意图分类系统（Intent Gate）

意图分类系统（Intent Gate）

什么是意图分类

意图分类（Intent Gate）是一种在 AI Agent 执行任何操作之前，先对用户请求进行真实意图识别的设计模式。它回答的核心问题不是「用户说了什么」，而是「用户真正想让我做什么」。

为什么需要：用户的自然语言请求往往存在表层形式与真实意图的不匹配。例如：

• 「这个函数返回 null」表面是陈述，真实意图可能是请求调试帮助
• 「把按钮改成蓝色」表面是修改请求，但可能涉及更深层的设计问题
• 「有没有更好的方案」表面是提问，真实意图可能是请求架构咨询

不进行意图分类直接行动，是 Agent 系统中最常见的失败模式之一。

意图类型

实践中常见的意图类型包括：

意图类型	用户行为	Agent 策略
research（研究）	了解代码、寻找模式、分析架构	只读操作，不修改代码
implementation（实现）	添加功能、修改代码、创建文件	读写操作，需要验证
investigation（调查）	调试问题、查找 bug、分析错误	诊断性操作，多步骤
fix（修复）	修复已知问题、消除警告	精确修改，最小变更

实现模式

模式一：系统提示内嵌

最常见且开销最低的方式——将意图分类指令内嵌在系统提示中，要求 Agent 在每次回复前明确声明意图分类。

## Phase 0 - Intent Gate (apply to EVERY message)

Before classifying the task, identify what the user actually wants.
Map the surface form to the true intent, then announce your routing decision.

优点：零额外延迟、无独立组件、与 Agent 决策融为一体 缺点：依赖模型遵循指令的能力，不同模型家族表现差异大

模式二：独立分类组件

将意图分类作为独立的第一步，在 Agent 循环之外运行。

用户请求 → [IntentGate] → 分类结果 → Agent 循环（带分类上下文）

优点：可独立验证和测试、分类逻辑可与 Agent 模型解耦 缺点：增加一次额外调用和延迟、上下文传递增加 token 消耗

模式三：Hook 驱动的意图监控

通过生命周期 Hook 持续监控意图是否与当前行为一致，发现偏差时触发重新分类。

意图分类与 Category 路由的区别

这是两个不同层次的决策：

维度	Intent Gate	Category 路由
决策内容	「做什么类型的工作」	「用哪个模型做」
触发时机	每条消息	每次委托/任务
输出	research/implementation/investigation/fix	visual-engineering/ultrabrain/deep/quick 等
关系	意图分类 影响 Category 选择	Category 决定模型/温度/提示词

协作流程：

用户请求 → IntentGate 分类意图 → Agent 根据意图选择策略 → 委托任务时指定 Category → 路由到具体模型

陷阱与规避

陷阱 1：意图漂移

问题：Agent 在对话中自动携带上一轮的意图分类，即使用户已提出新的请求。

规避：在系统提示中明确约束：

Reclassify intent from CURRENT message ONLY. NEVER auto-carry intent from prior turns.

陷阱 2：过度分类

问题：意图类型过多（10+ 种），Agent 难以准确区分相邻类型。

规避：保持意图类型精简（4-6 种），用明确的行为差异区分，而非语义差异。

陷阱 3：分类错误的级联效应

问题：错误意图导致错误工具选择 → 错误操作 → 用户不满。例如将「研究」分类为「实现」后直接修改代码。

规避：

• 研究类意图严格限制只读工具
• 实现类意图强制先创建 todo 列表
• 提供意图确认机制，对高风险操作显式确认

与多模型环境的集成

在多模型编排系统中，意图分类直接影响模型选择：

• 研究/调查：可选择成本较低的模型（阅读和分析不需要最高推理能力）
• 实现/修复：需要最强的代码理解和生成能力
• 架构咨询：需要深度推理能力

意图分类为多模型路由提供了第一层决策信号，Category 系统在此基础上细化。