记一次把意图分流准确率从七成多调到九成出头的过程，没什么高深的，全是笨功夫。

背景：客服Agent进来先过一个意图分类节点，把用户问题分成"退换货、物流、产品咨询、投诉、其他"五类，再分流到对应处理逻辑。上线第一周分流就乱套——"我这东西用着用着不亮了"被分进了"咨询",其实该走"退换货/质量"。一统计，分错率快三成。

我是这么一步步调的。

第一步：先把错例捞出来看。 没数据瞎调没用。我导了三百条线上对话，人工标了正确类别，跟Agent分的对一遍，挑出分错的。看完发现规律：错的大多集中在"投诉"和"退换货"之间，还有大量口语化表达模型没接住。

第二步：给每个类别补"反例和边界"。 原来的prompt只说"投诉：用户表达不满"。太虚。我改成带例子带边界："投诉=对服务/态度不满且要求处理（如'你们客服太差了我要投诉'）；注意：只是抱怨产品不好用但想换货的，归退换货，不归投诉。"把容易混的两类之间画条线，立竿见影。

第三步：把高频口语表达喂进去。 中文客服全是大白话。"不亮了""没反应""黑屏"这些都指向质量问题，但模型不一定自动关联。我把线上真实说法整理成一批，写进对应类别的示例里。这一步贡献最大。

第四步：加一个"低置信度兜底"。 实在分不清的，别硬分，统一进"转人工/再问一句澄清"。我让它对拿不准的先反问"您是想退换还是咨询使用方法呀",一句澄清省掉大量误分流。

调到最后大概91%。剩下那不到10%的硬骨头，是那种一句话夹好几个意图的（"东西坏了我要退而且要投诉你们物流"），单标签分类天生扛不住，这类我直接放行转人工，没硬抠。坦白讲准确率再往上的边际成本很高，性价比不划算就停了。

整个调优是在一个零代码就能搭智能体的平台里做的，分类节点能直接配类别、写示例、调prompt,还自带个效果测评——但有个实话，测评的用例集得你自己攒，平台不会凭空给你测试数据。我那三百条标注样本是一条条人工标的，这活躁不得。

一句话收尾：意图分类调优没有银弹，就是"捞错例→补边界→喂真实说法→兜底",循环几轮。

（模型层走的讯飞 MaaS，多档模型现成切换调用，没自己训没自己部署。）