能扛住」两条约束卡出来的。反过来说，如果被追问「为什么不多分几类」，答法要落在误判代价上：医疗场景把「咨询用药」错分到「描述症状」，下游给的建议完全跑偏，类多了混淆矩阵反而更难看。

2. 评估意图识别模块要分层说，别只报一个准确率：离线看混淆矩阵与宏平均 F1（类别不均衡时准确率会骗人），特别关注最容易串的两三类之间的互相误判；线上看转人工率、用户追问率、兜底（走默认回复）的比例，以及按意图分桶后的满意度。如果做过，再补一句上线前后的对比口径——同一个抽样窗口、同一批入口流量，否则数据不可比。

3. 评测集自建是这类岗位的加分点，讲清构造与质量控制：真实日志分层抽样（按意图、按时段）+ 人工标注 + 从错分案例里补边界样本，必要时用大模型合成候选再由人复核。真正能讲出深度的是三件事：标注一致性怎么保（双标 + 仲裁、算 Kappa）、训练集与测试集怎么防泄漏（同一条会话的相似问法必须整簇切分，不能随机切）、评测集怎么保持版本可追溯（每次改动跑同一份回归集，指标变化才可解释）。

4. 「工程上最棘手的问题」按 STAR 讲，重点给量化证据：情境（什么场景、影响多少用户或多少请求）、任务（你负责的那一块边界）、行动（试过哪条路、为什么否掉、最后落地是什么）、结果（延迟从多少降到多少、错误率、人工介入量）。医疗智能体常见的好素材是长对话上下文膨胀导致的响应变慢、多轮里指代消解丢失、以及模型输出不稳定带来的下游解析失败——挑一个你真做过、能画出链路图的讲。

5. 反问环节挑能暴露岗位真实工作的问题：实习生在意图识别这条链路上能独立负责到哪一层（只做标注与调参，还是能改模型与流程）、上线后的效果由谁看哪个指标、医疗场景对输出合规与留痕的要求。这类问题既显专业度，也帮你判断这段实习能不能写出像样的项目经历。