← 返回概念解读

Concept Fable精修版

意图识别

Intent Classification · Orchestration

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

柜台先判断客人到底来办什么

市政厅只有一个大柜台。客人来了就开始说话,柜员边听边猜该找税务、户籍、道路还是商铺许可。熟客说得清,新客常绕半天。

最早的办法是让所有客人排同一队。轮到谁,柜员再细问。队伍越来越长,真正只想补一张表的人也要等复杂纠纷处理完。

主管贴了一张关键词表:出现税字就去税务,出现房字就去户籍。几天后就出错了。有人问商铺房租税,两个窗口都说不归自己。

另一个柜员建议让客人自己选窗口。结果很多人选错,排了半小时又被退回来,怒气比原来更大。

后来,大厅入口加了一位分诊员。他不解决问题,只问几个短问题:你是要查询、修改、投诉、申请,还是补材料?涉及哪个对象?有没有截止日期?

分诊员把请求贴上意图标签,再送到对应窗口。模糊的请求会先补问,不会硬塞进某个类别。

主管还定期查看分错的案例。若很多客人都说同一种含混话,入口问题就要改;若某个新业务经常出现,就增加新类别。

大厅很快安静下来。不是因为每个窗口都变聪明了,而是入口先把请求类型判断清楚,后面的流程才能对上。分诊员说:在动手之前,先判断对方究竟想完成哪类事。分错门,后面再努力也是绕路。后来主管发现,入口分诊还会暴露新需求。若许多人都说不清同一件事,大厅就改问法;若新事务频繁出现,就给它开一扇新门。它还减少了误会。客人听见自己的目的被复述一遍,常会当场纠正:我不是投诉,我是要补证据。方向一准,后面才少走弯路。柜员们也少了争吵,因为每个窗口接到的事更像自己该办的事。柜员们也少了争吵,因为每个窗口接到的事更像自己该办的事,处理才真正变快。

揭示

这个故事讲的是:意图识别

Intent Classification 是判断用户请求属于哪类意图,以决定后续流程、工具、Agent 或回复策略的能力。它可以由规则、传统分类器或 LLM 完成。企业 Agent 中,意图识别常用于客服分流、工作流选择、权限判断和路由,但需要处理多意图、模糊请求、低置信度补问和持续评测。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 市政厅大柜台:统一入口的 AI 应用
  • 税务、户籍、道路窗口:不同工作流、工具或 Agent
  • 关键词表:脆弱的规则分类
  • 客人自己选窗口:把分类负担交给用户
  • 入口分诊员:Intent Classifier
  • 查询、修改、投诉、申请:意图类别
  • 模糊请求先补问:低置信度处理
  • 最后洞察:Intent Classification 在执行前识别请求类型,为后续路由提供依据

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

routerNLUworkflow