意图识别

要解决的问题

在对话式 Agent 里，最先被击穿的往往不是工具调用本身，而是路由层：同一句“帮我订明天上午的会议室”，可能同时命中日程创建、会议室查询、冲突检测多个目标。如果每次都让上层脚本去写 if/else，规则会迅速变成难以维护的意图补丁集；更麻烦的是，用户措辞稍有变化，规则就失效，整条链路随之错位。

技能如何工作

意图识别 的目标是把自然语言输入映射到一个结构化的意图标签，再由 Agent 决定后续动作。它的核心价值在于提供一层轻量、可扩展的分类边界，而不是替代业务逻辑。

• 输入约束：适合单轮或短文本场景，输入尽量保持简短；过长的上下文会稀释关键信息。
• 推理方式：基于大模型对语义进行判断，将句子归类到预定义的意图集合中。
• 输出形态：以意图标签或结构化判断作为结果，方便上层路由直接消费。
• 接入方式：把该技能挂在 Agent 的前置节点，先完成意图判断，再决定工具调用或对话分支。

适用边界与注意点

它更适合边界清晰、意图数量有限的场景，例如客服分流、任务派发、表单入口选择。遇到以下情况需要谨慎：

• 多轮对话中存在大量指代或省略时，单条文本可能缺少足够上下文；
• 高度通用领域下，如果标签体系没有先行收敛，分类结果容易漂移；
• 它不替代领域规则或事实检索，仍需要结合业务校验；
• 对低置信度样本，建议补充追问或回退逻辑，而不是直接路由。