关于 · 施祖粤 Zoey

那段实习教会我的事

HR 每天要回答大量重复问题：入职材料怎么交、调岗流程走哪几步、离职手续差什么。这些问题有标准答案，但散在制度文档、飞书 wiki 和各种历史通知里，员工找不到就只能问人，HR 又只能一遍遍重复。

我做的第一件事不是想功能，而是把问题本身排序：分层调研员工和 HR 的疑问，按「高频刚需 > 流程复杂 > 补充疑问」排优先级，最后输出一份覆盖入转调离四大模块的《需求清单》。这份清单决定了智能体的范围——哪些先做、哪些不做。

接着是知识库。智能体答得对不对，八成取决于喂给它的内容对不对，所以我参与设计了飞书 wiki 的标签体系、把它适配成 Dify 能导入的结构，并且定了一套内容同步机制——否则制度一更新，智能体就开始胡说。这部分我同时输出了高保真原型和 PRD。

我对智能体做单轮和多轮对话测试，然后逐条对照知识库去查：这个回答是有依据的，还是它自己编的。做过这件事之后我才明白， AI 产品的验收标准和普通产品完全不是一回事—— 普通产品看功能有没有实现，AI 产品得看它在没有标准答案的地方错得有多离谱。

迭代阶段我提出并落地了两个小改动：「猜你想问」建议问题模块，以及高频问题点击直达。这两个改动表面上是体验优化，实际上减少了很多无效的 LLM 调用——省 token、响应更快，也少打扰 HR。这是我第一次意识到，AI 产品的体验和成本经常是同一个问题。

智能体小规模试点上线后，我们收集了 200 多条用户反馈来驱动后续迭代。

我的专业是数据科学与大数据技术，主修 Python 程序设计、数据结构与算法、爬虫理论与实践、数据库原理、数据可视化技术、数据分析与建模。另外我做过一个基于 Spark 的 IT 岗位薪资分析预测系统，处理了 2 万多条招聘数据，覆盖 6 个维度的可视化。

对做 AI 产品来说，这套背景带来的好处很具体：我能直接读懂模型的输出和评测结果，不用等别人翻译；和算法、数据同学沟通时能说到点上；做数据看板和埋点方案时也不用完全依赖他人。

公司项目的细节我不能对外讲，也不是我一个人做出来的。所以实习结束后，我用公开的劳动法文本，把同一套方法独立跑了一遍： 6 类 55 条知识库、42 条评测集，代码开在 GitHub 上，可以直接点开看。

更重要的是，我把实习复盘出的三条改进做了进去—— 结构化切分控上下文、高频问题做确定性出口，以及我一直想补的那块：回归评测集。

实习里我做的评测更像是逐条人工比对：单轮和多轮测试，逐个对照知识库核查幻觉。它有效，但它没有基线——每次改动都要重跑一遍，而人记不住之前哪些 case 本来是好的。这个缺陷我在自己的项目里补上了。

但还有没做到的部分：失败模式归类、自动化判分、上线门禁，我目前只有朴素版本，还没有在真实团队里完整跑过一遍。这是我下一阶段最想补的能力，原因也很直白—— 在 AI 产品这个方向上，能定义「什么叫做对了」的人比会用工具的人稀缺得多。