P D.2026-07-15 来自北京测试集的生成思路是什么作者回复: 你是指让 AI 生成测试集还是自己手搓？本质上，所有的测试集都可以看做是 System prompt + msgs，你直接用这个去调用大模型，不要经过完整的 Agent 流程，就可以测试单一环节。 AI 生成测试集，就是自己先手搓两三个作为参考，而后让它分析不同的情况生成用例。
滨2026-07-14 来自江苏作为一个写编程智能体的人，我的做法是不做意图识别，通用智能体与领域智能体是完全不同的，问题域完全开放，你不知道用户是要写一段代码，还是整理仓库中的文件，或是提交git，用户提问直接进loop循环，LLM自主规划，自我修正，硬编码的reAct，TAO不存在的，这些范式是LLM在系统提示词指引下自主完成的作者回复: 你不需要限制得那么死，你可以看做意图识别本质上是一个搞清楚目标的问题。你不用意图识别，你后续步骤还是要明确定义出来用户的目标。意图识别是一种好用的手段，在专属领域里面，能够快速分类都特定流程，可以针对性优化。
共 2 条评论
ttp的小跟班2026-07-14 来自广东多意图怎么处理？作者回复: 后一篇描述了这个解决思路
TheOne2026-07-14 来自北京大明哥，参数槽位没太看懂，是先让大模型确定用户输入价差那些参数吗？然后下一次再通过大模型把参数槽位补全？ 还有就是第一张到第二张，我理解就是处理用户的输入，让上下文构建的更清晰，让大模型的回答质量越来越好，那随着大模型本身的能力变强，越来越强，这里的处理会限制大模型吗？怎么平衡这个度呢作者回复: 我觉得大模型后续更强了之后，可以考虑废掉意图识别。不过如果要针对某些场景进行优化，那么引入意图识别还是有一些必要的
- lijunpeng712026-07-13 来自北京关键词会有误判的情况，而且随着关键词的增多误判的概率会很高，准确率就降下来了，不建议加关键词这一层，直接交给flash 这种模型，准确率非常高
作者回复: 也是，关键词这种都太古早了。不过我觉得后面聊到的向量可以试试，用来解决什么黑话还是挺好使的。
安如衫2026-07-13 来自上海claude code 和 codex 这种通用 agent 都没有一个显示固定的意图识别模块作者回复: 它们是另外一种思路，我这里都描述领域专属的 Agent。应该说他们没有固定的意图，但是其实还是会分析用户的“意图”，不过是表现为“目标”。
正是那朵玫瑰2026-07-13 来自广东感觉说的就是纯八股文式的面试，要真正做过企业级的agent， 纯react就完全不可控作者回复: 小 Agent 其实也可以，流程长的还是混合 Plan 会好一些。
共 3 条评论
J.D.Chi2026-07-12 来自重庆有时意图识别，也可以在前端那一层就区分开来？例如从app特定的入口，特定的路径进来，就认为已经提前知道用户的意图了。作者回复: 对，这种是通过前端页面来控制的。不过你要小心用户页面进来之后胡搞，比如说明明是退款入口，结果让你推荐商品，或者反过来。