阿里云百炼工作流支持多模型协同标注,三模型投票分类用户意图实战

简介: 本文介绍了一种基于多模型协作的高效分类工作流方案,用于解决传统标注工作中人力依赖大、易出错的问题。通过通义千问系列的 Qwen-Plus、Qwen-Max 和 Qwen3-30b-a3b 三大模型,结合投票机制,实现售前售后意图识别的精准分类。文中详细讲解了如何在阿里云百炼应用广场创建任务型工作流,包括模型节点配置、条件判断设置及测试发布全流程。此外,还提供了批量打标的 Java 示例代码,适用于更复杂的意图标注场景。跟随文章步骤,即可快速构建高效率、高准确性的分类系统。

传统的标注工作依赖大量人力且易出错,而单一模型可能因个体偏差导致误判。本方案通过多模型协作机制,不仅显著提升分类效率与准确性,还能根据任务难度和预算灵活选择模型组合。

本文将以售前售后意图识别 为例,基于通义千问系列三大明星模型:Qwen-Plus Qwen-Max Qwen3-30b-a3b ,构建高效、精准的分类工作流。

标注原理

三个模型分别代表标注员A、B、C,三“人”投票机制,3个结果有2个以上结果相同,则结果被采纳。

工作流全貌

开始手搓Flow

知道了工作流原理,就开始一步步教你建立这样的工作流应用。

让我们进入阿里云百炼应用广场,点击左侧“应用管理”-右上角“新增应用”-弹窗页面“工作流应用”-“创建任务型工作流”。

左上角可以更改应用名。

将开始节点的两个初始变量名删除。

从左侧工具栏中拖动三个大模型节点,均与开始节点连线。

模型我们选择通义千问PLUS、通义千问MAX、通义千问3-30b-a3b,节点也可以用模型名来命名,方便区分。

在system prompt处添加提示词,三个节点提示词相同,提示词示例如下:

# 角色
你是一位专业的客户服务分类专家,专门负责识别和分类客户问题,确保问题能够被正确地导向相应的处理团队。
## 技能
### 技能1: 问题分类
- **任务**:根据用户输入的问题,判断问题是属于售前问题还是售后问题。
- **具体步骤**:
  - 仔细阅读并理解用户的问题。
  - 通过分析问题中的关键词和上下文,确定问题的性质。
  - 如果问题是关于产品信息、购买流程、价格等,则归类为售前问题。
  - 如果问题是关于产品使用、维修、退换货等,则归类为售后问题。
  - 如果无法明确判断问题的性质,则归类为未分类。
## 限制
- 输出内容只能是“售前”、“售后”或“未分类”。
- 不要在输出中包含任何其他内容或解释。
- 确保分类准确,避免误判。
示例:
- 输入:“我想了解一下这款产品的功能。”
  - 输出:“售前”
- 输入:“我的产品出现了故障,需要维修。”
  - 输出:“售后”
- 输入:“你们公司在哪里?”
  - 输出:“未分类”

user prompt处输入“/”选择变量“query”,三个节点输入相同,这样我们三个“标注员”就准备完毕了。

从左侧工具栏拉出两个“条件判断”节点,判断节点用来统计3个模型分类结果的;前三个模型节点与第一个条件判断节点相连,第一个判断节点“其他”出口与第二个条件判断节点相连。

点击“增加条件分支”及“添加条件”,保证三个条件判断节点均拥有三个条件分支,每个条件分支保持两个条件。

接下来,遵循每三个模型中有两个模型推断相同的原理,填写判断条件。此处效果图以条件判断为售前为例,剩下一个条件判断节点在输入处修改成“售后”即可。

从左侧工具栏拉出三个文本框,分别输入“售前”、“售后”、“未分类”,与前面的条件判断节点分别对应。

在结束节点输入“/”,插入三个文本转换框的结果即可。

点击右上角“测试”

在输入框中分别输入“你好”(未分类)、“这个相机的镜头是什么配置的”(售前)、“你家买的这个盆到手就坏了”(售后)来测试运行结果。

如果测试结果无问题,点击右上角“发布”,一个区分售前/售后/未分类的工作流就完成啦。

拓展

在控制台的工作流里,可以进行单条的测试,在实际应用时,你可以参考下面代码,进行批量打标。

案例代码如下:

// 建议dashscope SDK的版本 >= 2.12.0
import com.alibaba.dashscope.app.*;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import java.util.ArrayList;
import java.util.List;
public class Main {
    public static void appCall(String query)
            throws ApiException, NoApiKeyException, InputRequiredException {
        ApplicationParam param = ApplicationParam.builder()
                // 若没有配置环境变量,可用百炼API Key将下行替换为:.apiKey("sk-xxx")。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .appId("YOUR_APP_ID")
                .prompt(query)
                .build();
        Application application = new Application();
        ApplicationResult result = application.call(param);
        System.out.printf("text: %s\n",
                result.getOutput().getText());
    }
    public static void main(String[] args) {
        try {
            List<String>  queryList = new ArrayList<String>();
            queryList.add("怎么弄才能使领满300减120的券");
            queryList.add("我就是在活动时间内参与的,让确认收货后送出赠品,4个冰晶");
            queryList.add("我拍的面膜是不是正品,会不会过敏");
            queryList.add("这款不是七天无理由退换吗");
            queryList.add("请问这款大概什么时候补货呀");
            queryList.add("这条裤子下架就是没了是吗");
            queryList.add("不可以一起退货退款吗");
            queryList.add("亲!身高一米六七,重120斤,什么码合适?");
            for (String query : queryList) {
                appCall(query);
            }
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            System.err.println("message:"+e.getMessage());
            System.out.println("请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code");
        }
        System.exit(0);
    }
}

在Java当中引入百炼的dashscope依赖,循环的去调用指定APP_ID 的工作流就可以实现批量数据打标

另外,除了售前售后这种简单意图的标注,也可以进行更复杂的意图标注和分类任务。

好了,已经讲解完了哦~~,快跟着文章操作吧。


如果需要进一步了解阿里云百炼的可直接点击下面链接哈:

👉阿里云百炼详情了解可点击此官网链接:阿里云百炼官网介绍

👉阿里云百炼控制台页面可点击此链接直接进入阿里云百炼控制台


如果在创建过程中有任何的疑问都可以在评论区中留言探讨或是加入我们的官方支持群(群号:77600022533)进行交流反馈!

image.png



相关文章
|
1月前
|
人工智能 监控 API
阿里云百炼产品月刊【2025年5月】
本文介绍了阿里云百炼平台在2025年6月的产品和模型更新内容,重点涵盖资源包优惠、新模型上线及应用能力增强。
阿里云百炼产品月刊【2025年5月】
|
2月前
|
前端开发
🔈阿里云百炼工作流里循环节点和批量节点,你需要知道的事儿
本文介绍了智能体应用和工作流应用中的循环节点与批量节点的使用方法及区别。两者都适用于多次调用任务,输入为列表,输出也为列表。不同在于:循环节点顺序执行,可依赖前序结果;批量节点并行执行,各任务独立。以旅游推荐为例,用户输入城市后,通过大模型生成景点列表,再用循环或批量节点生成详细攻略。最后通过脚本处理输出结果,形成清晰展示。
|
1月前
|
存储 人工智能 自然语言处理
几分钟创建一个带有业务数据的AI智能客服
本文介绍如何利用阿里云百炼和AppFlow快速创建企业微信客服或网页客服。首先,通过上传企业知识文件和创建大模型问答应用,获取AI推理API服务;接着,在AppFlow控制台新建AI助手并导入配置好的模型,设置对话背景、欢迎语及预设问题等;最后,选择Web集成或企业微信集成方式部署客服系统。整个过程简单易操作,无需技术背景,适合非技术人员使用。文章还提到支持自定义域名绑定以及更多渠道发布选项,助力企业高效搭建专属智能客服。
273 13
几分钟创建一个带有业务数据的AI智能客服
|
1月前
|
人工智能 安全 机器人
无代码革命:10分钟打造企业专属数据库查询AI机器人
随着数字化转型加速,企业对高效智能交互解决方案的需求日益增长。阿里云AppFlow推出的AI助手产品,借助创新网页集成技术,助力企业打造专业数据库查询助手。本文详细介绍通过三步流程将AI助手转化为数据库交互工具的核心优势与操作指南,包括全场景适配、智能渲染引擎及零代码配置等三大技术突破。同时提供Web集成与企业微信集成方案,帮助企业实现便捷部署与安全管理,提升内外部用户体验。
244 11
无代码革命:10分钟打造企业专属数据库查询AI机器人
|
3月前
|
人工智能 运维 数据可视化
阿里云百炼 MCP服务使用教程合集
阿里云百炼推出首个全生命周期MCP服务,支持一键部署、无需运维,具备高可用与低成本特点。该服务提供多类型供给、低成本托管及全链路工具兼容,帮助企业快速构建专属智能体。MCP(模型上下文协议)作为标准化开源协议,助力大模型与外部工具高效交互。教程涵盖简单部署、GitHub运营、数据分析可视化及文档自动化等场景,助您快速上手。欢迎加入阿里云百炼生态,共同推动AI技术发展!
阿里云百炼 MCP服务使用教程合集
|
13天前
|
数据采集 JSON API
Excel数据治理新思路:引入智能体实现自动纠错【Python+Agent】
本文介绍如何利用智能体与Python代码批量处理Excel中的脏数据,解决人工录入导致的格式混乱、逻辑错误等问题。通过构建具备数据校验、异常标记及自动修正功能的系统,将数小时的人工核查任务缩短至分钟级,大幅提升数据一致性和办公效率。
|
2月前
|
JSON Serverless API
阿里云百炼流程迁移工作流编排指导文档
本文介绍了大模型服务平台百炼的“流程”功能将于2025年11月15日下线,建议用户尽快迁移至全新升级的工作流编排功能。通过对比流程与工作流在节点数量、发布渠道、音视频互动等方面的能力,展示了工作流的优势,并提供了详细的迁移教学案例,包括开始节点、大模型节点、判断节点和输出节点的具体操作步骤。用户可参考文章完成迁移。
|
21天前
|
人工智能 数据库 决策智能
《Data+AI驱动的全栈智能实践开放日》线上直播来了!
阿里云瑶池数据库生态工具全新发布,首次推出Data Agent系列产品,助力数据在AI时代“活起来”。活动聚焦Data+AI创新实践,涵盖数据治理到智能决策全链路解决方案。连续3天直播,研发专家分享如何用AI优化数据库性能、实现分钟级洞察及构建智能分析平台。