Hermes Agent 如何听懂你的话：意图识别与槽位填充两大机制讲明白-平芜编程栈

Hermes Agent 如何听懂你的话：意图识别与槽位填充两大机制讲明白

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

你给智能体发一句"提醒我明天下午三点开会"，它要么反复追问、要么干错事——差别就藏在自然语言理解这一环。Hermes Agent 把这件事拆成了「意图识别」和「槽位填充」两步。读完这篇，你能用大白话解释这两个机制各管什么，还能在本地把项目跑起来亲手验证。

一、它到底能帮你做什么

先不聊原理，看三个用得上它的瞬间。

场景 1：替你干活，而不是陪你聊天。你说"把昨晚群里讨论的要点整理成周报，发到我的文档目录"。它不用你一步步下命令，自己判断这是"汇总 + 写文件"的活儿，然后去做。

场景 2：定时任务，一句话就排上了。"每个工作日早上九点半提醒团队站会"——不用学 cron 表达式，不用填表单，一句人话，排程就成了。这是 Hermes Agent 内置调度器直接消费自然语言的结果。

场景 3：少问废话。它识别出你要干什么之后，只缺什么问什么。你要订会议室，它知道"订会议室"这件事需要时间、地点，缺哪个才问哪个，而不是从头盘问一遍。

一句话概括价值：你负责说人话，它负责翻译成可执行的指令。

二、两个核心概念，用大白话讲透

意图识别：让系统听懂「你想干嘛」

把它想成餐厅领位员。你进门说"我们想订包间"，领位员脑子里先打一个标签：这是预订，不是买单、不是点菜。意图识别干的就是这件事——先判断你到底想干嘛：查询信息、执行操作、还是设置提醒。

拿"提醒我明天下午三点开会"举例。系统在动手之前先给这句话分类：这不是闲聊，不是提问，意图是"设置提醒"。分类对了，后面走哪条处理流程才谈得上对。

槽位填充：把关键信息一个个「抠」出来

意图定了，就像拿到了对应那张表格，上面有一格一格的空位，这些空位就叫槽位：时间、地点、对象、事件。

还是那句话，"明天下午三点"填进"时间"这一格，"开会"填进"事件"这一格。如果某格是空的——你没说哪天开会——系统不会瞎猜，而是发起追问。追问得准，全靠前面意图识别定的那张"表格"长什么样。

三、它背后是怎么跑起来的

传统做法是维护一张关键词表，但口语变化太多，关键词表很快漏。Hermes Agent 走的是另一条路：把判断交给大模型，把工程细节交给代码。

拆开看是三层。第一层是"出题"：每轮对话前，系统会拼装一份提示词，告诉模型它是谁、手头有哪些技能、当前环境是什么，这个拼装逻辑集中在 agent/prompt_builder.py。第二层是"答题"：模型在这一轮里同时完成意图判断和关键信息提取，再决定调用哪个技能。第三层是"对账"：技能被触发后，代码要精确区分"用户真正说的那句话"和技能自带的说明文字，这个提取逻辑在 agent/skill_commands.py；至于模板里那些占位符怎么被真实参数替换，则发生在 agent/skill_preprocessing.py——这一步就是槽位填充在工程上的落点。

另外值得一提：拼装提示词时，系统会扫描工作区里的上下文文件并做注入内容的简单过滤，防止外部文本夹带指令，这也是意图识别"不被带偏"的一道保险。

四、真实场景怎么用

智能助手。你说"看看北京明天天气，写进我的待办清单最上面"。一个"查询"意图 + 一个"写文件"意图串起来，两个槽位：城市、文件位置。它做完再回你一句结果，而不是反问"你要我查哪个城市的天气"。

自动化工作流。团队协作里，"每晚十点把当天的报错汇总发给运维群"就是一句自然语言排下的定时任务。意图是"定时 + 汇总 + 推送"，槽位是时间、数据来源、目标群。缺槽位时它追问一句，补齐后无人值守地跑。

智能客服。用户进来说"我下单五天了还没发货，想退"。系统识别出复合诉求：物流查询在前、退款申请在后，"订单号"是必填槽位。用户没给订单号，它只问这一项，拿到后直接查单、给出进度和退款路径，而不是甩回一段菜单。

五、三分钟上手

克隆仓库：git clone https://gitcode.com/GitHub_Trending/he/hermes-agent
按仓库里的 README.zh-CN.md 配置环境，跟着快速安装部分走即可。
翻一遍 AGENTS.md，了解项目约定和目录结构。
启动后随便说一句带参数的话，比如"帮我把这个列表按字母排序，存到笔记里"，观察它如何先定意图、再抠出"列表、排序规则、保存位置"三个槽位——刚才讲的机制就完整走了一遍。