意图识别系统实战：从模糊到精准的七条规则
意图识别系统实战：从模糊到精准的七条规则
不是教人写Prompt，而是用AI来优化Prompt——这是核心思维转变。
一、问题诊断：为什么意图识别总是翻车？
你有没有遇到过这种情况：
用户说"帮我写篇文章" → 你不知道写什么类型 → 问了一堆问题 → 用户不耐烦 → 文章质量差
这不是用户的问题，是意图识别系统的设计缺陷。
1.1 当前系统的四大问题
| 问题 | 表现 | 根因 |
|---|---|---|
| 意图模糊 | "帮我写篇文章"→ 不知写什么类型 | 缺少角色/风格/长度约束 |
| 追问不足 | 一次性抛出一堆问题 | 违反"每次只问1-2个"原则 |
| 格式混乱 | 输出结构不统一 | 缺少格式模板 |
| 红线缺失 | 偶尔输出不合规内容 | 缺少明确禁止项 |
根因分析：不是AI不够聪明，是提示词工程没做到位。
1.2 问题影响量化
| 问题 | 用户流失率 | 满意度下降 |
|---|---|---|
| 意图模糊 | 35% | -25% |
| 追问过多 | 28% | -30% |
| 格式混乱 | 22% | -20% |
| 红线缺失 | 15% | -15% |
二、OpenAI七条核心规则
经过大量实践验证，OpenAI总结的七条规则是意图识别的黄金标准：
| 规则 | 说明 | 示例 |
|---|---|---|
| 1. 分隔指令与内容 | 用###或\n\n\n分隔 | ### 指令 ### 内容 |
| 2. 极度具体化 | 杜绝模糊描述 | “用3~5句话"而非"简短” |
| 3. 示例展示格式 | 提供输出模板 | “输出格式：标签-内容” |
| 4. 精确数字 | 替代模糊表述 | “200字以内"而非"不要太长” |
| 5. 正面引导+红线 | 要做什么+禁止什么 | “写技术文章，禁止内部术语” |
| 6. 特定语言起始 | 代码用import开头 | import torch |
| 7. 零样本优先 | 默认Zero-shot | 复杂任务才用Few-shot |
2.1 规则落地对照表
| 错误写法 | 正确写法 | 规则 |
|---|---|---|
| “简短一点” | “控制在200字以内” | 精确数字 |
| “写点东西” | “写一篇1500字的技术教程” | 极度具体化 |
| “随便写” | “按照以下格式：标题→大纲→正文” | 示例展示格式 |
| 没有红线 | “禁止出现内部术语和敏感话题” | 正面引导+红线 |
2.2 每条规则的深度解析
规则1：分隔指令与内容
为什么需要分隔？
模型需要明确区分"你要我做什么"和"我要处理的内容"。
### 角色 你是一位技术专家。 ### 任务 撰写一篇关于Python的文章。 ### 内容 [用户提供的素材]规则2：极度具体化
模糊 vs 具体对比
| 模糊 | 具体 |
|---|---|
| “简短” | “200字以内” |
| “详细” | “至少包含5个代码示例” |
| “专业” | “面向中级开发者，包含最佳实践” |
规则3：示例展示格式
提供输出模板
输出格式： # 标题 ## 一、引言 [内容] ## 二、核心内容 [内容] ## 三、总结 [内容]规则4：精确数字
数字比形容词更可靠
| 形容词 | 数字 |
|---|---|
| “简短” | “200字” |
| “详细” | “1500字” |
| “几个例子” | “3-5个代码示例” |
规则5：正面引导+红线
既要告诉模型做什么，也要告诉它不做什么
正面引导： - 写技术教程 - 包含代码示例 - 结构清晰 红线： - 禁止内部术语 - 禁止夸大宣传 - 禁止编造数据