深度复盘：AI Agent 总是答非所问？可能你从第一行“意图定义”就错了

为什么开发总吐槽产品经理给的意图定义是“垃圾”？

场景通常是这样的：

很多时候，Agent 的“智障”表现，不是因为模型参数不够大，也不是因为 Prompt 写得不够骚，而是因为意图分类体系（Intent Taxonomy） 本身存在逻辑塌方。

意图定义，表面上是整理语料，本质上是将人类混沌的自然语言，映射为机器确定的服务能力。

如何定义一个清晰、无歧义、高鲁棒性的意图体系？作为产品经理（PM），你需要掌握这四维意图设计法。

维度一：业务映射 —— “意图即服务”

这是意图定义的第一性原理。
很多 PM 犯的第一个错误，就是“跟着用户话术跑”——用户怎么问，他就怎么定。

❌ 错误视角（基于话术）：

✅ 正确视角（基于服务）：
后端能提供的服务（Tool/API）是什么？只有一个：开具发票接口。
所以，无论用户怎么问，在L0 核心业务层，这只能是一个意图。

💡 判别法则：API 同构性

如果两个需求背后，调用的是同一个 API，且参数结构一致，它们必须合并为一个意图。

维度二：边界控制 —— “RAG vs Intent”

在 LLM 时代，PM 必须搞清楚：什么是意图？什么是知识？

很多 PM 会定义 查询利率、查询网点营业时间 这种意图。这是错的。

💡 判别法则：动静分离

把知识问答从意图体系里剥离出去，你的模型准确率瞬间能提升 30%。

维度三：交互体验 —— “澄清优于分类”

当用户需求模糊时，不要强行让模型去“猜”，而要设计中间态。

场景： 用户对理财助手说：“我想理财。”

❌ 赌博式分类：
模型强行命中 Recommend_Product（推荐理财产品），推了一堆基金。

✅ 澄清式交互：
定义一个中转意图：Finance_Ambiguous（理财相关_模糊）。

PM 请记住： 意图定义不仅仅是 NLU 分类，更是对话流（Dialogue Flow）的设计。

维度四：数据演进 —— “全生命周期管理”

意图体系不是写完就封板的 Word 文档，它是有生命的。

1. 孵化期：从 Unknown 到 Known

上线初期，一定要定义一个 Unknown（拒识）意图。
方法论： 每周对 Unknown 日志进行聚类分析。如果你发现有 1000 个人都在问“有优惠券吗”，而你没定义，这就是下个版本必须孵化的 P0 意图。

2. 分裂期：从粗到细

初期你可能只有一个 Order_Service。
随着数据增加，发现 80% 问物流，20% 改地址。为了提升精度，必须将其分裂为 Query_Logistics 和 Modify_Address。

意图的粒度，是由数据分布决定的，不是由 PM 的想象力决定的。

📝 落地工具：工业级 PRD 模板

最后，送给大家一份的标准意图定义模板：

总结

一个清晰、无歧义的意图体系，是 AI Agent 的骨架。

当你能从这四个维度去审视每一个意图时，你就不再只是一个“提需求的人”，而是一个AI 系统的架构师。