一、什么是意图识别？

在 AI Agent 项目中，**意图识别（Intent Recognition）**是 Agent 理解用户输入的第一步。它的任务是：判断用户到底想做什么，并将自然语言映射到一个结构化的、可执行的意图标签上。

举个例子：

# 用户输入
"帮我查下明天的天气"

# 意图识别输出
{
  "intent": "get_weather",
  "slots": { "date": "明天", "location": null },
  "confidence": 0.95
}

Agent 拿到这个结构化结果后，就知道该调用天气查询工具、提取哪些参数，整个执行链路才得以运转。可以说，意图识别是 Agent 的"耳朵"——听不懂用户在说什么，后面的一切都无从谈起。

意图识别 vs. 对话管理

意图识别回答"用户想做什么"，对话管理（Dialog Management）回答"接下来怎么回应"。前者是理解，后者是决策。在实际项目中两者紧密配合，但职责不同。

二、意图识别在 Agent 架构中的位置

一个典型的 Agent 系统架构如下：用户输入 → 意图识别 → 路由分发 → 执行模块 → 响应输出。意图识别处于最前沿的位置，直接决定了后续走哪条处理路径。

意图识别完成后，Agent 根据识别出的意图将请求路由到不同的执行模块：

• 单轮问答：如"Python 怎么读文件？" → 走 RAG / 知识库检索
• 多轮对话：如"继续刚才的话题" → 走对话管理器，依赖上下文
• 工具调用：如"帮我订一张明天去上海的机票" → 走 Function Call 执行链
• 复杂规划：如"帮我分析竞品的定价策略并写一份报告" → 走 Planner + Executor 多步执行

三、三种主流方案对比

意图识别的技术方案经历了三个阶段的演进，目前实际项目中通常是多种方案的混合使用。

当前主流：混合方案

实际项目中很少只用一种方案。典型做法是规则前置 + LLM 兜底：高频意图用关键词/正则秒级命中，未命中的交给 LLM 做语义理解，再通过置信度路由决定是直接执行还是追问澄清。

四、LLM 意图识别处理流程详解

下面详细拆解一个生产级意图识别 pipeline 的完整流程：

五、代码实现示例

5.1 意图定义

首先定义系统支持哪些意图，以及每个意图需要哪些槽位（slot）：

# intents.py

INTENT_DEFINITIONS = {
    "get_weather": {
        "description": "查询天气信息",
        "slots": {
            "date": "日期，如：今天、明天、后天",
            "location": "城市名，如：北京、上海"
        }
    },
    "search_product": {
        "description": "搜索商品",
        "slots": {
            "keyword": "搜索关键词",
            "category": "商品分类"
        }
    },
    "chitchat": {
        "description": "闲聊，不属于任何业务意图",
        "slots": {}
    },
    "fallback": {
        "description": "无法识别的意图",
        "slots": {}
    }
}

5.2 规则匹配层

# rule_matcher.py
import re

class RuleMatcher:
    def __init__(self):
        self.rules = [
            {
                "intent": "get_weather",
                "keywords": ["天气", "气温", "下雨"],
                "patterns": [
                    re.compile(r"(今天|明天|后天|大后天).*(天气|气温)"),
                    re.compile(r"(天气|气温).*(今天|明天|后天)"),
                ]
            },
            {
                "intent": "search_product",
                "keywords": ["搜索", "找", "买"],
                "patterns": [
                    re.compile(r"(搜|找|买).*(商品|东西|产品)"),
                ]
            }
        ]

    def match(self, text):
        # 先走正则
        for rule in self.rules:
            for pattern in rule["patterns"]:
                if pattern.search(text):
                    return {
                        "intent": rule["intent"],
                        "confidence": 1.0,
                        "source": "rule"
                    }
        # 再走关键词
        for rule in self.rules:
            if any(kw in text for kw in rule["keywords"]):
                return {
                    "intent": rule["intent"],
                    "confidence": 0.7,
                    "source": "keyword"
                }
        return None  # 未命中，交给 LLM

5.3 LLM 意图识别层

# llm_intent.py
import json
from openai import OpenAI

client = OpenAI()

class LLMIntentRecognizer:
    def __init__(self, intent_defs):
        self.intent_defs = intent_defs
        self.system_prompt = self._build_system_prompt()
        self.few_shot = self._build_few_shot()

    def _build_system_prompt(self):
        intent_list = "\n".join(
            f"- {name}: {def_['description']}, slots: {def_['slots']}"
            for name, def_ in self.intent_defs.items()
        )
        return f"""你是一个意图识别系统。根据用户输入，判断其意图并提取槽位。

可用意图列表：
{intent_list}

输出格式（严格 JSON）：
{{"intent": "意图名称", "slots": {{}}, "confidence": 0.0-1.0}}

注意：
- confidence 低于 0.6 时使用 "fallback"
- 闲聊使用 "chitchat"
- 只输出 JSON，不要有其他文字"""

    def _build_few_shot(self):
        return [
            {"role": "user", "content": "今天北京天气怎么样"},
            {"role": "assistant", "content": '{"intent":"get_weather","slots":{"date":"今天","location":"北京"},"confidence":0.95}'},
            {"role": "user", "content": "帮我找一下无线耳机"},
            {"role": "assistant", "content": '{"intent":"search_product","slots":{"keyword":"无线耳机","category":null},"confidence":0.92}'},
            {"role": "user", "content": "你好呀"},
            {"role": "assistant", "content": '{"intent":"chitchat","slots":{},"confidence":0.88}'},
        ]

    def recognize(self, user_input):
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[
                {"role": "system", "content": self.system_prompt},
                *self.few_shot,
                {"role": "user", "content": user_input}
            ],
            temperature=0,  # 意图识别用低温度保证稳定
            response_format={"type": "json_object"}
        )
        return json.loads(response.choices[0].message.content)

5.4 完整 Pipeline 编排

# pipeline.py

class IntentPipeline:
    def __init__(self):
        self.rule_matcher = RuleMatcher()
        self.llm_recognizer = LLMIntentRecognizer(INTENT_DEFINITIONS)
        self.confidence_threshold = 0.8

    def recognize(self, text):
        # 1. 规则快通道
        rule_result = self.rule_matcher.match(text)
        if rule_result:
            return rule_result

        # 2. LLM 慢通道
        llm_result = self.llm_recognizer.recognize(text)

        # 3. 置信度判断
        if llm_result["confidence"] < self.confidence_threshold:
            return {
                "intent": "fallback",
                "slots": {},
                "confidence": llm_result["confidence"],
                "need_clarify": True,
                "source": "llm_low_conf"
            }

        return {**llm_result, "source": "llm"}


# 使用
pipeline = IntentPipeline()
result = pipeline.recognize("帮我查下明天的天气")
print(result)
# {'intent': 'get_weather', 'confidence': 1.0, 'source': 'rule'}

六、关键设计考量

6.1 意图体系设计

原则	说明
MECE 互斥	意图之间不应有重叠，同一条输入只能匹配一个意图
层次化	一级意图粗分（如"购物"），二级意图细分（如"搜索商品"→"下单"）
兜底意图	始终保留 fallback / chitchat 作为安全网
可扩展	新增意图不应影响已有意图的识别（避免重新训练）

6.2 槽位提取（Slot Filling）

意图识别通常和槽位提取配合使用。识别出意图后，还需要从用户输入中提取执行所需的参数：

# 用户输入
"帮我订一张明天去上海的机票"

# 意图识别 + 槽位提取
{
  "intent": "book_flight",
  "slots": {
    "date": "明天",       # 必填
    "destination": "上海", # 必填
    "departure": null,      # 缺失 → 追问
    "quantity": 1           # 可选，默认值
  }
}

# 缺槽追问
Agent: "请问您从哪个城市出发呢？"

6.3 多轮意图切换

用户可能在对话中途切换意图，Agent 需要处理这种场景：

# 对话历史
User: "查下明天北京天气"     → intent: get_weather
User: "顺便帮我买张去上海的票" → intent: book_flight (切换!)
User: "还是查天气吧"         → intent: get_weather (切回!)

# 处理策略
# 1. 每轮独立识别 + 对话状态追踪 (DST)
# 2. 将最近 N 轮对话作为上下文传给 LLM
# 3. 检测到意图切换时，清空上一意图的槽位

6.4 置信度策略

置信度范围	策略	示例
> 0.9	直接执行	“查天气” → 立即调用天气 API
0.6 - 0.9	执行 + 确认	“您是想查天气吗？”
0.3 - 0.6	追问澄清	“您能详细说说想做什么吗？”
< 0.3	Fallback	“抱歉，我暂时无法理解您的需求”

七、实践建议

1. 从简单开始

先用规则匹配跑通 MVP，验证核心链路。不要一上来就堆 LLM，简单的关键词匹配往往能覆盖 60% 以上的高频场景。

2. Prompt 是核心资产

LLM 方案中，System Prompt 和 Few-shot 示例的质量直接决定识别效果。建议：

• 意图描述要精确，避免歧义
• 每个意图至少 2-3 个 Few-shot 示例
• 包含反例（“这不应该被识别为 XX 意图”）
• 用 temperature=0 保证输出稳定

3. 闭环优化

意图识别不是一次性的工作，需要持续迭代：

线上 bad case → 人工标注 → 补充 few-shot → 更新规则 → 上线验证

4. 监控指标

指标	说明	目标
意图准确率	识别正确的比例	> 90%
Fallback 率	走兜底路径的比例	< 5%
平均延迟	规则路径 vs LLM 路径	规则 <10ms，LLM <500ms
槽位完整率	必填槽位提取成功的比例	> 85%

5. 安全边界

• 敏感意图（如涉及支付、删除操作）需要二次确认
• 对 LLM 输出做 JSON 校验，避免解析失败导致系统崩溃
• 设置最大重试次数，防止 LLM 超时拖垮整个链路

八、总结

意图识别是 Agent 系统的"第一道关卡"，直接影响用户体验和后续执行链路。对于刚接触 Agent 开发的实习生，建议掌握以下核心要点：

1. 理解定位：意图识别是"理解层"，负责把自然语言翻译成结构化指令
2. 掌握三套方案：规则匹配（快）、ML 分类（准）、LLM 提示词（灵活），各有适用场景
3. 学会混合编排：规则前置 + LLM 兜底 + 置信度路由是生产环境的标配
4. 关注闭环：bad case 回流 → 补充示例 → 更新规则，持续迭代
5. 重视工程化：JSON 校验、超时处理、监控指标，这些"脏活"决定了系统稳定性

希望这篇博客能帮你快速建立对 Agent 意图识别的全局认知。纸上得来终觉浅，建议找一个具体的 Agent 项目动手实现一遍 pipeline，你会对每个环节有更深的体会。