通过问题分类与条件分支两大核心功能，您可以像搭积木一样精细化设计智能客服工作流，让机器人精准识别用户意图并自动分流处理，显著提升服务效率与响应准确性。
问题分类
问题分类器借助大语言模型的推理能力，根据您定义的分类描述，自动识别用户输入的语义意图并输出匹配的分类结果，为下游节点（如知识库检索、对话回复）提供精确的决策依据，是构建高效客服问答系统的关键环节。
应用场景
常见的使用情景包括：
- 客服对话意图分类（如咨询、投诉、退货）
- 产品评价分类（好评、差评、中性）
- 邮件批量分类（询价、报价、技术支持）
在典型的产品客服问答场景中，问题分类器可作为知识库检索的前置步骤，对用户输入问题进行意图分类，分类后导向下游不同的知识库查询相关内容，从而精准回复用户问题，提升客服自动化水平。
示例工作流模板
下图为产品客服场景的示例工作流模板：
- 分类 1：与售后相关的问题
- 分类 2：与产品操作使用相关的问题
- 分类 3：其他问题
应用示例
当用户输入不同问题时，分类器会根据已设置的分类标签或描述自动完成意图识别与分类：
- “iPhone 14 如何设置通讯录联系人？” → “与产品操作使用相关的问题”
- “保修期限是多久？” → “与售后相关的问题”
- “今天天气怎么样？” → “其他问题”
配置方法
- 选择输入变量：指用于分类的输入内容，支持输入文件变量。客服问答场景下一般为用户输入的问题
sys.query。 - 选择推理模型：基于大语言模型的自然语言分类和推理能力，选择合适的模型以提升分类效果。建议优先选择支持中文且分类性能较强的模型，如 GPT-4 或 Claude 3。
- 编写分类标签/描述：手动添加多个分类，通过编写关键词或描述语句帮助大语言模型理解分类依据。描述越具体、包含越多的同义词和典型示例，分类准确率越高。
- 选择下游节点：根据分类结果与下游节点的关系，选择后续流程路径。
高级设置
- 指令：在高级设置中补充附加指令（如更丰富的分类依据），增强分类能力。例如：“如果用户提到‘退货’或‘退款’，请归类为售后问题”。
- 记忆：开启后，输入将包含聊天历史以提升对话交互中的问题理解能力。在多轮对话场景下强烈建议开启，以增强上下文感知能力。
- 图片分析：仅适用于具备图片识别能力的LLM，允许输入图片变量。
- 记忆窗口：关闭时，系统根据模型上下文窗口动态过滤聊天历史；开启时可精确控制传递数量（对数）。
输出变量
class_name：存储分类模型的预测结果。分类完成后，此变量包含具体类别标签，可在后续处理节点中引用以执行相应逻辑。