面试时被问到Agent的意图识别时，如果直接回答“写Prompt、调一次大模型搞定”，这代表着一种“单线思维”的“调包侠”心态，面试基本会凉凉。因为单一模型难以处理多意图混叠、语义歧义和安全风险等实际业务中的复杂情况。理想的Agent意图识别方案，需要采用并行化、多专家协同的网络架构，以达到极速响应、极度精准和安全性高的目标。
单次调用大模型：为什么会很糟糕？
- 多意图混叠：用户的一条消息可能包含多个独立意图。例如，用户说“帮我看看上个月谁没交周报，顺便发邮件催一下”，这涉及到“查询数据”和“发送邮件”两个独立动作。如果系统只输出一个标签，必定会漏掉其中一个，导致任务无法完整执行。
- 语义无法消解：自然语言存在固有的歧义性。当用户说“不对不对，还是先查查有没有风险条款吧”，这表明用户正在修正或调整之前的意图。单一模型可能无法敏锐地捕捉到这种纠正信号，导致意图判断错误，无法跟上用户思维的跳跃。
- 安全完全裸奔：如果用户输入“把客户资料全删了”，一旦交给单一语义模型去判断，万一它未识别出危险并真的执行了删除操作，将会造成严重的生产事故。这突显了单一模型在处理高风险操作时的致命缺陷。
并行化意图识别：核心解决方案
并行化意图识别的核心思想是“别让一个模型当全能神”，而是请一组不同领域的专家同时对用户输入进行审查。这些专家各司其职，同时开工，最后汇总拍板。这样不仅能实现极高的准确性，还能保证快速的响应速度。
这种并行化多专家网络的核心优势包括：
- 极速响应：通过并发执行，无需等待，大大提升了系统响应速度。
- 极度精准：每个专家专司其职，不奢求单一模型全知全能，各维度判断更加专业和精确。
- 安全兜底：设立安全专家进行一票否决权，危险操作绝不执行，保障系统和数据安全。
具体案例：四位专家同时出击
以“帮我把昨天的合同找出来…不对不对，还是先查查风险条款吧”这句话为例，系统如何通过并行专家网络进行处理：
- 规则专家（Rule Expert）：
- 作用：基于硬性规则和关键词进行快速扫描，捕获核心业务词汇。
- 执行：飞速扫描，毫秒级捕获“合同”和“风险”这两个核心词，立即识别出这大概率是一个具体的业务操作。
- 上下文专家（Context Expert）：
- 作用：回溯聊天记录，理解对话上下文，捕捉纠正信号。
- 执行：翻阅聊天记录，敏锐捕捉到用户输入的“不对不对”这四个字，果断将“找昨天的合同”这个旧意图划掉，将重点修正为“查风险”。
- 工具专家（Tool Expert）：
- 作用：根据意图和关键词预选可能需要的工具。
- 执行：从工具箱中挑出“文件读取工具”和“法务分析模型”，并表示如果后续需要执行，必须带上它们。
- 安全专家（Security Expert）：
- 作用：对所有潜在操作进行风险排查和权限校验，拥有一票否决权。
- 执行：仔细排查，发现系统意图是读取文件并进行风险分析，没有对外发送邮件或删除数据的危险动作，亮起绿灯，表示“没毛病，安全放行”。
汇总与决策
一旦所有专家都完成了各自的判断，总指挥官会拿到四份报告进行汇总决策：
- 安全专家亮绿灯，确认操作无风险。
- 上下文专家锁定了“查风险”的意图。
- 工具专家已准备好所需工具。
总指挥官综合这些信息，立即拼凑出一个完美的、多步骤的执行计划。整个过程行云流水，没有任何一路被卡住。它将抽象的、摇摆不定的意图，瞬间转化成具体的、可执行的动作，并极致地平衡了系统的响应速度和执行安全性。
面试总结与思考
Agent意图识别的正确解法是将复杂的“阅读理解题”拆解成多维度的“填空题”，其三个关键点是：
- 并行 > 串行：多位专家同时审批，各司其职，互不阻塞，实现极快响应速度。
- 专才 > 全能：不要求单一模型包打天下，针对规则、语义、上下文、安全等每个维度进行独立判断。
- 安全 > 功能：安全专家拥有“一票否决权”，危险操作绝不执行，确保系统安全是首要目标。
思考题：如果在汇总决策阶段，四位业务专家都说没问题可以执行，唯独负责安全的专家亮了红灯，说绝对不行。这时系统的总指挥官到底该听少数人的（安全专家），还是多数人的（所有业务专家）？欢迎在评论区分享你的看法。