意图识别（Intent Recognition）：智能体怎么听懂你想干啥

你在跟 AI 对话的时候，是否想过，作为一个程序，它到底是怎么听懂你说的话的？答案是「意图识别」！意图识别是智能体编排流程的第一道闸门，它判断你的一句话究竟是要问一个问题、查一组数据，还是让系统执行一个动作，并据此决定后续走哪条处理链路。本文拆解意图识别的定义、运行原理、工程意义与落地误区，帮你建立从自然语言输入到工作流路由的完整认知。

运行原理

意图识别的原理是分类加路由。系统先把用户输入映射到一个预设的意图标签，比如问答、取数、执行、闲聊，然后把标签传给编排引擎，由引擎把请求送往对应的工作流节点。这里的一个重要环节是先分类、后生成，通常不宜把原始文本直接丢给大模型自由发挥。

分类可以由规则完成，也能由模型完成。规则方式依靠关键词和正则匹配，速度快、可控性强，遇到"查一下""帮我提交"这类标准化表达很稳。模型方式用文本分类器或大语言模型本身做判断，能理解"上回那事儿办得咋样了"这种省略主语、口语化的句子。工程上常把两者结合，规则兜住高频固定句式，模型处理那些口语化、不规范的输入。

意图分类的常见维度

一套实用的意图体系通常覆盖四类。

问答类指向知识检索，系统从已有文档里找答案，适合处理流程和政策细节类问题。取数类则连向数据库，把自然语言转成查询语句，回答营收、逾期这类数值问题。执行类负责触发动作，调用外部接口完成周报发送、代码审查等任务。闲聊类做情感陪伴或信息澄清，系统简短回应，或反问以补全缺失要素。

四种类别可以叠加，一句话里可能同时带着取数和执行。比如"查一下库存低于警戒线的SKU并通知采购"，先取数找出清单，再执行通知。这种复合意图通常需要系统先拆分、再分别路由，不宜只取第一个动词就完事。

典型应用场景

意图识别的价值在真实业务里最直观，下面举几个常见落点。

智能客服把进线请求先判意图。咨询类转知识库问答，投诉类转工单系统，办理类调业务接口。一个对话入口可支持处理多种请求，用户通常无需在菜单里反复查找。

企业内部助手服务员工。问"报销流程怎么走"走问答，问"我这个月差旅花了多少"走取数，说"帮我提交报销单"走执行。同一句话入口背后是三条不同的处理通道。

数据分析对话区分"看趋势""做对比""找异常"三种取数意图，路由到不同的分析模板，生成的图表和口径随之变化。

自动化办公处理指令型邮件。邮件写"把附件合同归档并提醒法务"，系统拆成取数（识别合同文件）加执行（归档与提醒），自动跑完流程。

意图识别的工程意义

意图识别把不确定性挡在生成环节之前。如果系统分不清意图，该办事的请求被当成闲聊，用户等来一句客套话。该查数的请求被当成问答，模型凭记忆编出一个看似合理却无依据的数字。大语言模型本身在自我约束方面存在局限，你让它自由回答，它可能就会自由回答。用意图做前置闸门，有助于给不同请求分配不同的处理通道，生成环节可专注于自己擅长的事。这种做法有助于降低答非所问和编造内容发生的可能性。

多轮对话中的意图切换

单轮判断只是起点。真实对话里，用户的意图会随着上下文变化，系统必须持续重新识别。用户先问"上季度华东区营收多少"，这是取数。接着说"把结果做成PPT发给老板"，意图切到执行。再问"为什么比预期低"，又回到问答。通常需要对用户输入重新进行意图判断，不宜沿用上一轮的标签。

持续判断依赖对话状态的维护。系统记录已经发生的动作和已掌握的信息，结合新输入推断当前意图。缺了这层状态，可能出现“系统还在查数、用户早已要执行”的错位。

落地常见误区

第一个误区是认为关键词硬匹配就足够。固定词表能覆盖标准说法，但可能难以覆盖口语化表达。

第二个误区是认为识别一次就一劳永逸。多轮对话中意图会切换，只判一次会让后续请求沿用错误标签，越走越偏。

两个误区指向同一件事。意图识别不是上线时配好规则就结束的配置项，而是需要模型兜底、需要随对话状态动态刷新的能力。

小艾智能体里的意图识别实现

小艾智能体可将意图识别落到编排引擎的具体节点上。工作流的起点节点可用于识别输入类型并初始化流程上下文，条件分支节点可根据意图标签进行动态分流。

问数类请求可走自然语言转SQL的链路，系统可将问题转换为数据库查询语句再返回结果。问答类请求可走检索增强生成链路，先从向量库和搜索引擎取回相关片段，再交由大模型组织答案，借此减少凭空编造的情况。执行类请求可走外部接口节点，调用第三方服务完成动作。

三条链路在编排层通过条件路由可自动选择，用户通常无需手动切换模式。这种起点识别、分支分流的设计，有助于将同一句输入引导到对应的处理通道，减少含糊表达在系统里空转的情况。