1. 知识图谱。主导、参与、设计知识图谱，包括底层本地层设计、实体挖掘、关系抽取、知识推理等。结合零售、医药等领域，并结合搜索词、场景词，构建更为完整的意图图谱体系。图谱建构既需要考虑行业的多样性，也需兼顾行业实体的属性、关系深度，目标是构建并长期迭代一个高覆盖、高质量的知识图谱。
2. 意图理解。基本NLP的工作，以NLU为主。其中，搜索关键词理解是主要场景，并有SUG、融合搜、主搜索链路等落地场景。具体NLP任务有且不限于，对于词的基本理解、分类、纠错改写同义归一等。SUG是独立链路，需要引导流量。
3. 对话互动。打造搜索、推荐之外的下一代的、对话交互式引擎，面向用户，承接泛意图的、内容知识的流量，在拉动增量订单的同时，增加用户粘性。工作有且不限于：对话管理、意图识别、调用多种引擎完成Q-A、文案封装人机对话等。
4、大规模预训练LLM。建设本地生活垂域场景下的语言大模型，基于通用底座，进行retrain or fine-tune；需要对模型训练底层的算力、框架比较熟悉；构建样本、设计训练任务，并持续调优；上层支撑对应的任务和业务场景，拿收益。