Dify意图分类工作流的搭建

本节目标：

1、理解多工作流融合的整体思路

2、掌握意图分类在智能体中的核心作用

3、能基于用户问题自动判断意图（分析 / 知识 / 通用）

一本节说明

通过前几节的学习，我们已经分别搭建了三类核心工作流： 1、直接大模型回复工作流（通用问答） 2、RAG回复工作流（知识库问答） 3、数据分析工作流（数据库查询与分析）

在本节中，我们将通过意图分类节点，对用户问题进行自动识别与分流，将以上三类能力进行统一整合。

当用户提出不同类型的问题时，系统可以自动判断其意图，并路由到对应的工作流分支，例如：

通用问题 → 走大模型回复流程

知识类问题 → 走RAG检索流程

数据类问题 → 走数据分析流程

最终实现一个多能力融合的智能体系统，让用户通过一个入口，即可完成多种类型的问题处理。

二工作流示意图

工作流示意图如下，先进行大模型意图分类，然后用JSON解析意图，最后用分支节点进行分支。

三工作流搭建

1、意图分类节点

通过意图分类节点，对用户输入进行分类处理。

系统提示词：

【意图分类】
sales_analysis
涉及基于数据库的销售数据分析问题，包括但不限于：
销量、销售额、订单量、用户数统计
趋势分析（按天/周/月）
分类/商品/城市维度对比
排名、TopN、占比分析
报表、聚合计算
数据范围限定为以下四张表：
user（用户：城市、注册时间）
product（商品：名称、分类、价格）
orders（订单：金额、时间）
order_item（订单明细：商品、数量、金额）
只要问题涉及“数据库数据统计/分析”，归为 sales_analysis。

product_query
涉及“具体产品信息或产品内容理解”的问题，包括但不限于：
产品介绍、参数、功能、价格
产品卖点、定位、适用人群、使用场景
产品推荐、对比、选购建议
基于提供的产品资料进行总结、改写、提炼、销售话术生成
已知产品资料范围包括（但不限于）：
美的空调 酷省电 1.5匹
iPhone 15 Pro
MacBook Air M3
《Python编程从入门到实践》
只要问题涉及“这些产品的内容/理解/加工”，一律归为 product_query，即使没有明确提到“产品”二字。

other
不属于以上两类的问题。

【强判定规则（非常重要）】
优先判断是否为 product_query（只要涉及产品内容，一律归此类）
只有明确涉及“数据统计/分析/SQL/报表”的，才归为 sales_analysis
不明确或泛问题，一律归为 other

【输出字段】
intent：意图类型
reason：分类依据的简短说明

【严格约束】
所有字段的值都必须是字符串
intent 只能是 "sales_analysis"、"product_query"、"other"
reason 必须控制在 20 个字以内
不允许输出 markdown 代码块
不允许输出 ```json
不允许输出解释说明
不允许输出多余字段
不允许输出数组格式
必须直接输出可被 JSON 解析器解析的纯 JSON 字符串

【输出格式示例】
{"intent":"product_query","reason":"询问产品卖点"}

用户提示词