整体概述

本文介绍如何通过千帆AppBuilder的工作流Agent搭建一个飞行客服小助手，这个小助手可以理解用户意图，帮助用户查询航班动态或查询天气，也可以解答用户关于飞行的相关问题。这个小助手还可以在与用户对话过程中，实现话题的灵活跳出和拉回。

通过阅读本内容，读者可以掌握意图分类节点、信息收集节点和全局跳转等节点的使用方法，快速搭建出自己的工作流Agent。

该飞行客服小助手的工作流如下图所示：

在该工作流中，使用意图识别节点对用户原始提问进行分流，不同的意图进入不同的后续流程。 识别意图后，通过信息收集节点询问并收集需要的用户信息，然后通过分支器分流以下两种情况：

1）当收集到所需的用户信息，则通过天气查询组件或者航班信息查询组件查询结果，然后通过大模型节点总结润色结果后输出给用户。

2）当没有收集到所需的用户信息，说明用户表达了其他意图或者提出了其他问题，则通过全局跳转节点跳转到相应的意图、或基于知识库回复用户问题、或基于闲聊大模型回复用户问题，然后将话题拉回到原意图，继续询问收集所需的用户信息。

效果示例：

用户：查天气
飞行客服小助手：请提供您要查询哪个城市的天气？
（意图识别完成，分支到查询天气的意图，执行信息收集节点，询问城市）
用户：我先查个航班吧
飞行客服小助手：请提供您要查询的航班号
（信息收集节点没有收集到城市信息，分支器分流到全局跳转节点，执行全局意图识别，识别到查询航班动态的意图，跳转到该意图，执行信息收集节点，询问航班号）
用户：HU7447
飞行客服小助手：航班HU7447从北京首都飞往成都，当前状态为已排班，预估出发时间为2024年12月26日6点10分，预估到达时间为2024年12月26日9点，目前未显示有延误、改道或取消信息。 下面继续帮您查询天气。 请提供您要查询哪个城市的天气？
（收集到航班信息，分支器分流到航班动态查询组件节点，查询到航班信息后，大模型总结后回复用户，由于原意图（查询天气）尚未结束，将话题拉回到原意图，继续询问收集城市信息）
用户：我昨天做的手术，今天可以坐飞机吗
飞行客服小助手：昨天做的手术，今天不可以坐飞机。 由于空中旅行压力要比地面大，即使机舱内调整了压力，但还是会有压力差，容易引起血压波动，导致伤口裂开、出血、感染等并发症，会增加术后病症发生的风险。为了您的飞行安全，请在术后15天再乘坐飞机。 下面继续帮您查询天气。 请提供您要查询哪个城市的天气？
（信息收集节点没有收集到城市信息，分支器分流到全局跳转节点，从知识库中找到了回复用户问题的答案，输出该答案给用户，然后将话题拉回到原意图，继续询问城市信息）
用户：成都。
飞行客服小助手：成都2024年12月26日天气情况如下： 温度范围：4℃ - 13℃ 天气状况：多云 风向风速：西南风 请注意，以上天气情况仅供参考，实际天气情况可能会有所不同。如需更多信息，请查询相关天气预报网站或应用。
（收集到城市信息，分支器分流到天气查询组件节点，查询到信息后，大模型总结回复用户，对话结束）

搭建过程：

步骤一：构建工作流Agent

1. 登陆百度智能云千帆AppBuilder平台。
2. 创建工作流Agent，填写应用配置的基本信息。

步骤二：搭建工作流

搭建工作流，依次选择节点，工作流如下：

一.意图识别

使用意图识别节点对用户初始输入进行意图区分，在本次配置中，共设置三种意图：a. 查询航班动态 b. 查询天气 c. 其他意图。不同的意图导入不同的分支。

二.分支一：查询天气

1. 使用信息收集节点询问并收集城市信息，节点配置如下：

2.通过分支器节点分流如下两种情况：

1）收集到城市信息：先通过天气查询组件查询天气。

然后通过大模型节点进行润色总结，再连接到结束节点进行输出。

2）没有收集到城市信息：通过全局跳转节点跳转到相应的意图、或基于知识库回复用户问题、或基于闲聊大模型回复用户问题，然后将话题拉回到原意图，继续询问收集所需的用户信息。

全局跳转节点的配置：

输入：query，string类型，默认会引用前序最近连接的信息收集节点的输出参数query，在本示例中，为飞行小助手询问用户城市后，用户的回复内容。下面会根据用户的回复内容进行意图跳转、知识库问答或者闲聊问答。

跳转方式： 全局跳转节点支持三种跳转执行方式，按照优先级会依次执行这三种方式：

a) 全局意图识别。可选择开启或者关闭。在本示例中，开启全局意图识别，会将输入的query识别匹配全局的意图，全局意图的范围是所有意图分类节点中勾选了『允许跳转』的意图，若匹配到意图，则执行该意图后的工作流分支。若没有匹配到意图，则按照优先级，执行知识库问答。

b) 知识库问答。可选择开启或者关闭。在本示例中，开启知识库问答，会将输入的query去知识库中找答案，知识库在『对话设置』中配置，若从知识库中找到答案，则回复用户，若没有从知识库中找到答案，则按照优先级，执行闲聊回复兜底。

c) 闲聊回复兜底。默认开启，闲聊大模型会针对输入的query进行回复，闲聊大模型是在『对话设置』中进行配置。

拉回配置：

可开启或关闭拉回，在本示例中，开启拉回，具体拉回流程如下：

a) 当前面跳转到意图之后，会在该意图分支进行到结束节点之后，拉回到该全局跳转节点前序连接最近的信息收集节点，再次询问并收集城市信息。

b) 当前面跳转到知识库问答，会在知识库回复之后，拉回到该全局跳转节点前序连接最近的信息收集节点，再次询问并收集城市信息。

c) 当前面跳转到闲聊回复兜底，会在闲聊回复之后，拉回到该全局跳转节点前序连接最近的信息收集节点，再次询问并收集城市信息。

可配置最大拉回次数，达到该次数后，不再进行拉回，会按照该全局跳转节点的连线向后运行。

可配置拉回话术，会在拉回时，先输出拉回话术。本次示例设定为：下面继续帮您查询天气。

高级配置：

可选择全局意图识别的大模型，配置该模型的多样性，默认开启对话历史。

三.分支二：查询航班动态

该分支的配置同上述查询天气的分支。

四.分支三：其他意图

该分支为兜底意图，当小助手开场白之后，用户的回复内容没有识别到查询天气和查询航班动态的意图，则进入该分支，用知识库回复用户。

1、Query多轮改写节点：

该节点的目的是根据历史对话改写用户本轮query, 进行语义指代及省略补全。后续将改写后的query输入知识库节点可改善检索效果。

2、知识库节点：

3、大模型节点（知识问答总结）

配置演示视频：