意图路由（Scene）：AI 也讲究「看人下菜碟」

在 Agent 运行时中的位置：用户消息过安检之后，第一站分诊。
主线 → Agent 运行时 · 第 3 站

---

先搞清楚：意图路由是什么？（纯概念）

想象你去医院看病。你走到前台，护士问你：「你怎么了？」

• 你说「感冒了，开点药」——护士直接给你挂普通内科，不用惊动专家。
• 你说「胸口疼了好几天」——护士二话不说把你推到急诊。

意图路由（Intent Routing / Scene），就是 AI 系统里的那个分诊护士。

专业一点的讲法：

意图路由是对话系统里的一道前置判断层。用户消息进来，系统先猜你要干什么（意图识别），然后根据猜到的意图决定走哪条路（路由）。

举个例子，假如你做了一个电商客服机器人：

用户说的话	意图	怎么处理
「我的订单到哪了」	查物流	直接调物流接口，秒回
「这个能退货吗」	退货咨询	调退货政策 KB + 给出流程
「你们家东西比隔壁贵啊，我觉得不太值，但朋友推荐说……（500字）」	复杂闲聊	交给大模型慢慢聊

意图路由的核心价值就一句话：能省的地方绝对不浪费，该认真的时候绝不敷衍。

它不是大模型（LLM）的替代品，而是大模型的守门员——把简单的、重复的问题挡在外面，让大模型只处理它真正擅长的事。

---

那在晨悦里，它是怎么玩的？（通俗理解）

晨悦平台定位是帮你快速搭一个能用的 AI 智能体。但搭出来之后呢？你得考虑成本和体验。

晨悦里的典型场景：

你做了一个「母婴小助手·小悦」，用户每天问：

• 「今天有优惠券吗？」——每天被问 50 遍
• 「宝宝清单在哪？」——每天被问 80 遍
• 「6 个月宝宝能吃什么？」——每天被问 30 遍

如果你每次收到消息都丢给智谱 GLM-4（按 token 计费），你的账单会很刺激。

晨悦的 Scene 就是来解决这个的：把这些高频问题的标准答案提前写好，用户问到了直接回，根本不用惊动大模型。

用户问「有优惠券吗」
  → Scene 一看：哦，这是「查优惠券」意图，命中率 99%
  → 直接回复写好的话术「今天有满 100 减 20 的券哦～」
  → 对话结束，大模型摸鱼，老板省钱

一句话总结晨悦里的 Scene：

把你知道用户一定会问的问题，提前准备好标准答案。问到了就别让大模型插手，又快又省钱。

Coze / Dify 也有类似的「快捷回复」「开场白」，但晨悦把 Scene 做成了和整个运行时深度集成的一级模块——这也就是为什么面试的时候讲 Scene，面试官会眼前一亮。

---

三层架构：从快到慢，逐级兜底

Scene 不是一刀切的「命中 or 不命中」，而是分了三个层级，越往后 AI 参与越深：

Layer1 — 本地直出（0 token，毫秒级）

匹配到预设意图 + 高置信度 → 直接返回写好的话术 → 对话结束。
响应里会带 scene_local_reply: true。

就像护士看了一眼说「感冒，去那边开药」，全程没叫医生。

Layer2 — Hint 增强（少量 token）

匹配到了意图，但没有固定文案（可能有好几种答法）→ 把「用户可能想问什么」写成 hint 塞进 Prompt，让 LLM 在给定的方向里回答。

就像护士跟医生说「这个病人可能着凉了」，医生心里有数就开得准。

Layer3 — 未匹配（正常走 AI）

完全没命中任何意图 → 走 Agent 运行时 完整链路，该干嘛干嘛。

就像护士看了半天：「呃，我也不知道你这啥情况，直接去看专家吧。」

---

晨悦里怎么配？

1. 在 app/scenes/{场景}/ 目录下定义 intents + presets.json
2. 用 scripts/seed_*_scene.py 写入数据库（参考 seed_food_scene.py）
3. 在 Agent 管理后台打开 scene_enabled 开关

哪些 Agent 适合用 Scene？

Agent	Scene 重视程度	原因
母婴小悦	⭐⭐⭐ 核心	领券、清单、设阶段……都是高频固定问题，Layer1 命中率极高，降本核心
AgentPM	⭐ 轻量	主靠 KB + Workflow 处理复杂需求，Scene 只做了基础兜底
其他场景	⭐⭐ 推荐	只要问答范式固定、高频问题超过 5 个，就值得用

---

5 分钟动手

1. 打开 flow-admin → 场景 列表
2. 找一个已开启 Scene 的 Agent（比如母婴小悦）
3. 发送一条能命中 Layer1 的句子（比如「有优惠券吗」）
4. 打开浏览器 Network，查看响应里是否有 scene_local_reply: true

→ 更多实操：动手实验 0

---

思维导图

---

相关文档

• Agent 运行时 — Scene 在完整链路中的位置
• Agent Skills — 预设意图和能力体系
• 场景孵化 §2 — 不同场景的 Scene 配置策略