问题分类
1 定义
通过定义分类描述，问题分类器能够根据用户输入推理与之相匹配的分类并输出分类结果。
2 场景
常见的使用情景包括客服对话意图分类、产品评价分类、邮件批量分类等。
在一个典型的产品客服问答场景中，问题分类器可以作为知识库检索的前置步骤，对用户输入问题意图进行分类处理，分类后导向下游不同的知识库查询相关的内容，以精确回复用户的问题。
下图为产品客服场景的示例工作流模板：
在该场景中我们设置了 3 个分类标签/描述：
分类 1 ：与售后相关的问题
分类 2：与产品操作使用相关的问题
分类 3 ：其他问题
当用户输入不同的问题时，问题分类器会根据已设置的分类标签/描述自动完成分类：
“iPhone 14 如何设置通讯录联系人？” —> “与产品操作使用相关的问题”
“保修期限是多久？” —> “与售后相关的问题”
“今天天气怎么样？” —> “其他问题”
3 如何配置
配置步骤：
选择输入变量，指用于分类的输入内容，客服问答场景下一般为用户输入的问题
sys.query;选择推理模型，问题分类器基于大语言模型的自然语言分类和推理能力，选择合适的模型将有助于提升分类效果；
编写分类标签/描述，你可以手动添加多个分类，通过编写分类的关键词或者描述语句，让大语言模型更好的理解分类依据。
选择分类对应的下游节点，问题分类节点完成分类之后，可以根据分类与下游节点的关系选择后续的流程路径。
高级设置：
指令：你可以在 高级设置-指令 里补充附加指令，比如更丰富的分类依据，以增强问题分类器的分类能力。
记忆：开启记忆后问题分类器的每次输入将包含对话中的聊天历史，以帮助 LLM 理解上文，提高对话交互中的问题理解能力。
记忆窗口：记忆窗口关闭时，系统会根据模型上下文窗口动态过滤聊天历史的传递数量；打开时用户可以精确控制聊天历史的传递数量（对数）。
输出变量：
class_name
即分类之后输出的分类名。你可以在下游节点需要时使用分类结果变量。
Last updated
