参与智能问答系统的需求拆解与数据清洗，基于Python和Pandas处理10万+条用户日志，提取高频意图并构建标注规范。使用BERT模型进行意图分类微调，在验证集上F1值提升至0.92。与产品、后端协作完成模型部署接口设计，输出技术文档和效果对比报告，支撑系统上线后准确率稳定在89%以上。此外，针对长尾意图识别困难的问题，引入数据增强策略和阈值调整机制，使低频意图的召回率提升20%，显著改善了用户体验。