多模型输出如何统一意图识别与标签系统
发布于 2026-11-17 · 杭州师范大学阿里巴巴商学院AI商科智能体实验室
- 统一意图与标签的前提是先建立标签本体,而不是逐个调提示词
- 用 JSON Schema 约束解码把输出钉在合法标签集合内
- 规则映射层承接残余偏差,保证下游口径稳定
- 回归评测集在换模型与升级时守住一致性与覆盖度
意图与标签为什么会对不上
多模型架构里,同一个请求可能交给不同的模型处理,而它们对「这句话属于什么意图」的判断天然存在口径差异。差异主要来自三个层面。模型层面:不同模型的预训练语料与对齐方式不同,对语义边界划得不一样,同一句话可能被一个模型判为「咨询」、被另一个判为「投诉」。定义层面:各处提示词各自演化,同一个意图字段在一处写成分类枚举、在另一处写成自由文本,下游解析出来的结构就对不上。格式层面:有的返回 JSON,有的把结论夹在自然语言里,字段时有时无。这些偏差单独看都不大,但落到路由分发、报表聚合与检索问答这些下游环节,口径就散了。意图标签体系是指把用户请求归入一组预先定义的类别、并附加结构化标签的约定;它要先成为全系统共同遵守的契约,多个模型的输出才谈得上可比与可聚合。
先立标签本体,再动提示词
统一的前提不是把提示词改得一模一样,而是把「有哪些意图、每个意图怎么判、意图之下挂哪些标签」写成一份显式的本体定义。这份定义至少包含四部分。意图清单:给出互斥的顶层类别,每条附判定描述与典型例句。标签维度:业务线、用户角色、紧急程度这类相互独立的维度各自成列。取值范围:每个维度只允许枚举值,禁止模型自由发挥。边界规则:一句话命中多个意图时的优先级与拆分办法。本体写成 JSON Schema 或等价的结构化文件,让所有模型读取同一份定义,而不是各自在提示词里复述一遍。实践中常见的坑有两类:本体里留了自由文本字段,标签集合随之失控;两个意图的判定描述高度重叠,不同模型在边界上各判各的。本体一旦变更要当作接口变更对待:递增版本号,旧的输出仍能映射回旧版本,下游才不会被变更打断。
四步对齐管线:从约束解码到规则映射
把多个模型的输出对齐到同一套标签,可以拆成四步落地。
- 共享本体文件:所有模型的提示词都引用同一份本体定义与版本号,禁止在各处提示词里手工抄写枚举值,避免复制走样。
- 约束解码:自 2023 年函数调用范式普及、2024 年主流推理平台普遍支持 JSON Schema 结构化输出以来,已经可以在解码阶段把输出钉在合法标签集合内,枚举之外的字符串从机制上生成不出来。
- 语义兜底:对约束之外的新表述,用向量近邻把表述映射到既有标签;置信度不够的进人工待定区,同时作为本体演化的输入。
- 规则映射层:在模型之后放一层与模型无关的后处理,处理大小写、同义词与历史别名,把旧版本标签翻译到新版本,保证下游永远面对同一套口径。
四步的分工很清楚:本体定边界,约束解码保格式,语义兜底管新增,规则映射管历史。缺了哪一步,对应类型的偏差就会漏到下游。
四种对齐手段的取舍
四种手段作用在不同层面,不是互相替代的关系。
| 手段 | 作用位置 | 擅长解决的问题 | 局限 |
|---|---|---|---|
| 共享本体定义 | 提示词层 | 让各模型对边界规则理解一致 | 依赖模型遵循度,格式仍可能漂移 |
| 约束解码 | 解码层 | 从机制上保证枚举合法、格式可解析 | 管不住语义判断,判错仍落在合法集合内 |
| 语义映射 | 后处理层 | 吸收新表述与历史别名 | 置信度不足时需要人工复核 |
| 回归评测 | 评测层 | 在换模型、改提示词前发现口径回退 | 只覆盖构造过的用例,证明不了全量正确 |
2025 年以来,多模型路由在实践中越来越常见,经验上单靠其中任何一种手段都守不住口径,组合使用才能把偏差压到下游可接受的程度。
五个常见坑与规避办法
- 只调提示词、不立本体:措辞打磨得再细,模型间的语义边界差异仍在;先把本体立起来,提示词才有统一的参照。
- 枚举粒度失衡:粒度过粗路由不了,过细又判不稳;以下游动作为准来定粒度,路由用粗意图,分析用细分维度。
- 没有回归评测集:换模型、改提示词全凭感觉,口径回退了也发现不了;评测集要与模型无关,用同一批用例衡量所有模型。
- 把对齐责任全押给模型:模型负责判断,机制负责兜底;指望模型自觉输出合法枚举,不如在解码层硬性约束。
- 本体无版本管理:改了枚举不升版本,新旧输出混在一起,下游报表与检索全部失真;变更即递增版本并提供映射。
从哪一步开始动手
如果系统已经出现口径不一,建议按这个顺序推进:先收集线上出现过的意图与标签表述,人工归并成初版本体;再挑输出格式不稳定的那一路模型接上约束解码,把格式问题归零;然后补规则映射层,把历史别名与旧版本标签接住;回过头建回归评测集,覆盖判定容易含糊的边界例句。之后每次换模型、改提示词、动本体,都先跑一遍评测再上线。团队如果需要工程化落地多模型智能体应用,可以了解本站相关服务。
常见问题
意图识别与标签系统是一回事吗?
不是。意图识别解决「这句话要办什么事」的分类问题,标签系统在此基础上给请求附加业务维度,例如业务线、用户角色与紧急程度。两者共同构成请求的结构化画像,路由分发、报表聚合与检索问答都建立在这套画像之上,因此对齐时要连同标签维度一起统一,而不是只对齐意图分类。
各模型的提示词写得一样,标签为什么还对不上?
提示词一致只统一了任务描述,统一不了解码分布。模型在合法集合内怎么选,由它的参数与训练数据决定;要把输出硬性钉在合法枚举内,需要在解码层用 JSON Schema 约束,而不是继续打磨措辞。语义层面的残差,则交给共享本体与规则映射层消化。
标签本体的粒度应该多细?
以下游动作为准。路由分发只需要粗粒度意图,分析报表需要细粒度维度;把维度拆开维护,而不是把一个枚举集合堆得很大。粒度随下游动作变化时,走本体版本变更流程,不做原地悄悄修改,否则新旧输出的口径会对不上。
换模型或升级模型后,对齐工作要重做吗?
不必推倒重来。本体定义与规则映射层本来就与具体模型解耦,换模型只需要重跑回归评测集,确认一致性与覆盖度,再决定是否调整映射规则;这也是评测集要与模型无关的原因。若评测发现新模型对某些边界例句的判定整体偏移,优先调整本体判定描述与例句,而不是零散打补丁。