在前面的 4 篇文章里，我们首先铺垫了AI产品经理最重要的基石——AI 产品四层架构 (用户层、应用层、模型层、基础设施层)，接着由浅入深的阐述了 RAG技术 (检索增强生成) ，包括：

RAG 如何影响模型的内容生成 (离线数据构建+检索增强生成)

影响模型应用效果的 4 大因素 (基座模型、模型微调、RAG、用户体验设计)

RAG Pipeline 的编排 (数据提取方案、文本分块策略、常见索引结构、增强提示词设计)

RAG 能够帮助模型检索到更精准的外部知识，据此生成给一个高质量的回答返回给用户，但如果模型没有正确识别用户的意图，再好的检索与生成也难以达成预期效果。

所以，在 RAG 之前还有一个前置步骤——意图识别。经过用户输入、改写 query，意图识别就会引导系统路由到对应的处理模块，可以是知识检索，也可以导向工具调用。

比如，当你询问淘宝小二"我买的T恤什么时候发货"时，系统能够精准识别这是一个物流查询意图，自动调取订单系统的数据，查询该用户最近购买的T恤订单，返回预计发货时间。而当你抱怨"这个衣服跟图片上的色差好大"时，系统则识别为售后投诉意图，自动触发下一步的处理流程，转人工客服或启动退换货流程。

不只是智能客服这个相对成熟的场景，意图识别在物联网、金融和医疗领域也有所应用。

• 在智能家居场景中，用户晚上十点对智能音箱说"我好冷"，系统不仅要理解冷的字面含义，更要识别出用户的真实意图——希望提高室内温度，进而触发相应的功能——打开空调暖气。
• 在医疗场景中，当患者描述"咳嗽发烧三天，喉咙很痛"时，系统需要识别这可能是呼吸道感染相关的就诊意图，并推荐挂号呼吸内科或发热门诊。这要求系统不仅要理解自然语言，还要具备一定的医学知识。
• 在金融领域里，用户说"我想了解一下理财产品"，系统需要识别这可能是投资咨询意图，并根据用户的风险偏好、资金量等信息，推荐合适的产品。

这些应用场景都依赖于意图识别系统的三个关键能力：

a) 领域知识的储备——系统需要理解特定领域的专业术语、业务流转的逻辑。

b) 信息的综合判断——结合对话历史、用户信息、实时信息等挖掘用户当前的真实意图。

c) 动态适应的能力——根据上下文主动进行调整（涉及多轮对话，比如用户意图发生转变时，系统能够立即调整响应策略）。

2. 为什么要做意图识别？

意图识别的发展经历了从固定规则匹配到深度语义理解的演变。

早期的规则时代就像打造一本对话词典来实现你问我答。技术人员需要预先编写大量的模板和规则，试图覆盖用户所有可能的表达方式。这种方法擅长处理结构化、规范化的输入，但局限性也很明显——人类语言的多样性永远无法被规则所穷尽。比如，你提前编写了"放首歌"属于"播放音乐"的意图，如果用户说"放下杰伦的歌"这种没有编写的规则，就无法被识别。

统计学习方法的突破不再依赖人工编写的规则，从死记硬背转向了模式学习：通过大量标注数据来学习不同表达方式与对应意图之间的关系。简单说，就是让机器学习大量正确的 case 来总结规律，而不需要人为地把所有可能性都告诉它。

标注指的是为原始数据添加标签或注释，以便机器学习模型理解这些数据。对于意图识别来说，涉及意图、槽位、实体的标注 (意图就是用户的需求，槽位就是关键的字段，实体就是槽位上的信息)，最常见的就是喂给文本分类模型大量的用户 query，并标注这些话的意图。当用户输入时，用训练好的模型来预测其最可能的意图类别。

比如模型学习过"想听、要听、来首、放首"等词语与"播放音乐"这个意图相关，即使你没有明确告诉过它“我想来一首周杰伦的”也属于“我想听歌”，它也也可能根据它学到的模式进行判断。但是，虽然统计学习方法不需要人手动编写所有规则，但它本质还是表面的模式匹配，无法真正理解句子的含义。

深度学习时代的到来标志着意图识别进入了语义理解的新阶段。基于Transformer架构的大语言模型 (如BERT) 就像语境理解器，能够捕捉词语在不同上下文中的细微含义差异，实现了对复杂、模糊表达的准确理解。

仅需设计一个系统 Prompt，将用户输入与所有意图描述一并发送给 LLM，由 LLM 直接判断最佳匹配意图。无需训练数据，迭代速度极快，新增意图只需在 Prompt 工具列表中添加相应描述，显著提升了灵活性。

3. 什么是意图体系？

意图识别是一个基于意图模型的初始分类器，它的整一个流程是用户查询、query 改写、意图识别、工具和服务的调度。

1. 用户查询：就是用户在对话框里的输入。
2. query 改写：对用户的原始查询进行改写，提高模型输出的准确率。比如，用户在生活服务类 app 的 AI对话系统里输入"深圳湾今晚的房"，实际上用户需要的是"提前订一个今晚的在深圳湾附近的酒店"。
3. 意图识别：通过改写 query 与不同意图的相关性打分，将意图分类到对应的工具和服务，从而满足用户的需求。比如，与刚刚的 query 相关性最高的是酒店查询，所以它就归到酒店查询这个意图。query 里有很多槽位，"今天"就是时间槽位里的实体，"深圳湾"就是地点槽位的实体。当然也还有其他的意图，包括美食团购、火车票查询、家政服务、兼职接单等等。
4. 工具调度：将实体填充到对应的工具和服务里，承接下一步的动作。

一套完整的意图体系是意图识别的基石，支撑意图识别的运转，它包含几个重要的组成部分：

意图名称：通常来说是"动作+名词"的动宾结构，同时保证简洁易懂、没有歧义，比如加入购物车、搜索宝贝、投诉商家等等。

意图描述：对每个功能的完善的定义，尽可能覆盖到用户所有可能涉及的用途和场景的关键词，可以显著提高" LLM+Prompt"策略的意图识别的召回率与准确率。

典型 case：通过收集并分析常见的用户 query 以及 bad case，来进一步完善意图描述。通常来说，用户 query 分为直接询问和模糊表达，如果设置提问示例需要覆盖到这两种场景。

意图关系 (一般适用于用户意图或产品功能较为复杂的情况)

• 意图层级包含通常2-4个层级。

一级意图：业务大类，对应核心功能模块。

二级意图：一级大类下的细分场景。

三级意图：细分场景下对应的功能。

四级意图：某功能内更具体的动作。

意图层级举个例子，比如在电商 AI 生图工具的产品里：

• 一级意图：电商生图工具里有"模特图、商品图、素材生成"。
• 二级意图：素材生成下有"POD 素材、场景素材、图片处理"。
• 三级意图：图片处理下有"智能修图、局部消除、智能扩图、高清放大、批量生图"。
• 四级意图：批量生图下有"批量图片翻译、批量智能扩图、批量高清放大、批量场景裂变"。

• 意图边界就是需要在意图描述里明确，该意图包含什么和排除什么，避免与其他意图混淆。

意图边界举个例子，比如在修图场景里，局部消除、消除文字、局部重绘，为了避免这三个意图的混淆，就需要在意图描述内明确各自的边界。

a）局部消除：可去除图片中指定内容，同时能自动修补周围纹理和色彩，效果自然无痕 (侧重于无痕的消除图片内局部的元素)。

b）消除文字：一键消除图片中的文字或水印,最多处理100张图片 (侧重于消除图片内所有的文字或水印)。

c）局部重绘：输入文字进行指定，对图片的指定区域进行更改或修复，支持各类商品图片 (侧重于对图片内部分区域的重新绘制)。

比如：我要去掉图片里的水印=消除文字，重新画一下左下角的猫=局部重绘，抹掉书桌子上的马克杯=局部消除。

承接动作：根据意图路由到的具体工具或服务，确保整个查询到响应的一个闭环。

兜底意图：用户所有的query都应该有对应的动作，保证用户的体验。如果 query什么意图都没有命中，那么就需要有一个兜底的意图。比如生活服务类的产品，它的意图模型整体的兜底意图就可以是转人工。