一、十二句，判对十句

两句错的是同一个原因：关键词表认识你写过的说法，认不出你没写过的。 这不是关键词表「不够好」，是它的固有形状。补词只能补已知的，未知的永远补不完。 所以测意图识别的重点不是「准确率多少」，是「错的时候会怎样」。下面整链测回答的就是这个。

二、错的那两句怎么修

书上用的是第二种：意图识别节点直接挂大模型。这一章演示用关键词表，是因为沙箱里没有模型。 但结论一样：同义说法永远补不完。 判断标准很简单：错的代价是什么。 如果代价是「出一张风马牛不相及的海报」，那就上模型； 如果只是「多问一句」，关键词表够用。 演示里错的两句都走了兜底，用户被多问一句——代价很小。所以这个场景用关键词表其实够。

三、整链测：看走到哪儿

整链测和单节点测的区别：单节点只看「判成什么」，整链看「判成之后走到哪儿」。 演示里十二句一起跑，十句走到对应分支，两句走到兜底。没有一句把链跑崩。 这就是兜底支路的价值：判错不会崩，只是多问一句。

反过来说，如果没有兜底，那两句会整条链空转，用户拿到一片空白，还得回来报错。 所以带分支的图，测试清单里必须有一条：「所有分支都不匹配时，会怎样」。

四、分支多怎么少测

三条分支，每条至少测一句。三类各测一句，就是三句。 再加两句兜底（一句是「有点像但判不出」，一句是「压根不是」）——五句。 不用每条分支测十句。 分支里的提示词改一次测一句就行，改的是模板不是逻辑。

真正要测十句往上的只有意图识别那个节点，因为它才是判断逻辑所在。 这个分配的原则：测逻辑要密，测模板要疏。

五、发布前后

和 11.4 节完全一样，不重复讲。只说一句：发布是按钮，添加是配置，两件事都得做。

六、测试面板里最该看的一栏

意图识别节点的输出。它吐的那个类名，决定后面四条边哪条活。 类名错了，后面全错。而且它不报错——链照跑，只是走错了支路。 这类「静默走错」比报错难查十倍。 报错你立刻知道；走错了，你得先看出图不对，再回头翻日志。

所以改完意图识别，第一件事就是回测试面板看它吐什么。养成这个习惯，能省很多时间。

七、动手 Demo：先单独测意图，再整链测

十二句话测意图识别，数准确率、看错在哪；再整链跑一遍，看错的两句走到哪儿。 最后比较三种修法的代价。

CASES = [(u'新品上市，主推保温杯', u'产品'), (u'周六店庆，全场五折', u'活动'),
         (u'招个美工，月薪八千', u'招聘'), ...]

for s, want in CASES:
    got = kind_of(s)
    ok = (got == want)

实跑输出：

--------------------------------------------------------------------
先单独测意图，再整链测
--------------------------------------------------------------------


  ① 十二句，四类各四句
  --------------------------------------------------------------------

| 输入 | 该判 | 判成 | 对不对 |
|---|---|---|---|
| 新品上市，主推保温杯，卖点是一体成型 | 产品 | 产品 | 对 |
| 这款吹风机打个折，做张主图 | 产品 | 未识别 | 错 |
| 秋冬新品到店，价格 199 | 产品 | 产品 | 对 |
| 我们上新了一款台灯 | 产品 | 产品 | 对 |
| 周六店庆，全场五折 | 活动 | 活动 | 对 |
| 开业大酬宾，满减活动 | 活动 | 活动 | 对 |
| 双十一抽奖，力度拉满 | 活动 | 活动 | 对 |
| 十周年庆，请了乐队 | 活动 | 活动 | 对 |
| 招个美工，月薪八千 | 招聘 | 招聘 | 对 |
| 招聘运营，简历发我 | 招聘 | 招聘 | 对 |
| 急招设计，会 PS 就行 | 招聘 | 未识别 | 错 |
| 这个岗位薪资多少 | 招聘 | 招聘 | 对 |

  十二句判对 10 句。错的两句是「这款吹风机打个折」和「急招设计」。
  前者用的是「打个折」，表里写的是「折扣」；后者用的是「急招」，表里只有「招人」「招个」。
  两句错的是同一个原因：关键词表认识你写过的说法，认不出你没写过的。

  ② 错的那句怎么修
  --------------------------------------------------------------------

| 修法 | 效果 | 代价 |
|---|---|---|
| 补关键词：加「急招」 | 这一句对了 | 下次来「诚聘」又错 |
| 换成大模型判 | 同义说法都能覆盖 | 多一次调用，还要写提示词 |
| 两段式：关键词先判，判不出再问模型 | 常见说法不花模型钱 | 多一条支路 |

  书上用的是第二种：意图识别节点直接挂大模型。
  这一章演示用关键词表，是因为沙箱里没有模型——但结论一样：同义说法永远补不完。
  ! 判断标准：如果错的代价是「出一张风马牛不相及的海报」，那就上模型。
  如果只是「多问一句」，关键词表够用。

  ③ 整链测：三条路各走一遍
  --------------------------------------------------------------------

| 输入 | 意图 | 分支 |
|---|---|---|
| 新品上市，主推保温杯，卖点是一体成型 | 产品 | 跑了 |
| 这款吹风机打个折，做张主图 | 未识别 | 走兜底 |
| 秋冬新品到店，价格 199 | 产品 | 跑了 |
| 我们上新了一款台灯 | 产品 | 跑了 |
| 周六店庆，全场五折 | 活动 | 跑了 |
| 开业大酬宾，满减活动 | 活动 | 跑了 |
| 双十一抽奖，力度拉满 | 活动 | 跑了 |
| 十周年庆，请了乐队 | 活动 | 跑了 |
| 招个美工，月薪八千 | 招聘 | 跑了 |
| 招聘运营，简历发我 | 招聘 | 跑了 |
| 急招设计，会 PS 就行 | 未识别 | 走兜底 |
| 这个岗位薪资多少 | 招聘 | 跑了 |

  整链测和单节点测的区别：单节点只看「判成什么」，整链看「判成之后走到哪儿」。
  演示里三类的第一句都走到对应分支，第四句「急招设计」走到兜底——判错不会崩，只是多问一句。
  这是兜底支路的价值。

  ④ 发布前后
  --------------------------------------------------------------------

| 状态 | 能干什么 | 还差什么 |
|---|---|---|
| 草稿 | 只有测试面板能跑 | 智能体看不见 |
| 已发布 | 有了可调用版本 | 还要添加到智能体 |

  和 11.4 节完全一样。这一章不重复讲了，只说一句：发布是按钮，添加是配置，两件事都得做。

  ⑤ 测试面板里最该看的一栏
  --------------------------------------------------------------------
  意图识别节点的输出。它吐的那个类名，决定了后面三条分支哪条活。
  类名错了，后面全错。而且它不报错——链照跑，只是走错了支路。
  所以每次改完意图识别，第一件事就是回测试面板看它吐什么。

①第一张表十二句：十句对，两句错——「打个折」和「急招」。 ②两句错的原因一样：同义说法没进关键词表。这是关键词表的固有形状。 ③第二张表三种修法：补词、换模型、两段式，各的代价。 ④第三张表十二句整链跑：十句走对应分支，两句走兜底，没有一句跑崩。 ⑤最后一段：类名错了不报错，只是走错支路。这类「静默走错」最难查。

30 秒实验

1. 收集二十句真实用户说法，人工标一遍类型，再让你的意图识别跑一遍，数错几句。
2. 把那二十句里错的说法补进关键词表，再跑一遍。看这次能到几句，还会漏哪种。
3. 故意造一句「所有分支都不匹配」的话，看你的链是空转还是走兜底。

常见误区

1. 「准确率九成就能上线。」要看错的时候会怎样。走兜底是多问一句，空转是用户拿到空白。
2. 「每条分支都测十句。」逻辑要密测（意图识别），模板要疏测（分支提示词）。
3. 「类名错了会报错。」不报错。链照跑，只是走错支路。得回测试面板看。

测完发布，下一节把它挂到智能体上，再教它怎么改稿。

• ☐ （本篇完，下一篇 12.5 工作流集成与智能体完善）

相关笔记

• 工作流测试与发布：上一章的测试与发布
• 完整工作流测试：整链测试怎么排错
• 构建海报生成工作流：三条分支怎么画
• 🐦 扣子开发 AI Agent · 索引