公司里的答疑机器人一多就乱：HR 一个、IT 一个、报销一个，新员工根本记不住该去哪个群问哪个。上个月我把三个入口合成了一个——前面加一层"意图识别"，识别完再把问题转给对应的子智能体处理。用的是一个零代码搭智能体的平台，整条链路没写后端代码，记一下搭法和坑。

整体结构

用户提问
   ↓
[意图分类节点]  → 输出 intent: hr / it / expense / other
   ↓ 按 intent 走分支
[HR子流程]  [IT子流程]  [报销子流程]  [兜底回复]

核心就两块：一个分类节点，一组条件分支。

分类节点怎么配才稳

最开始我让模型自由发挥，"判断用户问题属于哪类"，结果一塌糊涂——"我电脑上的 OA 登不上去"被分到 HR，因为提到了 OA。后来改成这样才稳：

1. 枚举写死。提示词里明确"只能输出 hr / it / expense / other 四个值之一，不要解释"。

2. 每类给 3 个真实例句。例句我直接从群聊天记录里扒的，比自己编的管用。

3. 拿不准就 other。宁可走兜底人工，别硬分。

分类这一步我特意挑了个便宜的小模型，响应快、按量算下来一个月没几块钱。后面子流程该用大的再用大的——分类不需要多聪明，需要的是听话。

分支后面各管各的

每个子流程挂自己的知识库：HR 挂制度文档，IT 挂常见故障手册，报销挂财务流程。好处是检索互不污染——以前一个库混装，问"打车报销标准"能召回出差申请流程，拆开之后干净多了。

两个没解决好的地方

一是跨类问题，"入职第一天电脑怎么领"同时沾 HR 和 IT，目前只能分给一边，答一半。我后来在兜底话术里加了句"如果没答全，换个问法再问一次"，算是糊弄过去了。

二是分类的准确率得自己测。我攒了 80 条真实问题做了个测试集跑了一轮，准确率 91%，错的基本都是那种一句话带两件事的。这个活平台给了测评工具，但用例得自己一条条攒，没法偷懒。

意图路由这个模式不止能用在答疑上，订单类、投诉类的分流一样的搭法。分类节点的完整提示词我贴评论区，照抄能跑。

（底层模型和接口我都走讯飞星辰 MaaS，按需调用、不用自建模型服务，比自己养模型划算多了。）