智能体Agent Intent设计
目录
「总结」 Intent 设计的原则是：小而精、以用户认知为核心、工程可落地、与系统动作解耦。
Intent 设计看起来像“分类任务”，其实本质上是 产品目标 + 用户认知状态 + 系统路由成本的折中。我帮你整理成一套工程可落地的原则，适合你跨境电商智能销售 Agent。
一、Intent 设计的核心原则
1️⃣ 以用户认知/心理状态为核心
-
Intent 不要按业务模块乱拆（比如“退货 Intent”“换货 Intent”），而是按用户此刻在想什么或想要达成的目标。
-
核心思路：
- 用户在找信息 → FACT / KNOWLEDGE
- 用户在判断 → DECISION_SUPPORT / OBJECTION_EXPRESSION
- 用户在执行 → FLOW_ADVANCE
-
好处：Intent 数量少，覆盖面广，路由简单。
2️⃣ Intent 应该可判定
-
每一句话都能明确归入某一个 Intent（或者“不确定”）。
-
工程上要求：
- 可标注（标注员能统一判定）
- 可自动识别（模型训练可行）
-
不能依赖上下文推测太多，否则标注一致性差。
3️⃣ Intent 与系统动作解耦
-
Intent 只关心“用户想做什么/心理状态”，而不是系统要执行的具体步骤。
-
系统动作、流程、字段收集，应该通过 Flow + State 控制。
-
原因：
- Intent 泛化能力强
- 系统流程可变，Intent 不变
4️⃣ Intent 数量最小化（Minimum Viable Intent）
-
不要为了每个业务场景加一类 Intent。
-
原则：
- 最小覆盖所有认知状态
- 保证每个 Intent 都能直接映射到系统处理方式
-
例子：
- 你现在的 5 类就足够覆盖“售前 + 下单 + 售后流程的语义”，不需要新增售后 Intent。
5️⃣ Intent 要易于工程路由
-
每个 Intent 对应一个或一类 Agent / 处理逻辑
-
理想映射：
FACT_QUERY → ReactAgent KNOWLEDGE_QUERY → RAGAgent DECISION_SUPPORT → FunnelAdvisorAgent OBJECTION_EXPRESSION → ObjectionHandlerAgent FLOW_ADVANCE → FlowExecutorAgent -
如果 Intent 太细碎，路由表会爆炸，维护成本高。
6️⃣ Intent 要和可衡量指标挂钩
-
Intent 不只是 NLP 分类任务，还要对应 系统目标或业务 KPI：
- FACT/KNOWLEDGE → 响应速度 / 准确率
- DECISION_SUPPORT / OBJECTION → 成交转化率
- FLOW_ADVANCE → 完成率 / 操作成功率
-
好处：训练和评估有意义，不只是模型准确率。
7️⃣ Intent 只描述用户状态，不描述情绪或观点的具体细节
-
情绪、态度、信心、阻碍等作为 UserState 字段
-
Intent = “认知层”
-
UserState = “态度层”
-
好处：
- Intent 数量少
- 可扩展性强
- 售后、促销、投诉等场景不用新增 Intent
8️⃣ Intent 可扩展但不频繁变动
- Intent 一旦确定，就不应该随业务流程变动而频繁修改
- 新业务、新流程，通过 Flow/Phase/State 扩展，而不是 Intent 扩展
- 保证系统稳定性和可维护性
二、总结一句话
Intent 设计的原则是：小而精、以用户认知为核心、工程可落地、与系统动作解耦。
如果你愿意，我可以帮你画一张 Intent × Phase × Flow 的矩阵图，把售前、下单、售后全流程的智能 Agent 路由直观化，这张图对于团队落地非常有用。
你希望我画吗？
浙公网安备 33010602011771号