多轮对话意图识别：上下文、槽位与对话状态如何协同

用户只回复一个“1”，系统应该查订单，还是选择房型？用户说“改成明天”，是在修改一个尚未提交的预订，还是修改已经存在的订单？

这些问题没有脱离上下文的固定答案。多轮意图识别需要结合当前任务理解输入，判断哪些信息继续保留、哪些需要修改或已经失效。

本文使用酒店助手，演示短回复、指代、槽位修改、任务切换和恢复。配套工程将“解释输入”和“更新状态”分开，便于复现错误。下载完整语料与 Python 工程，解压后使用 Python 3.10+ 即可运行离线示例。

一、区分意图与对话任务

用户说“想订北京的酒店”，建立了预订目标；接着说“2026-10-01 入住”，是在补参数；再说“不要大床房，换双床房”，是在修改参数。这三轮可以共用 book_room 意图，但对状态的影响不同。

反过来，同一个意图也可能对应新任务。用户说“另外订一间上海的房”，仍然属于 book_room，却不能把北京任务的城市覆盖成上海。

因此，仅保存 last_intent 不够。至少还要判断本轮是在新建、继续、切换、恢复还是放弃任务，并保留更新发生在哪个任务上的依据。

二、设计对话状态

附件使用以下教学结构：

{
  "version": 0,
  "active": {
    "intent": "book_room",
    "slots": {
      "city": "北京"
    }
  },
  "suspended": [],
  "pending": {
    "kind": "slot",
    "slot": "check_in"
  }
}

active 表示当前任务，slots 保存该任务已经确定的参数。suspended 保存临时挂起的任务。pending 记录系统当前在等待什么，version 则帮助发现基于旧状态计算出的结果。

这个结构保存对话任务和参数，执行结果需要单独记录。生产系统还应单独保存任务 ID、完成状态、参数来源、工具结果、确认记录和过期时间。附件是单进程内存教学实现，尚未包含这些持久化能力。

为什么要保存 pending？因为“嗯”通常是在回答某个问题。如果不知道上一问是什么，就无法确定它确认了哪个参数，甚至无法确定它是不是有效回答。

三、结合上下文理解短回复

数字选项

系统问“1 大床房，2 双床房”时，待选项可以记录为：

{
  "kind": "choice",
  "options": {
    "1": {"room_type": "大床房"},
    "2": {"room_type": "双床房"}
  }
}

用户回复“1”，表示选择大床房。系统问“1 DEMO-A，2 DEMO-B”时，相同数字则选择订单。数字来自某一轮具体选项，不是全局命令。

还要检查选项是否仍有效。用户中途换了话题或页面刷新后，旧选项可能已经过期。实际服务可以使用选项消息 ID 与状态版本绑定，防止迟到回复作用于新问题。附件通过状态字段演示如何解释选项，尚未实现消息过期和选项生命周期。

确认回复与参数补充

如果系统问“入住日期是 2026-10-01，对吗”，用户回复“嗯”，可以确认该候选值。如果系统问“你想哪天入住”，同样的“嗯”没有提供日期，应继续追问。

这说明需要区分确认问题与开放式补槽问题。识别到肯定词后，仍需根据上一轮问题判断用户确认了什么。尤其是参数确认、价格确认和实际操作授权，各自需要明确的业务语境。

业务范围外的称呼偏好

“以后叫我大英雄”表达称呼偏好。如果系统具备用户偏好模块，可以路由过去；如果当前识别器只有酒店业务标签，应走范围外分支。这不应覆盖正在进行的酒店任务，也不应该因为找不到合适类别就随意选择一个标签。

四、槽位的修改、清除与保留

假设当前状态是：

{"city": "北京", "check_in": "2026-10-01", "room_type": "大床房"}

三个用户输入分别带来不同更新：

本版用明确的补丁表达：

{"task_index": 0, "key": "check_in", "op": "clear", "value": null}

如果直接让模型每次输出完整槽位字典，再用新字典覆盖旧字典，就容易丢失当前轮没提到的信息。反过来，只做 dict.update 又无法区分真正删除与未知值。

补丁同样要校验。同一个槽位在一次输出中既 set 又 clear，应拒绝冲突结果。修改入住日期后，还要重新检查退房日期是否晚于入住；通过了意图与槽位校验，不等于通过日期业务校验。

五、任务切换与恢复

考虑这段对话：

附件保留挂起任务，便于展示隔离与恢复。真正服务需要把已经回答完的政策任务标记完成并清理，不能让任务栈无限增长。

恢复也不能只取“最近一个标签”。如果挂起列表里有北京和上海两个预订，“继续刚才那个”未必有唯一解释。应该结合可用上下文确认任务，无法唯一确定时追问。实际系统应使用稳定的任务 ID 区分不同任务，不能只用意图标签作为标识。

六、实现状态更新

完整识别契约在大模型意图识别实战中说明。下面直接构造解释结果，验证状态机的行为。这些结果是教学标注，不是模型预测。

把代码保存到解压后的工程根目录运行，或在该目录的 Python 交互环境中执行：

from core import empty_state, reduce_state


def event(intent, action, changes):
    return {
        "status": "known",
        "intents": [intent],
        "slot_updates": [
            {"task_index": 0, "key": key, "op": "set", "value": value}
            for key, value in changes.items()
        ],
        "conditions": [],
        "relation": "none",
        "dialogue_action": action,
        "clarification": None,
        "evidence": [],
    }


state = empty_state()
steps = [
    event("book_room", "new", {"city": "北京"}),
    event("book_room", "continue", {"check_in": "2026-10-01"}),
    event("policy_query", "switch", {"topic": "退房时间"}),
    event("book_room", "resume", {}),
]
for step in steps:
    state, decision = reduce_state(state, step, state["version"])
    print(state["version"], state["active"], decision)

执行后，状态版本从 1 增长到 4。最后恢复的任务仍包含：

{"intent": "book_room", "slots": {"city": "北京", "check_in": "2026-10-01"}}

由于还缺退房日期，下一步仍是 ask_slot。政策查询的 topic 没有混进预订参数，切换话题时，城市与入住日期也得到了保留。

附件的 reducer 大致按以下顺序工作：先校验输出和状态版本；不确定输入保持任务状态；多意图或条件请求转交规划器；单任务再根据动作新建、继续或恢复；最后应用槽位补丁并计算缺失参数。

它返回 ready_for_business_validation 而不是“执行成功”。必填槽位是否存在只是一个初步判断；类型、日期范围、库存、身份和授权仍需要业务层检查。

七、用版本检查处理状态冲突

假设两个请求都读取了版本 10。用户先补入住日期，随后修改城市。如果较慢的旧识别结果最后写回，直接覆盖可能把新城市或新状态丢掉。

附件要求调用者传入 expected_version，不匹配就抛出错误。这演示了乐观并发检查，但内存中的检查不是数据库级并发控制。

实际持久化时，需要在同一次原子写入中比较版本，例如只有 version=10 时才能更新为 11；若影响行数为零，则重新读取状态并决定如何处理。还需要按消息或事件 ID 去重，以免重试造成重复状态变化。识别结果可以重新计算，已经发生的写操作则必须遵守业务幂等规则。

对历史和当前意图进行分数加权，无法处理消息先后顺序，也无法防止旧结果覆盖新状态。状态冲突仍需版本检查和原子更新。

八、历史消息、状态与摘要的分工

它们的作用互补。已经保存在状态中的城市可以直接读取，无需每轮重新从历史消息中提取；刚显示的选项则不能只保留“助手提供了几个房型”这种摘要。

上下文压缩之后，应专门测试否定、条件和已取消任务有没有被保留。可以将相同案例分别送入完整历史与压缩历史链路，观察状态更新是否一致，再定位摘要引入的错误。

多轮状态是成熟的研究任务。MultiWOZ 和中文 RiSAWOZ 可以帮助理解多领域对话及状态标注；本文使用简化的教学结构，与这些数据集的原始标注格式不同。MultiWOZ、RiSAWOZ

九、设计回归测试

测试不应只验证正常补槽。下面这些案例直接影响任务是否走错：

• 同样的“1”在两个选项上下文中更新不同槽位。
• “嗯”确认候选日期，但不能凭空回答开放式日期问题。
• “日期先不定”应删除旧日期。
• 切到订单查询后不携带预订任务的城市和房型。
• 恢复任务时保留原槽位，多个候选时先澄清。
• 新建同类任务时不覆盖旧任务。
• 放弃未提交预订不触发取消真实订单。
• 带条件的取消请求不被单任务更新器自动执行。
• 旧版本结果不能修改新版本状态。

配套工程的 28 个离线测试覆盖其中的状态更新与契约检查。短回复的语义判断则通过语料提供期望结果，尚未用真实模型进行识别效果测试。状态更新测试与模型识别评测需要分别记录。

十、运行示例与扩展功能

python3 cli.py replay --id hotel-031
python3 cli.py replay --id hotel-035
python3 cli.py replay --id hotel-038
python3 cli.py replay --id hotel-041
python3 -m unittest discover -s tests -v

它们依次展示选房型、开放式问题下的“嗯”、恢复预订，以及恢复目标不明确时保持状态。回放使用标注，默认不产生网络请求或费用。

第一版实现了输出校验、单任务状态更新、挂起恢复和版本检查的教学逻辑。选择题生成、任务完成清理、真实存储、日期归一化、权限以及工具执行尚未实现；多意图与条件任务保留结构后交给规划器。路由与完整助手文章已继续实现本地持久化、选项衔接、确认和模拟工具，可沿文末链接运行。

多轮意图识别需要把每轮输入对应到正确的任务和参数。系统应保存必要上下文，按明确规则更新状态；无法确定用户含义时，先追问，再继续处理。

相关内容：意图识别总览、48 条复杂意图语料、大模型结构化识别。

延伸阅读：标签、方法与决策

• 意图标签怎么设计：分类粒度、槽位边界与多级意图体系。
• 意图识别模型怎么选：规则、TF-IDF、向量检索与小模型基线。
• 一句话多个意图怎么办：多标签识别、条件与任务依赖。
• 意图不明确时怎么办：未知意图识别、拒识与澄清追问。

进阶阅读

• 意图识别服务上线：延迟、成本、监控与错误闭环。
• 从零实现一个多轮意图识别助手：语料、状态、路由与评测。