AI Agent如何解决用户歧义问题

解决用户表达歧义是衡量一个AI Agent是否智能的关键指标，也是从“玩具”走向“工具”的必经之路。

AI Agent 无法像人类一样依靠“直觉”或“常识”来消除歧义，因此必须通过一整套系统性的、多层次的技术策略来应对。其核心思想是：不依赖单次猜测，而是通过“感知-推理-确认”的闭环来主动逼近用户真实意图。

以下是解决该问题的多层次方案：

---

一、 第一道防线：深度感知与上下文理解（被动澄清）

在无需打断用户的情况下，尽可能利用现有信息消除歧义。

1. 利用对话上下文（对话状态追踪）

   • 指代消解： 维护一个对话状态机，记录当前对话中提到的实体和话题。

   • 示例：

     • 用户：“我想订一张去北京的机票。” -> Agent展示航班列表。

     • 用户：“哪个更便宜？” -> Agent能理解“哪个”指代的是上一步中的航班选项。

   • 技术： 在每次对话中，将整个对话历史（或其向量化表示）作为上下文提供给LLM。

2. 利用用户画像与历史行为（长期记忆）

   • 个性化消歧： 从用户的长期记忆中获取偏好和历史行为。

   • 示例：

     • 用户说：“播放那首歌。”

     • Agent会查询该用户最常播放的歌曲列表或最后一次播放的歌曲，而不是随机播放一首。