【意图识别】规则、语义路由和 LLM 三级兜底的一次实验
给金融线索业务做一个意图分类器。输入一句话,判断它是 5 个意图里的哪一个,或者不属于任何一个(unknown): 线索提报、线索全生命周期跟踪反馈、线索分析、产品准入分析、产品知识问答。 单靠一种方案都有明显短板:正则写不全所有说法,语义路由分不清近义意图,直接上大模型又慢又贵。所以用了三级级联,便宜的先跑,跑不动的交给下一级。
技术、随笔与代码——一份内容优先的个人技术博客。
第 11 期 · 最近更新于 2026-11-08
给金融线索业务做一个意图分类器。输入一句话,判断它是 5 个意图里的哪一个,或者不属于任何一个(unknown): 线索提报、线索全生命周期跟踪反馈、线索分析、产品准入分析、产品知识问答。 单靠一种方案都有明显短板:正则写不全所有说法,语义路由分不清近义意图,直接上大模型又慢又贵。所以用了三级级联,便宜的先跑,跑不动的交给下一级。
Plan 只计算“这一拍要跑哪些任务”,不执行节点,也不修改状态。 Execute 并行执行节点,结果只写入 `checkpoint_pending_writes`,**不直接修改 channel**。 Update 统一把 writes apply 到 channel,得到新的 `updated_channels`,然后保存 checkpoint。
本文从源码层面拆解 LangGraph 的 StateGraph 是如何从「几个 API 调用」变成「一张可执行的 Pregel 计算图」的。
本文以 9 个示例代码来学习LangGraph基础。它们不是零散 API 演示,而是一条完整的进阶路线
在已有的 Spring Boot(Java 8)CRM 项目中集成 MCP(Model Context Protocol)Server,使 AI 客户端(如 Claude Desktop)能够通过 MCP 协议调用 CRM 的业务能力。 选择 Solon 的 MCP 实现(solon-ai-mcp),因为它是 Java 生态中较成熟的 MCP Server 方案。
一个基于 **AgentScope 2.0** 框架构建的 **多智能体协作平台**,通过"路由调度 + 专业子 Agent"的架构,实现了业务域的解耦与能力的灵活扩展。