coze-工作流-意图识别、批处理、变量聚合

本章介绍意图识别、批处理、变量聚合节点的基础使用

意图识别

自动识别用户输入的自然语言意图,将不同类型的用户请求智能分流到对应的处理分支,实现业务逻辑分发。

极速模式

完整模式

相比于极速模式从面板上看多了一个系统提示词,两者支持的意图分类数也不同,完整模式个数远多于极速

批处理

用于批量执行相同处理逻辑

和循环节点结构很像,自带处理体,设置处理流程

批处理体中设计处理流程与循环体一致

变量聚合

结合意图识别使用变量聚合,最终的结束节点只连接一个节点,假设只识别一个类,则需要把每个大模型输出找到非空的那个输出内容,可通过变量聚合实现。

相关推荐
山间小僧44 分钟前
「AI学习笔记」Agent Memory(二)跨会话记忆:从聊天记录到可演化的长期记忆
aigc·agent·vibecoding
明志数科1 小时前
具身智能数据工程观察:“数据筑基“时代的数据底座建设路径
人工智能·机器人
m0_614523552 小时前
普通视频怎么做多场景一镜到底:路线设计、逐段衔接与整体验收
人工智能·音视频
海宇服务2 小时前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
东风破_2 小时前
别急着上 Agentic RAG:先用 LangGraph 把最小 RAG 跑明白
人工智能
LaughingZhu3 小时前
Product Hunt 每日热榜 | 2026-09-12
人工智能·深度学习·神经网络·搜索引擎·百度
天真小巫3 小时前
2026.9.13总结(工作量日益繁重的当下,AI如何提效)
人工智能
Zguigo3 小时前
【CUDA1】GPUvsCPU,CUDA Kernel
人工智能·pytorch·深度学习
thesky1234563 小时前
用 ONNX Runtime 把 PyTorch 模型变成跨平台极速推理引擎:导出、优化、量化完整实
人工智能·深度学习·模型部署
Goboy3 小时前
多模态大模型已经能识别和描述视频,为什么仍然缺乏可靠的时序感知能力?
aigc·ai编程