在 Dify 里，意图识别本质是“规则+LLM分类+结构化输出”的组合，不是训练好的专用模型，而是用节点和提示词把大模型当分类器来用。下面从原理、两种实现方式、配置步骤和常见问题四方面讲清楚。
一、核心原理（一句话版）
Dify 没有内置“训练好的意图模型”，而是：
- 优先规则：关键词/正则快速拦截高频意图（快、省成本）；
- LLM 兜底分类：用提示词把候选意图列出来，让大模型选最匹配的一个；
- 结构化输出：让模型固定返回
intent、confidence、slots，方便下游分支判断。
二、两种实现方式（你常用的）
方式1：用「问题分类器」节点（推荐，零代码）
Dify 自带节点，专门做意图/问题分类，本质是封装好的 LLM 分类模板。
配置步骤
工作流拖入问题分类器（Question Classifier）；
输入变量：选
sys.query（用户问题）；模型：选推理强的（如 GPT-4o-mini、DeepSeek），温度设0.2–0.3（确定性高）；
添加意图标签+描述+关键词：
- 意图1：查交期 → 描述：用户问交货时间、多久能好 → 关键词：交期、多久、什么时候到；
- 意图2：查库存 → 描述：用户问有没有货、库存多少 → 关键词：库存、有货吗、剩多少；
- 意图3：其他 → 兜底。
输出：节点会输出
category（意图名称），下游用条件分支按category走不同流程。
方式2：用「LLM 节点+自定义提示词」（灵活，适合复杂意图）
自己写提示词，让模型输出结构化意图结果，适合需要槽位提取（如工厂、数量）的场景。
标准提示词模板（直接复制）
你是意图识别器，只做分类和提取。 候选意图： 1. query_delivery：查交期（关键词：交期、交货、多久、什么时候） 2. query_stock：查库存（关键词：库存、有货、剩多少） 3. create_order：下单（关键词：买、订、下单、来一份） 4. other：其他问题 用户输入：{{sys.query}} 输出JSON（严格）： { "intent": "意图名称", "confidence": 0.xx, "slots": { "factory": "工厂（有就填，没有null）", "qty": "数量（数字，没有0）" } }配置
- 拖入LLM 节点，粘贴上面提示词；
- 开启结构化输出，JSON Schema 如下：
{"type":"object","properties":{"intent":{"type":"string"},"confidence":{"type":"number","minimum":0,"maximum":1},"slots":{"type":"object","properties":{"factory":{"type":["string","null"]},"qty":{"type":"number","minimum":0}}}},"required":["intent","confidence","slots"]}- 下游用条件分支判断：
- 若
intent == "query_delivery"→ 走查交期分支； - 若
intent == "query_stock"→ 走查库存分支； - 兜底走其他分支。
- 若
三、意图识别怎么判断“来自哪个分支”
你之前问“节点怎么判断来自哪个分支”，结合意图识别，答案是：
分支标记法（最常用）
- 每个条件分支出口，加一个赋值节点，设置变量
from_branch = "查交期分支"； - 下游节点直接读取
from_branch，就能知道来自哪个分支。
- 每个条件分支出口，加一个赋值节点，设置变量
意图回溯法
- 意图识别结果
intent就是“来源”：intent = "query_delivery"→ 来自查交期分支；intent = "create_order"→ 来自下单分支。
- 意图识别结果
四、常见问题（你遇到的）
1. 为什么上面分支能走完，下面不行、不报错？
- 大概率是条件分支判断不严谨：下面分支的条件没触发（如意图识别结果和分支条件不匹配）；
- 或下游节点有必填字段没传（如工厂编码为空），但节点没报错，直接静默终止。
2. 为什么走完“直接回复16”就不往下走了？
- “直接回复16”是终止节点（如「回复用户」且勾选「结束流程」）；
- 把该节点的结束流程关掉，或移到流程最后，就能继续往下走。
五、最佳实践（直接能用）
- 简单意图：用问题分类器节点（零代码、快）；
- 复杂意图+槽位：用LLM节点+结构化输出（灵活、能提参数）；
- 分支判断：用赋值节点打标记，下游读标记判断来源；
- 模型参数：温度0.2–0.3，减少随机性，提高意图准确率。
