AgentAI 模糊语义交互

问题从哪来

对话式 Agent 里，用户很少像调 API 一样把参数写全。常见输入包括：用「这个」「那个」指代上下文里的对象、只说「查天气」却不给地点、用「稍后」「明天」这类相对时间、或一句话里串多个任务（「查天气然后订餐厅」）。若模型直接猜，容易执行错动作；若每次都泛泛反问，体验又很差。需要的是可重复的歧义分析 + 结构化澄清，而不是临场发挥的追问话术。

技能如何工作

本技能围绕「先拆歧义、再补信息、最后确认」组织流程。

• 歧义检测：对照 input 与 context，标出指代不明、缺参、时间模糊、多意图、动作含糊等点（与 analyze_ambiguity 返回的 AmbiguityResult 对应）。
• 澄清模板：按场景选用三种形态——选项选择式（有限候选）、信息补全式（逐项问缺什么）、确认+细化式（先给推测再让用户改）。
• 交互闭环：clarify 生成澄清话术；需要按钮/快捷选项时用 generate_button_reply；用户回复后由 confirm_context 合并进会话上下文，避免重复提问。

实现上常见三种模式：上下文记忆（已确认字段写入 context）、渐进式确认（一次只解决一类歧义）、智能默认值+确认（给出最佳推测并允许覆盖）。实践上建议一次选项控制在 3～5 个、每个问题带具体例子、允许自由文本而不只选序号，并支持用户只回答部分问题。

适用边界

技能描述的是澄清交互的模式与 API 约定，并不替代你业务侧的实体解析（例如「昨天那个文档」最终仍要接文件索引或搜索）。中文场景可结合 jieba 等分词提升指代与缺参检测；并发对话可走 asyncio。若用户意图已足够明确，应跳过澄清，避免过度打断。