意图识别节点能够让智能体识别用户输入的意图，并将不同的意图流转至工作流不同的分支处理，提高用户体验，增强智能体的落地效果。 ## 节点说明 意图识别（Intent Recognition）指的是让智能体理解用户通过自然语言表达的意图或目的。意图识别是智能助手的典型能力，例如用户在对话中输入“我想查看今天的 AI 新闻”，其中“查看新闻”为用户意图，也就是用户希望智能体执行的操作。扣子工作流支持意图识别节点对用户意图进行归类，无需再通过大模型节点配合选择器节点实现意图识别，使工作流运行更加高效。 意图识别节点可用于以下场景： * 客户服务：识别用户问题的类型，并转交各类知识库处理，对于知识库中未匹配的问题，转交人工客服处理。 * 医疗咨询：对用户咨询的医学问题进行归类，非医学问题的咨询则拒绝回复。 * 综合类智能体：对于功能多样的智能体，可以先由意图识别节点对用户咨询进行初步分类，转交各个 Agent 分支处理。 意图识别节点支持极速模式或完整模式运行。 * 极速模式：以较快的速度对用户意图进行分类，适用于关注工作流运行效率的场景。极速模式下使用扣子预设的极速模型进行意图识别，不支持修改模型，且不支持通过**高级设置**来指定模型分类的提示词。 * 完整模式：意图识别效果优先，响应速度可能较长，适用于需要复杂逻辑判断的场景，例如剧情类游戏中根据情节发展切换剧情。完整模式往往需要选择意图识别能力较强的模型，并配合细致、严谨的提示词。 ## 极速模式 极速模式下，意图识别节点配置如下： | **配置项** | **说明** | | ---------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 模型 | 默认使用扣子预设的极速模型，不支持修改模型。 | | 输入 | 指定需要做意图识别判断的内容。输入参数默认为 query，可引用前置节点的输出参数，或输入指定内容。该参数通常引用开始节点中的用户输入。在对话流中，意图识别节点支持开启智能体对话历史，并设置会话轮数：* **对话历史**：开启后模型在识别意图时会参考上下文信息，进行综合判断。* **会话轮数**：设置带入模型上下文的对话历史轮数。轮数越多，多轮对话的相关性越高，但消耗的 Token 也越多。 | | 意图匹配 | 用户意图的分类选项，支持设置多个分类，极速模式下最多可设置 10 个意图。对于匹配到这些分类的意图，处理流程会流转到对应的后续节点，若意图未匹配到此处定义的任何分类，则流转到兜底策略。极速模式下不支持通过**高级设置**来指定模型分类的提示词，请确保你配置的各个意图名称之间应有明确的区分度，减少交叉语义，以便模型正确分类。 | | 输出 | 节点的输出参数，可作为变量被后续节点引用。输出参数固定为 classificationId，即每个意图的 ID。根据意图匹配中配置的意图，从上到下依次排序，第一个意图的 ID 为 1。若未命中已配置的任何意图，则 ID 为 0，执行**其他**分支。 | 对话流中的意图识别节点极速模式配置示例如下：  ## 完整模式 完整模式下，意图识别节点配置如下： | **配置项** | **说明** | | ---------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 模型 | 选择执行意图识别的大模型，支持设置模型在此节点中的生成多样性等参数配置，使模型效果更符合你的预期。 | | 输入 | 指定需要做意图识别判断的内容。输入参数默认为 query，可引用前置节点的输出参数，或输入指定内容。该参数通常引用开始节点中的用户输入。在对话流中，意图识别节点支持开启智能体对话历史，并设置会话轮数：* **对话历史**：开启后模型在识别意图时会参考上下文信息，进行综合判断。* **会话轮数**：设置带入模型上下文的对话历史轮数。轮数越多，多轮对话的相关性越高，但消耗的 Token 也越多。 | | 意图匹配 | 用户意图的分类选项，支持设置多个分类，完整模式下最多可设置 50 个意图。对于匹配到这些分类的意图，处理流程会流转到对应的后续节点，若意图未匹配到此处定义的任何分类，则流转到兜底策略。 | | 高级设置 | 追加的系统提示词。扣子平台已指定一系列提示词，用于指导大模型合理识别用户意图并分类，你也可以追加提示词、提供各个分类的用户输入示例，使模型分类更精准。 | | 输出 | 节点的输出参数，可作为变量被后续节点引用。输出参数固定为：* classificationId：每个意图的 ID。根据意图匹配中配置的意图，从上到下依次排序，第一个意图的 ID 为 1。若未命中已配置的任何意图，则 ID 为 0，执行**其他**分支。* reason：分类的原因和依据，由模型自动生成。 | 对话流中的意图识别节点完整模式配置示例如下：  配置完成后，将意图识别节点与其他节点连接，形成完整的调用链路。 * 意图识别节点的每个意图分类，都需要与后续的处理节点相连接，否则意图命中次分类时无法触发后续的处理流程。例如在客服智能体中，产品咨询的分类可以流转至产品咨询知识库节点处理。 * 推荐为意图识别节点设置兜底策略，若意图未匹配到此处定义的任何分类，则流转到兜底策略处理。 ## 异常处理 ## 示例 以客户服务类型的工作流为例，通过意图识别节点对用户问题进行归类，并流转至不同知识库处理，对于非售前或售后的咨询，统一转交人工处理。 核心节点如下： * 意图识别节点：将用户问题分为售前咨询或售后问题，每个分类提供典型示例作为分类的依据，帮助模型更精准地识别用户意图。 * 知识库节点：售前和售后问题分别流转到售前知识库和售后知识库处理，并直接输入给结束节点。你也可以按需在知识库节点之后增加一个大模型节点，用于处理未命中知识库的问题。 * 文本处理节点：意图识别的兜底策略，对于未命中任何分类的意图，统一输出一段文案，指导用户提交工单或联系人工客服。  ## 常见问题 ### 意图分类不准确应如何处理？ 意图识别的准确性受多个因素影响，例如模型性能、分类配置、提示词等。如果发现意图分类不符合预期，你可以参考以下建议提升意图识别节点分类的准确性： * 调整分类：确保意图分类简洁明了，避免模糊不清或容易混淆的语义。分类之间应有明确的区分度，减少交叉语义，以降低分类混淆的可能性。例如，应避免“动物”和“动植物”这样的分类重叠。 * 选择**完整模式**：完整模式下可以选择效果更好的模型、设置提示词，提升意图分类效果。 * 填写**高级设置**：提供具体的用户输入示例，帮助模型更准确地理解并执行分类任务。 * 切换模型：即使在分类和高级设置都已优化的情况下，意图识别的准确性仍然不理想，建议尝试切换不同的模型，以找到最适合你需求的模型。