意图识别节点

意图识别节点是AI工作流中的一个关键组件。它的核心作用是让智能体理解用户输入的真实目的，然后根据识别出的不同意图，将流程引导至工作流中对应的分支进行处理。这不仅能提升用户与智能体交互的流畅度，也能让智能体在实际应用中更智能、更实用。

节点说明

意图识别 是指让智能体具备理解用户自然语言背后意图的能力。例如，当用户说“我想查一下今天的天气”，其意图就是“查询天气”。在工作流中，意图识别节点可以自动完成这种意图分类，无需你再组合使用大模型节点和选择器节点来实现，使得工作流运行更直接、更高效。

典型应用场景：

• 客户服务：自动判断用户问题是关于“产品咨询”、“售后支持”还是“投诉建议”，并分别转交给相应的知识库或人工客服处理。
• 医疗咨询：区分用户询问的是医学专业问题还是普通的健康科普，对非医学问题可设置不予回复。
• 多功能智能体：对于集成了多种能力的智能体，可以先用此节点对用户请求进行初步分类（如“翻译”、“查天气”、“讲笑话”），再分流给不同的处理模块。

配置节点

大模型配置提供了丰富的选项，以追求更高的识别准确率：

配置项	说明
模型	选择性能更强大的模型来执行复杂的意图识别任务。
输入	指定输入内容。
意图匹配	定义意图分类.
系统提示词	这是提升准确率的关键。你可以写更具体的指令，或为每个分类提供典型的用户问题示例，从而更精确地引导模型进行分类。注意：系统提示词中不需要指定未匹配到意图时情况。
输出	输出classificationId和reason。

（上图示例：对话流中完整模式的意图识别节点配置界面）

工作流连接指南

配置好节点后，需要将其正确地连接到工作流中：

1. 连接意图分支：你必须将意图识别节点上定义的每一个意图分类，都连接到后续相应的处理节点。例如，将“产品咨询”意图连接到产品知识库节点。
2. 设置兜底策略：强烈建议为“其他”（未命中任何意图的情况）设置处理分支，例如转接人工客服或返回提示信息，确保所有用户输入都能得到处理。

异常处理配置

当节点运行超时或出错时，默认会中断整个工作流。你可以通过以下设置自定义异常处理行为：

异常处理设置	说明
超时时间	设置节点运行的最长时间限制（0.1秒至60秒），超过即判定为超时。默认为60秒。
重试次数	节点运行失败后，可选择是否自动重试（重试次数最多3次）。默认为不重试。
异常处理方式	选择发生异常后的流程走向： - 中断流程：（默认）停止工作流。 - 返回设定内容：不中断流程，而是返回一个你预先定义好的JSON格式结果。 - 执行异常流程：不中断流程，转而执行一个独立的异常处理分支，你可以在该分支中定义具体的补救措施。

（上图示例：节点的异常处理配置界面）

示例

客户服务工作流

假设我们要构建一个客户服务场景的工作流，其核心节点和流程如下：

1. 意图识别节点：将用户问题分类为“售前咨询”和“售后问题”。在完整模式下，可以为每个分类提供示例问题，帮助模型精准识别。
2. 知识库节点：“售前咨询”和“售后问题”分别连接到对应的售前知识库和售后知识库。知识库的回答可直接返回给用户。
3. 文本处理节点：作为兜底策略。当用户问题不属于售前或售后时（即意图识别结果为“其他”），通过该节点返回一段固定文案，引导用户通过其他渠道（如提交工单）联系人工客服。

常见问题

Q1:意图识别不准确怎么办？

如果发现分类结果不理想，可以从以下几个方面排查和优化：

• 优化意图分类：检查你设置的分类名称是否清晰、无歧义，且分类之间是否有足够的区分度。避免使用含义重叠的分类（如“动物”和“动植物”）。
• 完善系统提示词：在提示词中清晰地描述每个分类的定义，并附上典型的用户提问示例，这是非常有效的优化手段。
• 更换模型：如果以上调整后效果仍不佳，可以尝试切换不同能力倾向的模型，找到最适合你当前任务的那一个。