记忆系统中的意图识别怎么做？

先这样答

我会采用分层的意图识别方案：先用规则兜底，再用小模型分类器判断，最后让更强的模型处理模糊 case。这样可以兼顾低延迟和复杂输入。识别结果不只输出意图类别，还要输出置信度。

第一层使用关键词和模式做规则匹配。规则可以覆盖比较明确的表达，并承担兜底作用。第二层使用 fastBERT 类的小模型分类器。它负责常见意图的判断，满足低延迟要求。规则和小模型都无法稳定判断时，再交给更强的模型判别。

低置信度时，我不会直接把输入硬路由到某个意图。系统应该先向用户澄清，再继续处理。最终得到的意图结果会影响记忆检索的范围和权重。不同意图对应不同的记忆使用方式，所以意图识别会直接参与后续检索决策。

面试官会怎么追问

• 「为什么要同时使用规则和小模型？」 规则适合处理关键词和模式明确的输入，也能承担兜底作用。小模型负责更一般的分类，并保持较低延迟。两者结合后，再把模糊 case 交给更强的模型。

• 「分类器置信度低时，为什么不直接选最高分类？」 低置信度说明当前判断不够可靠。此时硬路由可能让错误意图影响后面的记忆检索。更稳妥的做法是先澄清，再根据澄清结果确定意图。

• 「意图结果为什么会影响记忆检索？」 意图会决定系统需要检索哪一部分记忆。它也会影响不同记忆在检索中的权重。如果只识别类别，却不把结果用于检索，意图识别就没有真正参与记忆使用。

回答的坑

• 只输出意图类别而不输出置信度，模糊输入就容易被硬路由。

• 只讲分类模型而不讲记忆检索范围和权重，答案没有覆盖意图识别的后续作用。