LLM意图分类节点

LLM意图分类节点是FlowAI平台的核心功能之一，它结合了大语言模型（LLM）的智能理解能力和条件判断的分支控制功能。通过这个节点，您可以实现：

• 智能内容分类
• 情感倾向分析
• 用户意图识别
• 多维度内容审核

节点配置指南

基础设置

1. 节点命名规范

   • 使用描述性名称
   • 示例：内容审核、情感分析、用户意图识别

2. 模型选择建议

   • 推荐使用GPT-4o等高性能模型
   • 根据业务需求选择合适模型版本
   • 也可以从成本的角度选择其他模型，比如性价比和性能都不错的DeepSeek

3. 分类类别设计

   • 类别数量：2-5个
   • 确保类别互斥且全面
   • 示例：正面/负面/中性

4. 提示词优化技巧

   • 包含明确分类标准
   • 使用结构化指令
   • 提供示例参考

使用示例

1. 内容友好度检测

一个检测用户输入内容是否友好的示例：

1. 输入节点配置

   节点名称：开始
   变量名称：content
   类型：文本输入

   

2. LLM意图分类配置

   节点名称：友好度检测
   模型：GPT-4o
   分类提示词：你是一个专业的内容审核员，需要判断用户输入的内容是否友好。
   类别：
   - 内容友好
   - 内容不友好
   - 中性内容
   
   用户输入：$开始.content

   

3. 分支处理

   • 内容友好分支：返回正面回应
   • 内容不友好分支：给出温和提醒
   • 中性内容分支：继续对话

2. 客服意图识别

识别客户咨询的具体意图：

节点名称：意图识别
模型：GPT-4o
分离提示词：你是一个专业的客服意图分析师，请判断用户输入属于哪种咨询类型
类别：
- 查询订单
- 投诉反馈
- 退款相关
- 其他咨询

用户输入：$开始.message

最佳实践

1. 提示词设计

   • 提供清晰的分类标准
   • 避免模糊的分类界限

2. 分类优化

   • 控制分类数量，避免过于复杂
   • 确保分类之间互斥
   • 添加”其他”类别处理边界情况，这样保证工作流不会中断

高级用法

1. 多级分类

通过连接多个LLM意图分类节点实现更精细的分类：

[粗分类] --> [细分类] --> [最终处理]

2. 组合分析

结合多个维度的分类结果：

意图分类：咨询/投诉/建议
情感分类：正面/负面/中性
紧急度分类：普通/紧急/特急

常见问题

Caution

常见错误与优化建议：

1. 分类设计优化

   ❌ 错误示例：
   - 好/不好
   - 是/否
   
   ✅ 正确示例：
   - 积极正面的内容
   - 消极负面的内容
   - 中性或客观的内容

2. 提示词优化

   ❌ 错误示例：
   "判断一下这段内容"
   
   ✅ 正确示例：
   "分析以下内容的情感倾向，只返回POSITIVE/NEGATIVE/NEUTRAL其中之一"

3. 边界情况处理 ❌ 错误：没有处理不确定的情况 ✅ 正确：添加UNCERTAIN或OTHER类别

调试技巧

1. 测试数据验证

   • 准备典型测试用例，让模型充分利用few-shot能力
   • 包含边界情况测试
   • 记录分类准确率, 持续优化提示词

2. 分类结果分析

   • 使用输出节点记录结果
   • 分析错误分类原因
   • 持续优化提示词

合理使用意图分类节点，可以让工作流程更好地适应不同场景。根据具体业务需求来调整分类规则，让分类结果更准确、更有用。