# 多意图识别 RAG 系统实现总结

## 概述

本次实现为 Agentic RAG 系统添加了多意图识别功能，支持两种主要意图类型的自动分类和路由：

1. **Standard_Regulation_RAG**: 标准法规查询
2. **User_Manual_RAG**: 用户手册查询

## 技术实现

### 1. 状态扩展

更新了 `AgentState` 和相关状态类，添加了 `intent` 字段：

```python
class AgentState(MessagesState):
    """Enhanced LangGraph state with session support and tool results"""
    session_id: str
    intent: Optional[Literal["Standard_Regulation_RAG", "User_Manual_RAG"]]
    tool_results: Annotated[List[Dict[str, Any]], lambda x, y: (x or []) + (y or [])]
    final_answer: str
    tool_rounds: int
    max_tool_rounds: int
```

### 2. 意图识别节点

实现了 `intent_recognition_node` 函数，使用 LLM 结合上下文进行智能意图分类：

```python
async def intent_recognition_node(state: AgentState, config: Optional[RunnableConfig] = None) -> Dict[str, Any]:
    """
    Intent recognition node that uses LLM to classify user queries into specific domains
    """
```

**关键特性**：
- 使用结构化输出确保分类准确性
- 结合对话历史上下文进行判断
- 支持中英文查询
- 出错时默认路由到 Standard_Regulation_RAG

### 3. 用户手册 RAG 节点

实现了专门的 `user_manual_rag_node`，处理用户手册相关查询：

```python
async def user_manual_rag_node(state: AgentState, config: Optional[RunnableConfig] = None) -> Dict[str, Any]:
    """
    User Manual RAG node that retrieves user manual content and generates responses
    """
```

**功能特点**：
- 直接调用 `retrieve_system_usermanual` 工具
- 支持流式响应生成
- 专业的用户手册回答模板
- 单轮对话处理（直接到 END）

### 4. 图结构重构

更新了 LangGraph 工作流，添加了意图路由：

```
START → intent_recognition → [intent_router] → {
    "Standard_Regulation_RAG": agent → tools → post_process → END
    "User_Manual_RAG": user_manual_rag → END
}
```

**新增组件**：
- `intent_recognition` 节点：入口意图识别
- `intent_router` 函数：基于意图结果的条件路由
- `user_manual_rag` 节点：专门处理用户手册查询

### 5. 工具组织优化

将用户手册工具分离到专门模块：
- `service/graph/tools.py`: 标准法规检索工具
- `service/graph/user_manual_tools.py`: 用户手册检索工具

## 意图分类逻辑

### Standard_Regulation_RAG
识别查询内容：
- 中国制造业标准、法规、规范
- 汽车行业标准、安全规范
- 技术规范、质量标准
- 法律法规、政策文件
- 例如：GB/T、ISO标准、行业规范等

### User_Manual_RAG
识别查询内容：
- 如何使用 CATOnline 系统
- 系统功能操作指导
- 用户界面使用方法
- 系统配置、设置相关问题
- 例如：搜索、登录、功能介绍等

## 测试验证

创建了完整的测试套件：

1. **意图识别测试** (`scripts/test_intent_recognition.py`)
   - 测试多种查询的意图分类准确性
   - 验证中英文查询支持
   - 测试用户手册 RAG 功能

2. **端到端工作流测试** (`scripts/test_multi_intent_workflow.py`)
   - 完整工作流验证
   - 多会话支持测试
   - 流式处理验证

## 测试结果

意图识别准确率：**100%**

测试用例全部通过：
- ✅ 汽车安全标准查询 → Standard_Regulation_RAG
- ✅ ISO 标准查询 → Standard_Regulation_RAG  
- ✅ CATOnline 搜索功能 → User_Manual_RAG
- ✅ 系统登录方法 → User_Manual_RAG
- ✅ 用户管理功能 → User_Manual_RAG

## 核心优势

1. **智能路由**: 基于 LLM 的上下文感知意图识别
2. **多轮对话支持**: 两种意图都保持完整的会话记忆
3. **模块化设计**: 清晰分离不同领域的工具和处理逻辑
4. **向后兼容**: 原有的标准法规查询功能完全保持
5. **实时流式**: 所有路径都支持流式响应
6. **错误容错**: 意图识别失败时的优雅降级

## 技术架构

```
┌─────────────────┐
│   User Query    │
└─────────┬───────┘
          │
   ┌──────▼──────┐
   │Intent       │
   │Recognition  │
   │(LLM-based)  │
   └──────┬──────┘
          │
    ┌─────▼─────┐
    │Intent     │
    │Router     │
    └─────┬─────┘
          │
    ┌─────▼─────┐
    │  Branch   │
    └─────┬─────┘
          │
     ┌────▼────┐
     │Standard │     │User Manual│
     │RAG Path │     │RAG Path   │
     │(Multi-  │     │(Single    │
     │round)   │     │round)     │
     └─────────┘     └───────────┘
```

## 配置要求

无需额外配置更改，使用现有的：
- LLM 配置（支持结构化输出）
- 检索 API 配置
- PostgreSQL 内存配置

## 部署说明

1. 确保 `user_manual_tools.py` 模块正确导入
2. 验证用户手册检索索引配置
3. 测试意图识别准确性
4. 监控两种路径的性能表现

## 未来扩展

1. **更多意图类型**: 可以轻松添加新的意图分类
2. **意图置信度**: 支持意图识别的置信度评分
3. **混合查询**: 支持单次查询包含多种意图
4. **个性化意图**: 基于用户历史的个性化意图识别

---

*实现时间: 2025-08-28*  
*技术栈: LangGraph v0.6+, LangChain, OpenAI API*