dify agent 智能体疑问

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

This topic created in 417 days ago, the information mentioned may be changed or developed.

想请问一下大家，在做智能体的时候，怎么进行意图识别优化的？实测发现，在单轮对话或者多轮对话用户输入意图明确的时候，意图识别非常准确但是遇到多轮对话，用户输入：嗯 ok 这样吧等一下模糊词语的时候，意图识别就不准了我的尝试：

1 、把历史上下文信息都放到对话中 -- 会遇到 tokens 超过大模型上下文长度的情况
2 、用滑动窗口，只保留近几次对话 -- 会遇到信息丢失的情况，用户突然问第一次对话的信息就嗝屁了
3 、每次对话用大模型进行提炼总结，然后把总结信息放到对话中 -- 不是很准，在遇到有歧义的词语或者语境的时候还是会分错
想知道大家都是怎么做的，或者业界对于意图识别是怎么进行优化。

智能体

意图识别

多轮对话

13 replies • 2025-04-16 16:35:34 +08:00

OPjAM00kwaAD68B5

Apr 15, 2025

能详细说一下你要怎么做意图识别吗？
是从对话上下文归纳到几个选项上吗？

aaronlam

Apr 15, 2025

最近也在做相关场景的应用，所想到的解决方法和楼主也很相似。。。
但是效果都差强人意，而且如果按第 1 种，对于大模型的 token 消耗也是很可观的量。

rexyan

Apr 15, 2025

23 结合起来，超过窗口的部分进行总结

wyntalgeer

Apr 15, 2025

embedding 模型对意图识别的能力非常有限，还是要从文档内容上下功夫，把意图判断这一块加到文档里

ChristopherY

Apr 15, 2025

memory bank 以及后续的一系列技术应该就是用来解决这类问题的

ChristopherY

Apr 15, 2025

memory bank 以及后续的一系列技术应该就是用来解决这类问题的

leehaoze98

Apr 15, 2025

2 ，3 结合，其实不一定需要用大模型提炼总结，可以结合你具体的业务场景，将历史对话信息沉淀到一个结构化的数据结构里存储起来，每次调用大模型给他最近几轮对话，以及这个数据结构就可以。

举个例子，用户对话中提选择了某某方式，大模型输出时调用一个工具，将这个信息沉淀到你的数据结构里，后续对话大模型也记得这个选择。

conn457567

Apr 15, 2025 via Android

mem0 之类的组件就是用来处理长短期记忆的

conn457567

Apr 15, 2025 via Android

基本就是 2 3 的思路，短期记忆只保留之后 3 轮，多余的都通过 AI 压缩到第一轮里面，然后如果要回忆更久之前的记忆就需要搜索长期记忆，长期记忆其实就是一个向量库

hmxxmh

Apr 16, 2025 via Android

@shyr0ck 对，通过提示词，给大模型设定好角色，然后告诉他有哪些类别，每个类别提供一段描述和示例

hmxxmh

Apr 16, 2025 via Android

@rexyan 怎么总结也是一门学问，现在提炼了发现效果不明显，大模型还是会理解不了，可能是我的提示词有问题

hmxxmh

Apr 16, 2025 via Android

@ChristopherY 谢谢，我学习一下

hmxxmh

Apr 16, 2025 via Android

@conn457567 长期记忆和向量库怎么结合，是要把历史信息存到向量库里面，再进行检索召回吗

VtoEXL

Apr 16, 2025

我们也有个类似的需求，一步步引导用户完成一个最终操作，整个流程都是顺序过来的，用 dify 还没有很好的思路