面试官：在Agent中怎么做意图识别？

在AI Agent的设计中，意图识别是自然语言理解（NLU）的核心环节，直接影响用户体验和业务目标达成。作为AI产品经理，需从业务场景、技术实现和用户体验三个维度系统设计意图识别方案

1. 明确业务需求与意图分类体系
- 场景拆解：根据Agent的应用场景（如客服、智能家居、电商导购）梳理高频用户诉求。例如：
- 客服场景：咨询、投诉、退款、查询进度等
- 智能音箱：播放音乐、设置闹钟、控制设备
- 意图分层设计：采用树状结构（主意图→子意图→槽位），避免分类粒度混乱。例如：
主意图：订机票
├─子意图：查询航班（槽位：出发地、目的地、日期）
└─子意图：改签机票（槽位：订单号、新日期）
- 兜底策略：设计"未知意图"分类，结合澄清话术（如“您是想查询订单还是联系客服？”）或转人工流程。

2. 数据驱动的模型构建
- 数据采集与标注：
- 通过用户历史对话、搜索日志等获取真实语料。
- 标注时需注意同义表达覆盖（如“帮我订票”和“买张去北京的机票”）。
- 技术选型方案：
- 规则引擎（正则表达式、关键词）：冷启动阶段/高确定性场景（如命令词）
- 深度学习（BERT、TextCNN）：复杂语义场景
- 大模型微调（Few-shot Learning）：长尾意图识别
- 多模型融合：规则兜底+模型预测，例如先用规则处理高频意图，剩余流量走模型。

3. 用户体验闭环设计
- 容错机制：
- 置信度阈值设置（如低于0.7时触发澄清）
- 上下文继承（用户说“换一个时间”时继承前文航班查询意图）
- 效果评估指标：
- 技术指标：准确率、召回率、F1值
- 业务指标：任务完成率、转人工率、单次对话解决率（FCR）
- 用户感知：用户主动纠正次数、满意度调研
- 持续迭代闭环：
- 建立bad case分析流程，将误识别样本反馈至标注池
- 监控意图分布变化（如新增促销活动可能引发未覆盖的咨询意图）
的#牛客AI配图神器#  #牛客激励计划#  #产品经理#  #互联网#  #互联网回暖，腾讯要招5000+人！#