你有多个 Skill 提供相似功能时，Agent 如何根据用户意图进行自动路由和选择？

面试官：“当系统里有多个 Skill 提供相似功能时，Agent 怎么根据用户意图自动选择最合适的那个？”

候选人：

“这是个很实际的问题。功能相似的 Skill 一多，Agent 最怕的就是‘选择恐惧症’——用户说‘帮我订个票’，它不知道该订机票、火车票还是电影票。解决这个问题的核心，我把它抽象成一套多级漏斗路由机制：先看意图能不能区分，再看参数槽位能不能补全，最后结合上下文和置信度做决策，实在分不清就主动澄清。

我按路由流程的顺序来说。

第一级：意图语义分类 —— 粗筛

Agent 拿到用户输入后，第一步不是去挨个问 Skill，而是先用一个轻量的意图分类模型或嵌入匹配，把用户意图分到某个领域，比如 travel、entertainment、work。

  • 用户说“帮我订明天去上海的票”，意图分类器判断属于 travel 领域。

  • 这样系统中即便有三个叫 book_ticket 的 Skill（机票、火车票、电影票），也能通过 Skill 元信息里的 category 字段筛掉电影票，只剩机票和火车票两个候选。

第二级：参数槽位匹配 —— 细筛

到了这一步，Agent 尝试从用户输入中提取参数，把参数和候选 Skill 的参数 schema 做比对，计算槽位填充度。

比如：

  • 机票 Skill 的参数有 departure, destination, date, cabin_class。

  • 火车票 Skill 的参数有 departure, destination, date, seat_type。

用户说“明天去上海”，Agent 提取出 date=明天, destination=上海，缺 departure。两个 Skill 都缺这个参数，槽位填充度相仿，无法直接决策，就进入下一步。

第三级：上下文与偏好建模 —— 个性化决策

这是路由变智能的关键。Agent 会查看：

  1. 对话历史：上一轮用户刚问过“北京飞上海要多久”，那机票 Skill 置信度 +20%。

  2. 用户画像：该用户历史上 90% 的出行都选高铁，火车票 Skill 置信度 +30%。

  3. 环境上下文：当前时间是 23:00，明天最早的航班已截载，火车票还有票，这个信息可以来自实时查询，也可能作为 Skill 推荐时的附加解释。

综合评分后，Agent 可能会直接选火车票，或者在两个置信度接近时进入下一级。

第四级：置信度阈值与主动澄清 —— 兜底策略

Agent 会预设一个最低决策阈值（比如 0.75）。如果最匹配的 Skill 评分超过阈值，就直接执行；否则，把 Top-2 或 Top-3 以自然语言方式反问用户确认：

  • “您是想订机票还是火车票去上海？”

  • 或者更智能一点：“目前查到明天去上海的航班已截载，但高铁还有余票，需要帮您预订高铁票吗？”

这个澄清本身也会把用户的回答作为强信号，重新触发匹配，并同时更新用户偏好模型。