智能体意图识别流水线

智能体意图识别流水线把规范化后的用户请求映射到受支持的工作流，提取必要参数，并决定执行、澄清、拒绝还是升级推理。“让大模型直接猜一个意图”并不是完整的工程方案。

最小契约

可用的识别器至少需要：

• 封闭且边界明确的候选意图集合。
• 结构化输出，而不是自由文本标签。
• 必填、可选槽位与约束提取。
• 对不支持请求的拒识。
• 对低置信度或信息不足请求的澄清。
• 可测量的准确率、延迟和成本。

输出除选中意图外，还应包含候选项、置信信号、已填槽位、缺失槽位、约束、证据和下一步动作。

三层路由

层级	作用	常见实现
快速路由	低成本处理明显、低风险输入	规则、精确命令、轻量分类器、向量匹配
结构化模型	分类常见自然语言请求	小中型模型、候选定义、示例和 Schema
深度推理	处理多轮、模糊或高价值请求	强模型、检索、ReAct/TAO、槽位填充

每一层都是一道门。高置信结果可以直接通过；中等置信度可以仲裁或澄清；不受支持的请求应拒绝，而不是强行映射到相近工作流。

槽位与规模化

意图决定“运行哪个工作流”，槽位决定“工作流需要哪些参数”。要求中的比较价格、检查交付等内容可能只是子任务、参数或约束，不应无限膨胀为新意图。

意图数量增长后，应先缩小候选集：按领域分层、向量召回 Top-K、粗排后精判，并给相似意图补充正反例。这与渐进式披露和 RAG 上下文剪枝采用同一原则：只让分类器看到当前相关定义。

意图识别也是智能体 Harness 工程的权限控制面，因为它决定后续可用的工作流、工具和权限。