> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coze.cn/llms.txt
> Use this file to discover all available pages before exploring further.

低代码工作流中的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。
## 节点说明 {#4cc7daea}
意图识别（Intent Recognition）指的是让智能体理解用户通过自然语言表达的意图或目的。意图识别是智能助手的典型能力，例如用户在对话中输入“我想查看今天的 AI 新闻”，其中“查看新闻”为用户意图，也就是用户希望智能体执行的操作。扣子编程的低代码工作流支持意图识别节点对用户意图进行归类，无需再通过大模型节点配合选择器节点实现意图识别，使工作流运行更加高效。
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。

意图识别节点支持极速模式或完整模式运行。

* 极速模式：以较快的速度对用户意图进行分类，适用于关注工作流运行效率的场景。极速模式不支持设置**系统提示词**。
* 完整模式：意图识别效果优先，响应速度可能较长，适用于需要复杂逻辑判断的场景，例如剧情类游戏中根据情节发展切换剧情。完整模式往往需要选择意图识别能力较强的模型，并配合细致、严谨的提示词。

## 极速模式 {#0ce179cb}
极速模式下，意图识别节点配置如下：
<!-- @cols-width: 194,647 -->
| | | \
|**配置项** |**说明** |
|---|---|
| | | \
|模型 |选择执行意图识别的大模型，支持设置模型在此节点中的**生成多样性**、**输入及输出设置**等参数配置，使模型效果更符合你的预期。具体配置，请参考[设置模型](/guides/llm)。 |\
| |意图识别节点中的模型仅支持通过 Chat API 调用，不支持 Responses API 调用**。** |
| | | \
|输入 |指定需要做意图识别判断的内容。输入参数默认为 query，可引用前置节点的输出参数，或输入指定内容。该参数通常引用开始节点中的用户输入。 |\
| |在对话流中，意图识别节点支持开启智能体对话历史，并设置会话轮数： |\
| | |\
| |* **对话历史**：开启后模型在识别意图时会参考上下文信息，进行综合判断。 |\
| |* **会话轮数**：设置带入模型上下文的对话历史轮数。轮数越多，多轮对话的相关性越高，但消耗的 Token 也越多。 |
| | | \
|意图匹配 |用户意图的分类选项，支持设置多个分类，极速模式下最多可设置 10 个意图。对于匹配到这些分类的意图，处理流程会流转到对应的后续节点，若意图未匹配到此处定义的任何分类，则流转到兜底策略。 |\
| |极速模式下不支持配置**系统提示词**，来指定模型分类的提示词，请确保你配置的各个意图名称之间应有明确的区分度，减少交叉语义，以便模型正确分类。 |
| | | \
|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。若未命中已配置的任何意图，则 ID 为 0，执行**其他**分支。 |\
| |* reason：分类的原因和依据，由模型自动生成。 |

对话流中的意图识别节点极速模式配置示例如下：
![Image=242x242](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/a0f8d1bef75641bdb68a3a3faadddf76~tplv-goo7wpa0wc-image.image)
## 完整模式 {#40bfaedd}
完整模式下，意图识别节点配置如下：
<!-- @cols-width: 194,647 -->
| | | \
|**配置项** |**说明** |
|---|---|
| | | \
|模型 |选择执行意图识别的大模型，支持设置模型在此节点中的**生成多样性**、**输入及输出设置**等参数配置，使模型效果更符合你的预期。具体配置，请参考[设置模型](/guides/llm)。 |\
| |意图识别节点中的模型仅支持通过 Chat API 调用，不支持 Responses API 调用**。** |
| | | \
|输入 |指定需要做意图识别判断的内容。输入参数默认为 query，可引用前置节点的输出参数，或输入指定内容。该参数通常引用开始节点中的用户输入。 |\
| |在对话流中，意图识别节点支持开启智能体对话历史，并设置会话轮数： |\
| | |\
| |* **对话历史**：开启后模型在识别意图时会参考上下文信息，进行综合判断。 |\
| |* **会话轮数**：设置带入模型上下文的对话历史轮数。轮数越多，多轮对话的相关性越高，但消耗的 Token 也越多。 |
| | | \
|意图匹配 |用户意图的分类选项，支持设置多个分类，完整模式下最多可设置 50 个意图。对于匹配到这些分类的意图，处理流程会流转到对应的后续节点，若意图未匹配到此处定义的任何分类，则流转到兜底策略。 |
| | | \
|系统提示词 |追加的系统提示词。扣子编程已指定一系列提示词，用于指导大模型合理识别用户意图并分类，你也可以追加提示词、提供各个分类的用户输入示例，使模型分类更精准。 |
| | | \
|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。若未命中已配置的任何意图，则 ID 为 0，执行**其他**分支。 |\
| |* reason：分类的原因和依据，由模型自动生成。 |

对话流中的意图识别节点完整模式配置示例如下：
![Image=201x271](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/a7e9e64d7a0946fd99567b67b880a54e~tplv-goo7wpa0wc-image.image)
配置完成后，将意图识别节点与其他节点连接，形成完整的调用链路。

* 意图识别节点的每个意图分类，都需要与后续的处理节点相连接，否则意图命中此分类时无法触发后续的处理流程。例如在客服智能体中，产品咨询的分类可以流转至产品咨询知识库节点处理。
* 推荐为意图识别节点设置兜底策略，若意图未匹配到此处定义的任何分类，则流转到兜底策略处理。

## 异常处理 {#d6ea4750}
默认情况下，节点运行超时、运行异常时，工作流会中断，工作流调试界面或 API 中会返回错误信息。你也可以手动设置节点运行超时等异常情况下的处理方式，例如整体执行超时、是否重试、是否跳转异常分支等。
<!-- @cols-width: 188,664 -->
| | | \
|**异常处理设置** |**说明** |
|---|---|
| | | \
|整体执行超时 |整体执行超时是指节点运行的最大耗时，如果超过此时长，则判断为该节点运行超时。 |\
| |默认情况下，节点的超时时间为 60s，即 1 分钟。你也可以将其改为 0.1s~60s，灵活控制超时时间。 |
| | | \
|重试次数 |节点运行超时或异常时，默认不重试，你也可以设置为重试 1 次。 |
| | | \
|异常处理方式 |节点运行超时或异常时，默认中断工作流。你也可以手动修改此节点的异常处理方式： |\
| | |\
| |* **中断流程**：工作流执行中断，不再运行后续节点。 |\
| |* **返回设定内容**：发生异常后，工作流运行不会中断。开发者可自定义设置需要返回的输出字段内容，必须是输出中已定义的字段，且格式为合法的 JSON 格式。另外，节点还会返回输出参数 `isSuccess`、`errorBody`，传递节点异常的详细信息。 |\
| |* **执行异常流程**：发生异常后，工作流运行不会中断，转而执行异常流程分析，开发者需要为新增的异常分支配置处理流程。异常信息会通过节点的输出参数 `isSuccess`、`errorBody` 返回。 |

![Image=384x202](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/b9d0b55350dc49479d196674b450f68f~tplv-goo7wpa0wc-image.image)


## 示例 {#f2b1976b}
以客户服务类型的工作流为例，通过意图识别节点对用户问题进行归类，并流转至不同知识库处理，对于非售前或售后的咨询，统一转交人工处理。
核心节点如下：

* 意图识别节点：将用户问题分为售前咨询或售后问题，每个分类提供典型示例作为分类的依据，帮助模型更精准地识别用户意图。
* 知识库节点：售前和售后问题分别流转到售前知识库和售后知识库处理，并直接输入给结束节点。你也可以按需在知识库节点之后增加一个大模型节点，用于处理未命中知识库的问题。
* 文本处理节点：意图识别的兜底策略，对于未命中任何分类的意图，统一输出一段文案，指导用户提交工单或联系人工客服。

![Image=1780x698](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/18f085a3e5bd4a13baf6162442023d67~tplv-goo7wpa0wc-image.image)
## 常见问题 {#f6c49d9c}
### 意图分类不准确应如何处理？ {#447eb8cb}
意图识别的准确性受多个因素影响，例如模型性能、分类配置、提示词等。如果发现意图分类不符合预期，你可以参考以下建议提升意图识别节点分类的准确性：

* 调整分类：确保意图分类简洁明了，避免模糊不清或容易混淆的语义。分类之间应有明确的区分度，减少交叉语义，以降低分类混淆的可能性。例如，应避免“动物”和“动植物”这样的分类重叠。
* 选择**完整模式**：完整模式下可以设置提示词，提升意图分类效果。
* 填写**系统提示词**：提供具体的用户输入示例，帮助模型更准确地理解并执行分类任务。
* 切换模型：即使在分类和系统提示词都已优化的情况下，意图识别的准确性仍然不理想，建议尝试切换不同的模型，以找到最适合你需求的模型。