一个基本的意图识别该包含哪些内容

设计智能体（Agent）的意图识别（Intent Recognition）系统，是构建整个Agent大脑的核心环节。优秀的意图识别不仅需要准确理解用户的字面意思，还要结合上下文、用户画像以及业务场景。

在目前大模型（LLM）时代，意图识别的设计范式已经从传统的"纯分类模型（如BERT+规则）"演进到了"语义路由（Semantic Routing）+ 工具调用（Function Calling）"的混合架构。

一、 意图体系设计（Taxonomy Design）

在写代码或调模型之前，首先要定义好Agent"能听懂什么"。

1. 分层设计 ：通常采用 领域 (Domain) -> 意图 (Intent) -> 槽位 (Slot/Parameters) 的三级结构。
   • 例如 ：旅游 (Domain) -> 预订机票 (Intent) -> 出发地、目的地、时间 (Slots)。
2. 定义边界（OOD与兜底） ：除了业务意图，必须设计闲聊意图 (Chit-chat) 和 未知意图 (Out-of-Domain, OOD)。当用户输入超出Agent能力范围时，系统应能准确识别为OOD并优雅地拒绝或引导。
3. 颗粒度控制：意图不要过细也不要过粗。过粗会导致后续业务逻辑复杂，过细会导致模型分类容易混淆。

二、 技术架构选择（Modern Agent Workflow）

现代Agent通常不依赖单一技术，而是采用**漏斗式/多级路由（Multi-tier Routing）**架构，以平衡准确率、成本和响应延迟：

第一级：规则与缓存层（Rule & Cache）

• 做法：使用正则表达式、确切的关键词匹配，或者基于Redis的精确语义缓存（Exact Match Cache）。
• 场景：处理超高频、极简单的指令（如："退出"、"查余额"、"人工服务"）。
• 优点：0延迟，极低成本，100%准确。

第二级：语义路由层（Semantic Router / 小模型）

• 做法：将用户的Query转化为向量（Embedding），并在向量数据库中与预设的"标准意图语料库"进行相似度匹配（Cosine Similarity）。也可以训练一个轻量级的意图分类模型（如FastText、RoBERTa）。
• 场景：处理常规的、表达清晰的单轮业务意图。
• 优点：响应快（几十毫秒），成本低，能够拦截80%的标准业务请求。
• 开源库推荐 ：semantic-router。

第三级：大模型分析层（LLM Function Calling / Prompting）

• 做法 ：如果前两级没有以高置信度命中，则将Query连同上下文交给大语言模型。利用大模型的 Function Calling（工具调用） 能力。
  • 将所有意图定义为一个或多个Function的描述（包含意图说明和所需参数）。
  • LLM会根据Query自动判断应该触发哪个Function，并顺便把参数（槽位）提取出来。
• 场景：处理长尾Query、复杂的长难句、多意图混合语句、隐式意图（如用户说"我有点冷"，LLM识别意图为"调高空调温度"）。
• 优点：泛化能力极强，零样本或少样本即可工作。

三、 意图参数提取（槽位填充 Slot Filling）

意图识别往往伴随着参数提取。Agent识别出用户的意图是"订机票"后，还必须知道"从哪到哪"。

• 传统方法：使用NER（命名实体识别）模型。
• Agent时代方法 ：通过 LLM 的 JSON Mode 或 Function Calling 强约束输出格式。
• 追问机制（Clarification）：如果关键槽位缺失（如识别了订机票，但没有时间），Agent的意图管理模块应当自动挂起当前任务，向用户发起"反问（Prompting for clarification）"，直到关键参数收集完毕。

四、 多轮上下文管理（Context & State Management）

真实用户的意图往往是在多轮对话中逐渐清晰的。

1. 指代消解（Coreference Resolution）：用户说"帮我查一下去北京的机票"，Agent回复后，用户又说"那高铁呢？"。此时系统必须结合历史记录，将当前意图还原为"查询去北京的高铁"。
2. LLM多轮理解 ：可以直接将最近的 K 轮对话历史拼接（如 System Prompt + History + User Query），让LLM在多轮语境下判断当前最新意图。
3. 状态机（State Machine）：在复杂业务中（如办理银行业务），可以引入状态机，用户所处的当前节点会极大地改变他同一句话的意图权重。

五、 处理模糊与拒识（Ambiguity & Fallback Handling）

1. 置信度阈值：如果使用向量检索或小模型，设定置信度阈值（如0.8）。低于该阈值的交给LLM处理，LLM也无法确定的则触发拒识。
2. 多意图冲突：如果用户一句话包含多个意图（如"帮我查一下余额，顺便充100块钱话费"），Agent需要有拆解意图的能力，通常可以通过让LLM输出List形式的意图数组来实现。
3. 主动澄清：当系统判断两个意图的概率非常接近时（如51%和49%），不应盲目执行，而应设计话术让用户做单选题："您是想查询 A，还是想办理 B？"

六、 系统设计架构图示例

一个现代Agent意图识别系统的请求流转过程如下：

User Input
   │
   ▼[ 安全审核 / 敏感词过滤 ] ──(违规)──> 拦截
   │
   ▼[ 规则与精准缓存命中 ] ──(命中)──> 提取参数，直接执行
   │
   ▼
[ 语义路由 (Embedding检索) ] ──(相似度>0.85)──> 命中预设意图，提取参数 -> 执行
   │
   ▼ (相似度低于阈值，或者属于复杂逻辑)
[ LLM 意图解析 (Function Calling) ]
   ├──(命中工具库)──> 提取 JSON 参数 -> 校验参数是否完整 -> 执行或追问
   └──(未命中工具库)──> 归类为闲聊或OOD -> [ 闲聊模块 ] 或 [ 兜底话术 ]

七、 评估与持续迭代（Evaluation & MLOps）

1. 构建评测集：沉淀真实的线上用户语料，人工标注其真实意图，构建成 Golden Dataset。
2. 评估指标 ：使用 Accuracy、Precision、Recall、F1-Score。对于Agent，尤为重要的是OOD的拦截率（避免AI幻觉胡乱执行工具）。
3. 数据飞轮：将线上识别置信度低、或者用户随后立刻取消操作（说明识别错误）的Case捞出来，通过微调（Fine-tuning）小模型或补充到语义路由的向量库中，实现系统的持续变聪明。