AI Agent用户意图识别:先搞清楚用户想干嘛
用户说了半句话,Agent直接开始干活了——方向错了。先识别意图再执行,比直接猜靠谱。
💡 你将学到
用户说了半句话,Agent直接开始干活了——方向错了。先识别意图再执行,比直接猜靠谱。
📜 目录
意图识别是Agent的第一步
用户说帮我查一下——查什么?怎么查?查完做什么?没有意图识别,Agent只能靠猜。
三层意图识别
L1:关键词匹配 快速分类:含天气->天气查询,含订->预订操作。100ms内完成。
L2:LLM分类 关键词匹配不了的模糊请求,用小模型分类。
L3:上下文推断 结合对话历史判断。用户之前一直在聊某项目,现在说那个方案——指的就是之前讨论的方案。
实现
def detect_intent(query, history):
# L1: 关键词
if '天气' in query: return 'weather'
# L2: LLM
intent = small_llm.classify(query, INTENT_CATEGORIES)
if intent.confidence > 0.8: return intent.name
# L3: 上下文
return infer_from_context(query, history)
总结
意图识别不是高科技,但少了它Agent表现差很多。三层递进:关键词快、LLM准、上下文兜底。
相关文章
相关文章
2026-07-19
AI Agent链路追踪:把Agent的每一步都可视化
2026-08-14
Figma 里的 AI UI 设计 2026:6 个在画布内设计的插件
2026-08-03
2026年Telegram AI机器人:python-telegram-bot(2.9万星)+ 大模型,免费官方又简单
本站文章由编辑人工撰写,收录的工具均经过实测或公开资料核验。文中链接指向工具官网或 GitHub 仓库,仅作信息参考,不构成付费推广。
