意图识别节点

意图识别节点能够让智能体识别用户输入的意图，并将不同的意图流转至工作流不同的分支处理，提高用户体验，增强智能体的落地效果.

意图识别就是让智能助手听懂你想干什么.比如你说 "查今天 AI 新闻"，它就知道你想 "看新闻".

以前做这个需要多个复杂步骤，现在扣子工作流有个专门功能，直接就能判断你的意图，让对话机器人反应更快更准.就像把多步操作变成一键完成，省时又省力.

意图识别节点可用于以下场景：

• 客户服务：识别用户问题的类型，并转交各类知识库处理，对于知识库中未匹配的问题，转交人工客服处理.
• 医疗咨询：对用户咨询的医学问题进行归类，非医学问题的咨询则拒绝回复.
• 综合类智能体：对于功能多样的智能体，可以先由意图识别节点对用户咨询进行初步分类，转交各个 Agent 分支处理.

模型

选择执行意图识别的大模型，一般选择Lite系列的，速度快

还支持修改大模型的配置信息，这个没有特别要求，一般保持默认即可

输入

简单来说：

1. 你需要指定让 AI 分析的内容，默认是用户当前输入的问题（query）.这个内容可以来自用户提问，也可以用前面步骤生成的结果.
2. 如果开启 "参考对话历史" 功能，AI 会结合之前的聊天记录来理解当前问题.比如用户先问天气，接着问 "明天呢"，AI 就知道在问明天天气.

就像老师批改作业时，不仅看当前这道题，还会参考你之前的答题情况来理解你的思路.

可以指定大模型能看到几轮的历史记录（一问一答视为一轮）

意图匹配

你可以把用户意图分类想象成快递分拣站：

1. 提前设好多个分类筐（比如咨询 / 退货 / 投诉）
2. 用户问题来了，系统会自动检测应该放进哪个筐
3. 如果匹配到某个筐，就按对应流程处理（比如退货筐转售后部门）
4. 遇到无法分类的件（比如闲聊），就扔进 "其他" 筐统一处理

这样所有用户问题都不会被漏掉，特殊问题还能走特殊流程.设置多个分类筐能让处理更精准，而 "其他" 筐就是最后的保险.

添加【意图】后，节点的后面就多出一个连接点，用于进入对应的流程

高级设置

简单来说：这个平台已经给 AI 设定了一些基础指令，让它能理解用户的问题类型（比如问天气、查订单等）.你可以做两件事让 AI 更聪明：

1. 补充额外指令（比如 "当用户提到物流时归类为快递问题"）
2. 给每个分类添加具体例子（比如 "我的快递到哪了" 属于快递类，"明天会下雨吗" 属于天气类） 就像教小孩认动物时，既告诉他特征，又给他看各种图片，AI 就会分类得更准确啦！

示例：

在某些场景下，无法正常识别场景.添加一个参考示例，帮助大模型识别场景

输出

节点的输出参数，可作为变量被后续节点引用.

输出参数固定为：

• classificationId：每个意图的 ID.根据意图匹配中配置的意图，从上到下依次排序，第一个意图的 ID 为 1.
• reason：分类的原因和依据，由模型自动生成.

参考：

使用

根据用户的不同问题，进入了不同的处理流程.