• 使用教程
使用教程
  • 使用教程
加載中...
查無結果
  • 開始使用
    • 歡迎使用 GoInsight.AI
    • 入門指南
    • LLM的選用與管理
  • InsightFlow
    • InsightFlow 介紹
    • InsightFlow的類型
    • 對話式工作流程
      • 編輯與調試對話式工作流程
      • 發布對話式工作流程
      • 對話式工作流程的安全設定
    • 服務式工作流程
      • 編輯與調試服務式工作流程
      • 發布服務式工作流
    • 服務與工具
      • 工具
      • 服務
      • Agent 策略
    • 節點
      • 開始節點
      • 回復輸出節點
      • LLM 節點
      • 知識檢索節點
      • 文檔讀取節點
      • 檔案寫入節點
      • 檔案刪除節點
      • HTTP 請求節點
      • 知識聚焦大模型節點
      • Agent節點
      • 進度更新節點
      • 工具呼叫節點
      • 條件跳轉節點
      • 自然語意分類器節點
      • 分支聚合器節點
      • 多分支選擇節點
      • 循環節點
      • 互動式表單節點
      • 暫停與恢復節點
      • 延遲節點
      • 自動繼續節點
      • 文字模板節點
      • 代碼節點
      • JSON 變數提取器節點
      • 自然語意變數提取器節點
      • 變數賦值節點
      • 結束節點
    • 節點的錯誤處理機制
    • 創建你的第一個工作流
  • Marketplace
    • Marketplace
  • 文件
    • 工作空間文件
    • Personal Data
  • GoInsight Workspace
    • GoInsight Workspace 介紹
    • 協作工作台
  • 轻聊机器人
    • 構建輕聊機器人
  • 團隊管理
    • 訪問控制
    • 使用數據
    • 稽核中心
    • 憑證管理
    • 模型管理
  • 知識百科
    • 關鍵概念
    • 資料安全性
    • ABEvent
    • 互動表單:JSON 配置指南
    • 為什麼上下文是 AI 協作的基礎
    • 使用 Say It for Me 建構協作上下文
    • 使用運算式處理變數
首頁 > 使用教程 > InsightFlow > 節點

自然語意分類器節點

定義

自然語意分類器 (Question Classifier) 節點利用大型語言模型(LLM)的自然語言理解與推理能力,對輸入的文字內容(如使用者提問或對話內容)進行分析並自動分類。根據預先配置的分類標籤(例如「售後服務」或「售前諮詢」),該節點會輸出最契合輸入內容語意的分類結果,並將其傳遞至下游節點以決定後續處理步驟。

節點配置

question classifier configuration

配置步驟:

  • 輸入變數:選擇要分類的內容(支援檔案變數)。在客戶問答場景中,通常是使用者的提問。
  • 分類:手動新增多個分類,並為每個分類提供關鍵字或描述,以協助大型語言模型更準確地判斷匹配的分類。
  • 記憶:啟用此功能後,該節點的輸入將包含對話歷史。這有助於大型語言模型理解上下文,提升對問題語意的判斷能力。
  • 輸出變數:此節點會輸出兩個變數:ClassName 和 Reason。ClassName 儲存預測的分類名稱,Reason 儲存解釋理由。您可以在下游節點中引用這些結果,以執行相應的邏輯操作。
  • 下游路由:為每個分類選擇對應的下游節點。一旦完成分類,工作流程將根據分類結果路由至相應的處理路徑。

配置詳細資訊

1. 新增「自然語意分類器」節點

在應用程式編輯頁面,右鍵點擊畫布或點擊上一節點末端的 + 圖示,新增並選擇「自然語意分類器」節點。

2. 選擇輸入變數

選擇要用於分類的輸入變數。輸入內容通常為使用者提問、對話內容或上一個節點的文字輸出。

3. 選擇模型

使用者可以在此節點中選擇使用的模型,例如 Microsoft Azure GPT 系列、OpenAI GPT 系列、Claude 系列、DeepSeek 系列等主流大型語言模型。此外,您還可以配置模型的溫度參數。選擇合適的模型和參數,有助於提升分類的準確性。

4. 分類管理

您可以新增多個分類,並為每個分類撰寫對應的關鍵字或描述,以幫助大型語言模型更清楚地理解分類標準。這樣,系統可以根據輸入意圖,將內容正確路由至不同的工作流程。

分類範例:

  1. 關於售後服務的問題,例如產品退換貨、維修、保固等。
  2. 關於產品操作和使用方式的問題。
  3. 關於產品購買相關的問題。

當輸入內容不符合任何分類條件時,將預設歸類為「其他」分類。

5. 記憶功能(Memory)

啟用「記憶」功能後,自然語意分類器節點每次的輸入都將包含對話歷史,這有助於大型語言模型理解之前的上下文,進一步提升對問題的理解能力。

對話歷史支援兩種配置方式:

  • 指定數量:直接指定要參考的歷史訊息數量。
  • 動態插入:透過變數傳遞歷史訊息。

記憶範圍支援:

  • 會話記憶:參考當前對話主題內的歷史訊息,適用於需要完整上下文以判斷意圖的場景。
  • 節點記憶:僅記錄當前「自然語意分類器」節點的輸入和輸出,適用於希望節點僅基於自身歷史進行判斷的情況。

例如,在多輪客戶服務對話中,使用者可能僅輸入簡短的問題「這部分是怎麼收費的?」啟用會話記憶後,分類器可根據先前的對話判斷使用者詢問的內容屬於售前、售後、產品使用或其他類別。

6. 輸出結果

「自然語意分類器」節點會輸出以下變數:

  • ClassName:字串類型。表示分類結果,即模型判斷後匹配的分類名稱。
  • Reason:字串類型。表示分類理由,解釋模型為何將輸入內容分配至該分類。

後續節點可以引用 ClassName 來確定工作流程的路徑,或引用 Reason 來查看分類依據。

7. 錯誤處理

「自然語意分類器」節點支援錯誤處理功能。

當節點執行過程中發生錯誤時,您可選擇以下其中一種處理方式:

  • 不處理:若節點失敗,工作流程將被中斷。
  • 使用預設值:若節點失敗,工作流程會繼續執行,並將配置的預設值作為節點輸出。
  • 錯誤處理分支:若節點失敗,當前路徑將被中斷並重新導向至配置的錯誤處理分支。

選擇「使用預設值」時,您可以為輸出變數(例如 ClassName 和 Reason)配置預設值。即使分類器失敗,工作流程仍可繼續執行。

簡單案例

此模型非常適合用於分類客戶服務問題。在典型的問答情境中,「自然語意分類器」可以自動為客戶問題進行分類,並引導至正確的知識庫,提供精準且有用的解答。

以下是一個產品相關客戶服務的工作流程範本:

在此範例中,我們設定了三個分類標籤或描述。

  • 分類 1:「AB-售後服務」
  • 分類 2:「AB-售前詢問」
  • 分類 3:「個人產品問題」
  • 若使用者的問題不符合以上任何條件,模型將執行「其他」分類。
Question Classifier case

當使用者輸入不同問題時,「自然語意分類器」會根據設定好的分類標籤或描述自動完成分類。例如,若使用者輸入:

  • 「AirDroid Business Enterprise Edition 多少錢?」→ 歸類為「售前詢問」。
  • 「如何建立和部署 kiosk 配置?」→ 歸類為「售後服務」。
  • 「如何將 AirDroid Cast 投屏到電視?」→ 歸類為「個人產品問題」。
  • 「今天紐約的天氣怎麼樣?」→ 歸類為「其他問題」。

注意事項:

  • 輸入變數必須為字串,且不能為空值。
  • 每個分類名稱必須完全不同,避免重複或無效的名稱。
  • 確保每個分類描述清晰簡明,以便分類器能準確判斷。
更新於: 2026-07-21
這個頁面有用嗎?
上一篇 條件跳轉節點
下一篇 分支聚合器節點
討論

發佈評論 取消回覆

你的電子郵件地址不會被公開。 必填位置已標出*

產品相關的問題?聯繫我們的支援團隊以獲取快速解決方案>
本頁內容
  • 定義
  • 節點配置
  • 配置詳情
    • 1. 新增問題分類器節點
    • 2. 選擇輸入變數
    • 3. 模型
    • 4. 分類管理
    • 5. 記憶
    • 6. 輸出
    • 7. 錯誤處理
  • 簡單案例示範
  • 注意事項
加載中...
查無結果