Coze 识别用户意图

简介: Coze 识别用户意图

Coze 识别用户意图

本文将通过 LLM 节点、Condition 节点和插件节点构建一个用于识别用户意图的工作流。

效果示例

本文构建的示例工作流概览如下。

在该工作流中:

  1. 使用 LLM 节点将用户输入数据分为 1(天气)2(新闻)3(其他) 三种类型。
  2. 使用 Condition 节点判断用户输入数据的类型,并分支处理。
  3. 如果数据类型为 1,会将数据流转至 LLM 节点和获取天气工具节点,获取地区天气。
  4. 如果数据类型为 2,会将数据流转至获取新闻工具节点,获取新闻。
  5. 如果数据类型为 3,则不做处理直接返回。

下图展示了示例工作流添加到 Bot 之后,Bot 带来的用户任务处理能力。当用户输入内容后,Bot 会调用示例工作流处理任务,并向用户返回处理结果。

步骤一:构建工作流

1.登录扣子。2.在左侧导航栏的工作区区域,选择进入指定团队。

  1. 在页面顶部进入工作流页面,并单击创建工作流
  • 本文示例配置如下:
  • 工作流名称:输入 weather_news_workflow
  • 工作流描述:输入 识别用户意图并获取相关信息(仅获取天气、新闻相关)
  1. 在工作流的编辑页面,按如下图所示的顺序,依次添加 LLM 节点、Condition 节点、插件节点,并进行连接。
  • 你可以在编辑页面左侧的基础节点列表内,添加 LLM 节点、Condition 节点。
  • 你可以在编辑页面左侧的插件列表内,搜索并添加 get_current_weather 工具节点(用于查询天气)、getToutiaoNews 工具节点(用于获取新闻)。

  1. 连接各节点后,依次为节点配置输入输出参数。
  • 本示例中各节点配置的参数信息如下表所示。

| **节点**  | **参数配置**                                                 |
| --------- | ------------------------------------------------------------ |
| Start     | 新增 input 输入参数,选择 **String** 类型。                  |
| LLM       | 选择 LLM 节点的**单次**模式。示例配置如下:Temperature:输入 0.7。输入参数:名称 **query**,并在**变量值**区域选择**引用 Start > input**。提示词:使用以下示例 Markdown 信息,表示将用户输入的数据传入 LLM 进行处理。**## 分析**分析以下使用 ```括起来的文本:```{{query}}```## 返回- 如果文本与天气有关,则返回1 - 如果文本与新闻有关,则返回2 - 否则返回3输出值:名称 **intent**,类型选择 **String**。 |
| Condition | 第一个 Condition 节点。从该节点开始,工作流将分为两个分支。示例配置如下:分支一:**如果**区域的判断条件设置为 **LLM > intent 取值包含 1** ,并连接至第二个 LLM 节点(LLM_1)。该分支用于获取天气数据。分支二:**否则**区域无需设置参数,连接至第二个 Condition 节点即可。该分支用于做下一步的判断。 |
  • 分支一用于获取天气数据,节点配置如下表。

| **节点**            | **参数配置**                                                 |
| ------------------- | ------------------------------------------------------------ |
| LLM_1               | 选择 LLM 节点的**单次**模式。示例配置如下:Temperature:输入 0.7。输入参数:名称 **query**,并在**变量值**区域选择**引用 Start > input**。提示词:使用以下示例 Markdown 信息,表示将用户输入的数据传入 LLM 进行处理。**## 返回**从{{query}}中提取地理位置信息,并转换为对应的经纬度(十进制数值)。- 纬度参数:{{lat}}- 经度参数:{{lon}}输出值:新增 lat,类型选择 **String**。新增 lon,类型选择 **String**。 |
| get_current_weather | 获取指定地区天气。选择节点内的**单次**模式,并需要配置以下输入参数:设置 lat 参数,在**参数值**区域选择**引用 LLM_1 > lat**。设置 lon 参数,在**参数值**区域选择**引用 LLM_1 > lon**。 |
| End                 | 在 End 节点的输入参数中,新增一个名为 weatherForecasts 参数,并在**参数值**区域选择**引用 get_current_weather > weather**。该参数用于返回天气信息。 |
  • 分支二用于进行下一步判断,判断是获取新闻,还是直接流转至 End 节点。

| **节点**       | **参数配置**                                                 |
| -------------- | ------------------------------------------------------------ |
| Condition      | 第二个 Condition 节点,用于判断是继续获取新闻,还是直接流转至 End 节点。**如果**区域的判断条件设置为 **LLM > intent 取值包含 2** ,并连接至 getToutiaoNews 节点。该分支用于获取新闻。**否则**区域无需设置参数,连接至 End 节点即可。 |
| getToutiaoNews | 搜索新闻。选择节点内的**单次**模式,并需要配置输入参数 **q** 的**参数值**为**引用 Start > input**。 |
| End            | 在 End 节点的输入参数中,新增以下参数,参数名称 intent,**参数值**选择**引用 LLM > intent**。该参数用于返回用户意图。参数名称 newsItems,**参数值**选择**引用 getToutiaoNews > news**。该参数用于返回新闻内容。 |
  1. 配置完成后,单击页面右上角的试运行,测试工作流。
  • 例如,输入 杭州天气 进行测试,待所有节点都运行成功(节点会展示绿色边框)后,查看指定节点的运行结果。测试完天气之后,按同样的方法测试新闻和其他内容即可。
  1. 测试工作流无问题后,单击页面右上角的发布
  • 成功发布后,在工作流列表中可以查看到该工作流。

步骤二:在 Bot 添加工作流并测试

  1. 前往当前团队的 Bots 页面,创建或进入指定 Bot。
  2. 在 Bot 编排页面,找到技能区域的工作流,在右侧单击加号图标。
  3. 在对话框左侧单击我创建的,找到自建的 weather_news_workflow 工作流,并在右侧单击添加
  1. 在 Bot 的人设与回复逻辑内,声明 Bot 使用 weather_news_workflow 工作流处理任务。
  • 编写后,你可以单击优化,让 AI 帮助你生成结构化的回复逻辑。
  1. 在 Bot 的右侧预览与调试区域,输入内容预览 Bot 实现的效果。
  • 例如输入 杭州天气。
目录
相关文章
|
人工智能 算法 机器人
字节Coze优缺点分析
【2月更文挑战第16天】字节Coze优缺点分析
3630 2
字节Coze优缺点分析
|
10月前
|
缓存 自然语言处理 算法
大模型意图识别工程化实践
本文重点介绍大模型意图识别能力在智能电视核心链路中的落地过程和思考,对比了基础模型、RAG 、以及7b模型微调三种方案的优缺点。
4581 121
|
9月前
|
人工智能 自然语言处理 Serverless
AI 大模型+智能客服:自动识别客户意图,实现高效沟通
本方案旨在介绍如何部署 AI 大模型实现对客户对话的自动化分析,支持多人、多语言识别,精准识别客户意图、评估服务互动质量,实现数据驱动决策。
928 14
|
4月前
|
存储 人工智能 自然语言处理
深度解析智能体工作流(Agentic Workflows):核心概念、模式与应用
本文系统解析智能体工作流(Agentic Workflow),结合AI智能体的推理、工具与记忆能力,实现复杂任务的动态执行。内容涵盖核心概念、关键模式及实际应用,帮助读者全面理解其价值与挑战。
2796 1
|
数据可视化 IDE 开发工具
Coze工作流介绍(一)
Coze工作流介绍(一)
1464 0
|
人工智能 JavaScript IDE
使用Coze工作流(二)
使用Coze工作流(二)
2424 0
|
11月前
|
人工智能 API UED
AI智能体再进化,工作流怎么玩?阿里云百炼上手教程
本次分享由讲师林粒粒呀介绍如何快速制作AI智能工具,特别是利用阿里云百炼平台创建工作流。通过简单的拖拽操作,小白用户也能轻松上手,实现从PPT主题到大纲的自动生成,并能一次性生成多个版本。借助API和Python脚本,还可以将Markdown格式的大纲转换为本地PPT文件。整个流程展示了AI智能体在实际应用中的高效性和实用性,帮助用户大幅提升工作效率。
1827 32
|
12月前
|
人工智能 自然语言处理 自动驾驶
Qwen-Agent:基于Qwen 2.5模型的智能Agent构建与应用
Qwen-Agent:基于Qwen 2.5模型的智能Agent构建与应用
3128 20
|
人工智能 自然语言处理 并行计算
EchoMimicV2:阿里推出的开源数字人项目,能生成完整数字人半身动画
EchoMimicV2是阿里蚂蚁集团推出的开源数字人项目,能够生成完整的数字人半身动画。该项目基于参考图片、音频剪辑和手部姿势序列,通过音频-姿势动态协调策略生成高质量动画视频,确保音频内容与半身动作的一致性。EchoMimicV2不仅支持中文和英文驱动,还简化了动画生成过程中的复杂条件,适用于虚拟主播、在线教育、娱乐和游戏等多个应用场景。
3632 5
EchoMimicV2:阿里推出的开源数字人项目,能生成完整数字人半身动画