意图识别与槽位填充：听懂一句话里的目的和参数

一句话定义：意图识别（Intent Detection）是判断用户这句话「想干什么」，槽位填充（Slot Filling）是把这句话里的关键信息「抽出来填进表格」。

比如用户说：「帮我订一张明天上午从北京去上海的高铁票」。

意图识别给出的答案是「订票」；槽位填充给出的答案是：出发地=北京、目的地=上海、时间=明天上午、交通方式=高铁。一个管目的，一个管参数，合起来才构成机器能执行的一条指令。

打个生活化的比方：你去餐厅点餐，服务员要做两件事。第一，听出你是要「点菜」而不是「买单」或「投诉」——这是意图识别；第二，记下「一份宫保鸡丁、不要花生、微辣」——这是槽位填充。只做第一件事，后厨不知道炒什么；只做第二件事，服务员可能把你的抱怨当成了订单。两个都做对，订单才能下到厨房。

和相邻概念的区别

槽位填充和命名实体识别最容易混。命名实体识别只关心「北京」是个地名，不关心它在句子里承担什么角色；槽位填充关心的是「北京」在这里是出发地。同一句「从北京去上海」和「从上海去北京」，「北京」都是地名，但槽位值完全不同。

另一个常见概念是「填槽式对话」。一轮没抽全所有槽位时，系统会追问缺失的部分——用户只说「订张票」，系统接着问「从哪里出发」。这个追问动作叫槽位澄清，是任务型对话系统（Task-oriented Dialogue System）的标配。

对从业者和普通人的意义

对从业者来说，这套技术是任务型对话、智能客服、语音助手、工单自动分派的底座。落地时的难点通常不在模型本身，而在三件事：槽位体系怎么设计（粒度太粗不够用，太细标注成本高）、用户表达不规范（「明早」「后天下午三点左右」怎么归一化）、以及多意图混杂（一句话里既要查余额又要转账）。标注数据质量和槽位边界定义，往往比换一个更大的模型更影响效果。

对普通人来说，理解这套机制能让你更高效地使用智能助手：把目的说清楚，把参数一并给全，AI 就少问你三轮。反过来，当助手答非所问时，你也大致能判断是「意图认错了」还是「参数漏了」——这两种情况，补救的说法是不一样的。

具体产品的支持范围与能力边界，以官方页面为准。