需通过意图预判节点（LLM分类器）输出置信度与主意图，设阈值0.82；≥则走规则引擎（关键词+正则双校验、API状态校验），＜则进RAG增强生成（知识库过滤、提示词约束、上下文压缩），并统一维护session_state实现状态同步。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在扣子平台中实现规则引擎与大模型能力的协同调度，必须绕过单一模型依赖，让确定性逻辑和泛化推理各司其职——比如用户问“冻结账户”，走规则校验；问“上次冻结后我还能登录吗”，则交由大模型结合知识库作语义推演。
定义混合调度触发边界
第一步：在工作流编辑器中新建一个「意图预判」节点，类型选「LLM分类器」，输入字段设为用户原始消息文本。
第二步：配置该节点输出两个关键字段：【intent_confidence】（置信度）和【primary_intent】（主意图），阈值设为0.82——低于此值即判定为模糊意图，需转入大模型深度处理。
第三步：添加条件分支节点，设置判断逻辑：若 intent_confidence ≥ 0.82 → 走规则引擎分支；否则 → 跳转至「RAG增强生成」节点。这一步不能跳过，否则规则和模型会互相覆盖输出。
规则引擎侧：高频确定性任务快速响应
方法一：用「关键词+正则」双校验构建轻量规则集
在规则引擎模块中，为“密码重置”意图配置两条并行规则：① 匹配“重置密码|改密|忘记密码”等关键词；② 同时校验消息中是否含11位手机号或邮箱格式字符串。两者同时命中才触发流程。
方法二：接入外部API做实时状态校验
在规则命中后、执行动作前，插入一个「HTTP请求」节点，调用内部鉴权服务接口 /auth/status?uid={{user_id}}，仅当返回 status=“active” 时才允许进入下一步。这能避免规则误触已注销账户的重置流程。
大模型侧：模糊意图的语义理解与上下文补全
第一步：配置RAG增强节点，知识库源选择「FAQ向量库+工单历史摘要表」，相似度检索top_k设为3，但强制过滤掉创建时间早于90天的条目——老数据容易误导当前业务逻辑。
第二步：设计提示词模板，在系统指令中明确写入：“你只能基于以下检索结果回答，禁止编造未提及的流程步骤；若检索结果为空，回复‘我需要更多上下文，请说明具体场景’。”
第三步：启用「上下文窗口压缩」开关，将对话历史按角色分段后，仅保留最近2轮用户提问+1轮机器人回复参与本次生成——否则长对话会导致大模型忽略最新意图。
联合状态同步：确保规则与模型共享同一上下文
在工作流全局变量中声明一个名为 session_state 的JSON对象，初始值为 {"stage": "init", "pending_action": null, "last_rule_hit": ""}。
每次规则引擎触发操作时，自动更新 session_state.last_rule_hit = “reset_password”；每次大模型生成回复后，检查其输出中是否含 action_tag 字段（如{“action_tag”: “escalate_to_human”}），若有则同步写入 session_state.pending_action。
后续所有节点都可读取 session_state.stage 来判断当前处于开户引导、投诉受理还是人工转接阶段，【这个变量必须在所有分支节点中显式传递，不可依赖默认继承】。
