能力篇2026-02-28意图识别槽位填充BGEFAISS

让 AI 听懂业务：意图识别与槽位填充的演进

从规则触发、jieba 分词到 AC 自动机 + BGE 语义向量，最终定型为「规则 + 语义」混合路径，并把 27 类细分收敛为 6 个阶段主意图。

两条技术路径

系统把要抽取的信息分成两类，各走各的路：

值域固定的信息走 AC 自动机（含正则），命中即确定，精度高。
表达多样的信息走 AC + FAISS 语义扩展 + BGE 语义验证，并过滤否定句——比如痛点、目标客群、价值主张、优势、客户洞察、消费能力、资源情况，用户说法千差万别，只靠关键词会漏。

意图识别本身也从纯规则一路走到「规则 + 语义」混合分类器：规则触发 → jieba 分词 → AC 自动机 → BGE 语义向量 → 模型兜底。语义组件按 L1 全功能 / L2 规则独立 / L3 纯规则三级降级，任一环不可用都不中断服务。

指标	改进前	改进后
候选词检索耗时	14 秒	25 毫秒（约 560 倍）
痛点词召回率	60%	77%

向量模型最初 SMALL(512 维) 与 PLUS(768 维) 并存，后来统一为 PLUS 单模型 768 维，消除「双向量空间」的维度隐患，后续 pgvector 建表也统一为 768 维。

分类器内部曾有 27 类细分意图，最终收敛为 6 个阶段主意图（立项方向 / 商机判断 / 项目验证 / 业务定位 / 增长策略 / 经营诊断）。细分只作为分类器内部粒度保留，不跨模块传递；写入路径收紧为 6 个阶段值，读取路径保留历史值上卷、不做数据迁移。

这个收敛让「用户现在处在哪一步」成为全系统共用的稳定信号，诊断与建档都基于同一套语义，不再各猜各的。

交互层改由 AI 办公平台承担后，模型与索引不再常驻内存，但意图契约保留——它仍是诊断与建档的输入口径。放手的是实现，不是语义标准。