自然语义分类器节点

定义

自然语义分类器节点利用大型语言模型（LLM）的自然语言理解与推理能力，分析并自动分类文本输入，例如用户提问或对话内容。根据预设的分类标签（如“售后服务”或“售前咨询”），输出与输入文本语义最匹配的分类结果，并将其传递给下游节点，以确定后续处理步骤。

节点配置

配置步骤：

• 输入变量：选择需要分类的内容（支持输入文件变量）。在客户问答场景中，通常是用户的问题。
• 分类：手动添加多个分类。为每个分类提供关键词或描述，以帮助LLM更准确地进行分类。
• 记忆：启用后可将聊天历史信息纳入节点输入，帮助LLM理解上下文，从而提升其在对话场景下的问题理解能力。
• 输出变量：该节点输出两个变量：ClassName 和 Reason。ClassName用于存储预测的分类名，Reason用于存储分类原因。下游节点可以参考这些结果来执行具体逻辑。
• 下游路径选择：为每个分类选择下游节点。当节点确定了分类后，工作流会自动根据结果流转至对应路径。

配置详情

1. 添加自然语义分类器节点

在应用编辑页面，右键点击画布或点击前一节点的+图标后，添加自然语义分类器节点。

2. 选择输入变量

选择需要用于分类的输入变量。输入内容通常是用户提问、对话内容或上一个节点的文本输出。

3. 模型

用户可在节点中选择模型，例如微软Azure GPT系列模型、OpenAI GPT系列、Claude系列、DeepSeek系列等主流大型语言模型。同时可配置模型温度。选择合适的模型和参数可有效提升分类性能。

4. 分类管理

您可以添加多个分类，并为每个分类填写关键词或描述，以帮助LLM更好地理解分类标准。这有助于识别输入意图，并将其路由到不同的工作流。

分类示例：

1. 与售后服务相关的问题，例如产品退货、换货、维修及保修。
2. 与产品操作和使用相关的问题。
3. 与产品购买相关的问题。

当不满足任何分类条件时，会默认使用预设的“其他”分类。

5. 记忆

启用记忆后，每次自然语义分类器节点的输入将包含历史对话内容。这有助于LLM理解前文上下文，从而增强对话交互中的问题理解能力。

对话历史支持两种配置方式：

• 指定模式：直接指定引用的历史消息数量。
• 插值模式：通过变量传递历史消息内容。

记忆范围支持：

• 会话范围：引用当前对话线程中的历史消息。适用于需要完整上下文来识别意图的场景。
• 当前节点范围：仅记录当前自然语义分类器节点的输入和输出。适用于节点仅基于自身历史进行判断的场景。

例如，在多轮客户服务对话中，用户可能只输入不完整的问题，如“这个怎么收费？”启用会话记忆后，分类器能够利用前文上下文，判断用户的问题属于售前、售后、产品使用或其他类型。

6. 输出

自然语义分类器节点输出以下变量：

• ClassName：字符串类型。表示分类结果，即模型判断后所匹配的分类名称。
• Reason：字符串类型。表示分类原因，解释模型将输入内容归入该分类的原因。

后续节点可参考ClassName决定工作流程路径，或参考Reason查看分类依据。

7. 错误处理

自然语义分类器节点支持错误处理。

当节点执行中发生错误时，您可以选择以下处理方式之一：

• 不处理：如果节点失败，工作流将中断运行。
• 默认值：如果节点失败，工作流将继续运行，并将配置的默认值作为节点输出。
• 错误处理分支：如果节点失败，当前路径将中断，并跳转至配置的错误处理分支。

选择默认值时，可以为输出变量（如ClassName和Reason）设置默认值。这样，即使分类器失败，工作流也能继续运行。

简单案例示例

该模型非常适合用于分类客户服务问题。在典型的问答场景中，自然语义分类器会自动对客户问题进行分类，然后将其引导至相应的知识库，从而提供精准且有帮助的用户响应。

下面是一个与产品相关的客户服务场景工作流模板的示例：

此示例中，我们设置了三个分类标签或描述：

• 分类1：AB-售后服务
• 分类2：AB-售前咨询
• 分类3：个人产品相关问题
• 如果用户的查询不满足任何分类条件，模型将归入“其他”分类。

当用户输入不同问题时，自然语义分类器会根据预设的分类标签/描述自动完成分类。例如，如果用户输入：

• “AirDroid企业版多少钱？” → 归入“售前咨询”分类。
• “如何创建并部署一个kiosk配置？” → 归入“售后服务”分类
• “如何把AirDroid Cast投屏到电视？” → 归为“个人产品相关问题”
• “今天纽约的天气如何？” → 归入“其他问题”

注意事项：

• 输入变量必须是字符串，且不能为空问题。
• 每个分类名必须不同，不得重复或使用无效名称。
• 确保每个分类描述清晰简洁，以便分类器能够做出正确判断。