先把AI的速度给提升80%，全靠拆解了那个三级意图体系。医疗问答里为什么非得先问意图？因为它像闸门一样，管着合规的事儿。只要系统判定用户是想诊断、开药，还是处理急症，就直接给拦住了。这能把那些踩中高危词的问题直接挡在外面，连大模型都不让碰，避免乱说话。 这样一来，分类标签就不用人工一个个去贴了。系统一眼就能看出是症状科普、就医引导，还是用药禁忌。只要分对了类，答案才能对上号。特别是像“胎动少”这种词，是简单科普还是风险咨询，结果差得太多。没这层识别，全靠人工猜，效率肯定得腰斩。 把意图识别放在流程的C位才是对的。它不是放在后面的小插件，而是最前面的核心。把这个模块往前放，80%的简单问题就能提前筛掉。大模型只用啃剩下的那些硬骨头，成本自然就降下来了。 这套三级意图体系具体怎么搞？第一步是合规级拦截。建个关键词库，专门拦诊断、开药这类的话。只要用户一发问就比对，命中了就不让说话，直接转人工审核。 第二步是业务级分类。把常见的场景切成五大类切片，像症状科普、就医引导之类的。再往下细分到二级三级，形成一张知识地图。系统按语义匹配最细的切片，召回率能稳稳地在95%以上。 第三步是风险级判别。用Prompt和大模型微调给每个切片打分。同样的“胎动少”，科普类分值低风险类分值高。系统按分值来决定回答策略，热门的秒回，高危的秒转人工。 落地的时候分三步走。先把知识切成最小的单元并打上标签。然后用轻量级的语义匹配加上规则引擎做第一轮过滤，把90%的低风险问题挡在门外。最后再根据热度和反馈动态调整权重。 实测下来效果很好。80%的简单问题在进大模型前就被过滤了，整体速度提升80%。高危咨询拦截率也达到了98%，用户满意度反而提高了3个百分点。这个体系现在成了好多健康类AI产品的标配底座。