高德地图

共享出行业务中心 · LBS 服务

AI 产品实习生 2026.02—2026.05

职责概述：通过设计与迭代打车场景内上下车点与路线相关的召回、排序及推荐策略，优化行前、行中全链路的 LBS 服务体验；降低司乘汇合困难、驾驶偏航与客诉等问题发生率，提升路径规划的精准度与确定性，实现出行效率与司乘体验的全局最优化。

AI 动态换路推荐

项目背景与需求洞察

负责高德打车送驾路线优化项目，分析发现路况变化导致首推路线无优势的订单占比 0.78%，进一步挖掘司乘录音数据，约 5% 订单含换路意图，整体行驶偏航率达 34.58%，存在显著的 AI 识别与体验优化空间。

AI 工作流设计与 Prompt 搭建

搭建“ASR 实时监听→关键字正则粗筛→大模型意图识别→小模型路线匹配→硬规则过滤→大模型质检推荐”五步决策闭环；撰写意图识别、路线推荐质检等 Prompt；设计大小模型混合架构，平衡全链路成本与效果。

效果测试与项目成果

搭建多维评测指标体系（大模型准召率及全链路节点漏斗），设计离线盲测与线上 AB 实验双轨测试方案。上线后人工抽检换路意图识别准确率达 85.4%，曝光-用户选择率 18.13%，偏航率降低 1.09pp，初步验证了 AI 动态换路推荐的可行性。

滴滴

网约车产品 · 交易市场产品部

策略产品实习生 2025.08—2026.02

职责概述：通过设计、迭代分单策略与前端产品体验，优化平台司机与乘客的实时供需匹配，以保障司乘体验为基础，提升交易匹配效率与匹配精度，实现平台全局交易匹配最优化。

改派 - 边等边找更快司机

项目背景与需求洞察

改派功能通过途中动态重匹配，缓解接驾距离远、乘客等待时间长带来的流失问题，在多轮版本迭代后，当前优化重点进一步转向改派成功率提升。拆解发现核心瓶颈主要在于可改派候选司机池受品类边界限制、近距离可召回运力不足；同时，被改派切走订单的司机对“平台切单”存在误解，带来司机侧体验损耗与客服沟通压力。

运力打通与感知优化

围绕“扩大可改派供给+稳定司乘体验”推进功能迭代，一方面打通泛快与出租车、轻享与专车等跨品类订单池，扩大改派发单与司机召回范围；另一方面引入连环派运力，补充近距离可用司机。同时在司机端强化改派原因透传，配套无责豁免、空驶补偿等安抚机制。

效果测试与项目成果

通过 AB 实验验证方案效果，功能迭代后整体推动改派成功率提升 4.58pp，订单成交率提升 0.13pp，GMV 提升 0.04%，针对司机切单感知的优化使相关客服进线量下降 15.3%，实现效率与体验双提升。

飞猪旅行

生态产品部

AI 产品实习生 2025.02—2025.06

职责概述：通过设计与迭代 Agent 工作流与前端交互体验，优化旅游出行场景下复杂用户意图与生态碎片化供给的实时匹配，在保障客商双端体验的基础上，实现从智能咨询到交易转化的全链路闭环。

AI 问一问：多智能体协同重构旅行场景

项目背景与需求洞察

飞猪 AI 问一问是基于多智能体协同的 AI 旅行规划产品，旨在解决旅行规划中用户信息过载、个性化定制成本高、跨平台操作割裂等核心痛点。作为实习生参与酒店顾问智能体 0-1 的产品设计，聚焦提升酒店推荐精准度与预订转化效率。

数据基座构建与智能体设计

整合实时房态、价格、酒店属性、用户行为及 UGC 等多源信息；参与酒店顾问智能体 0-1 设计，设计隐性需求识别与“用户标签—酒店属性”匹配逻辑；协助梳理差评识别、候选酒店过滤和推荐结果生成流程，提升酒店推荐的个性化与可用性。

效果测试与项目成果

设计酒店顾问多维评估体系，包含响应延迟、差评酒店误推与需求匹配度等指标，制定静态盲测、动态仿真、AB 测试与边界场景测试方案。上线后 AI 问一问整体使用率达 45%，酒店推荐点击率 35%，下单转化率提升 6.7%，下单耗时缩减 4 分钟，验证了 Agent 方案在旅行场景的行业价值并驱动策略迭代。