客服Agent实战系列 03-意图识别插件

上一篇我们设计了System Prompt，告诉Bot"你是谁"。这一篇来解决更关键的问题：Bot怎么知道用户想做什么？用户说"我的订单在哪"，Bot要知道这是"订单查询"；用户说"我要投诉"，Bot要知道这是"转人工"。这就是意图识别——客服Bot的"耳朵"。

1什么是意图识别？为什么重要？

意图识别（Intent Recognition）是Agent感知模块的核心功能。它的作用是：从用户的自然语言中，提取出用户的意图。

图：意图识别流程示意

意图识别的重要性：

三个关键作用：

1. 决定后续流程：不同意图走不同的处理路径

2. 提高效率：不用每次都让大模型"猜"，意图识别可以快速分流

3. 降低成本：意图识别可以用轻量模型，比每次调用大模型便宜

2客服场景的意图定义

客服场景的意图相对固定，我们定义了7个核心意图：

json[  {"id": "intent_001","name": "faq_query","description": "FAQ问题查询","examples": ["如何修改密码", "怎么申请退款", "配送要多久"]  },  {"id": "intent_002","name": "order_query","description": "订单查询","examples": ["我的订单在哪里", "查一下订单", "订单状态"]  },  {"id": "intent_003","name": "human_handoff","description": "转人工","examples": ["转人工", "我要人工客服", "帮我转人工"]  },  {"id": "intent_004","name": "complaint","description": "投诉","examples": ["我要投诉", "服务太差了", "投诉你们"]  },  {"id": "intent_005","name": "greeting","description": "问候","examples": ["你好", "在吗", "有人吗"]  },  {"id": "intent_006","name": "thanks","description": "感谢","examples": ["谢谢", "感谢", "好的谢谢"]  },  {"id": "intent_007","name": "unknown","description": "未识别意图","examples": []  }]

3意图识别的实现方式

2026年，意图识别有三种主流方式：

图：Bot根据意图分流处理

客服场景我们选择小模型分类 + 大模型兜底的混合方案：

混合方案的优势：

1. 常见意图（FAQ、订单查询）用小模型快速识别，成本低

2. 复杂意图（投诉、情绪识别）用大模型，准确率高

3. 未识别意图用大模型兜底，不会漏掉

4实战：实现意图识别插件

我们创建意图识别插件：

plugins/intent_recognition/plugin.py：

pythonimport jsonfrom pathlib import Pathfrom typing import Dict, ListclassIntentRecognitionPlugin:"""意图识别插件"""def__init__(self, intents_file: str = "data/intents.json"):self.intents = self._load_intents(intents_file)self.keyword_map = self._build_keyword_map()def_load_intents(self, intents_file: str) -> List[Dict]:"""加载意图定义"""        path = Path(intents_file)if path.exists():with open(path, 'r', encoding='utf-8') as f:return json.load(f)return []def_build_keyword_map(self) -> Dict[str, str]:"""构建关键词映射表"""        keyword_map = {}for intent inself.intents:for example in intent.get("examples", []):# 提取关键词（简化版）                keywords = example.split()for kw in keywords:if kw notin keyword_map:                        keyword_map[kw] = intent["name"]return keyword_mapdefrecognize(self, user_input: str) -> Dict:"""识别用户意图"""# 第一步：关键词快速匹配        intent = self._keyword_match(user_input)# 第二步：如果关键词匹配失败，用大模型识别if intent == "unknown":            intent = self._llm_recognize(user_input)return {"intent": intent,"confidence": 0.9,"original_input": user_input        }def_keyword_match(self, user_input: str) -> str:"""关键词匹配"""        words = user_input.split()for word in words:if word inself.keyword_map:returnself.keyword_map[word]return"unknown"def_llm_recognize(self, user_input: str) -> str:"""大模型识别（简化版）"""# 实际项目中会调用大模型API# 这里简化为返回unknownreturn"unknown"

5集成到Bot中

将意图识别插件集成到客服Bot：

src/bot.py（更新版）：

pythonfrom plugins.intent_recognition.plugin import IntentRecognitionPluginclassCustomerServiceBot:def__init__(self, config_path: str = "config/customer_service.yaml"):self.config = self._load_config(config_path)self.system_prompt = self._load_prompt()self.intent_plugin = IntentRecognitionPlugin()defchat(self, user_input: str, history: list = None) -> str:# 先识别意图        intent_result = self.intent_plugin.recognize(user_input)        intent = intent_result["intent"]# 根据意图分流处理if intent == "faq_query":returnself._handle_faq(user_input)elif intent == "order_query":returnself._handle_order_query(user_input)elif intent == "complaint":returnself._handle_complaint(user_input)elif intent == "human_handoff":returnself._handle_handoff(user_input)else:# 其他意图走大模型returnself._call_llm_with_context(user_input, history)def_handle_faq(self, user_input: str) -> str:#下一篇会实现知识库插件return"正在从FAQ知识库检索答案..."def_handle_order_query(self, user_input: str) -> str:# 后续会实现订单查询插件return"正在查询您的订单..."def_handle_complaint(self, user_input: str) -> str:return"非常抱歉给您带来不便。我立即为您转接人工客服处理。"def_handle_handoff(self, user_input: str) -> str:return"好的，正在为您转接人工客服..."

6测试意图识别效果

python# 测试意图识别from plugins.intent_recognition.plugin import IntentRecognitionPluginplugin = IntentRecognitionPlugin()# 测试各种意图print(plugin.recognize("如何修改密码"))# 输出：{'intent': 'faq_query', 'confidence': 0.9}print(plugin.recognize("我的订单在哪"))# 输出：{'intent': 'order_query', 'confidence': 0.9}print(plugin.recognize("我要投诉"))# 输出：{'intent': 'complaint', 'confidence': 0.9}print(plugin.recognize("你好"))# 输出：{'intent': 'greeting', 'confidence': 0.9}print(plugin.recognize("今天天气怎么样"))# 输出：{'intent': 'unknown', 'confidence': 0.9}

7意图识别的优化方向

三个优化方向：

1. 增加训练数据：收集更多用户对话，训练小模型分类器

2. 上下文理解：结合历史对话，识别多轮意图

3. 置信度阈值：低置信度的意图用大模型二次确认

8总结：意图识别是Bot的"耳朵"

本篇要点：

1. 意图识别决定分流：不同意图走不同处理路径

2. 混合方案最优：关键词快速匹配 + 大模型兜底

3. 意图定义要清晰：客服场景7个核心意图足够

4. 插件化设计：意图识别作为独立插件，方便扩展

5. 持续优化：收集数据，训练小模型，提高准确率

下一篇，我们来写知识库插件——如何让Bot从FAQ中找到答案。

客服Agent实战系列01 · 项目初始化02 · Bot定义：System Prompt设计03 · 意图识别插件 ← 你在这里04 · 知识库插件... 共14篇前置系列：Agent开发系列 05：感知模块