园区场景的用户输入高度口语化，渠道还混杂：微信里是打字，大屏前是语音转写。要在 100 毫秒内判断"这句话想干什么"，纯用大模型既慢又贵，纯规则又覆盖不住长尾。
不是二选一，而是五级瀑布
每一级都比上一级更贵、更准，能拦住的就不往下走：
-
L0 预处理：emoji 过滤、口语归一（「咋」→「怎么」），以及一份 Prompt 注入黑名单（8 类正则，覆盖「ignore previous instructions」、模板占位符这类常见攻击串）
-
L1 关键词（<50ms）：不是简单命中，而是按命中词的长度计分——「打开 A 栋监控」比「打开」更精确所以得分更高；再加语义前缀加分（「怎么/如何」指向知识库、「打开/查询」指向设备控制），以及否定短语降权（「不是想查」直接打对折）
-
L1.5 语义匹配（<100ms）：向量检索标准问句，用 TopK + Margin 双阈值——不仅要求最相似的 ≥0.85，还要求它比第二名高出 0.10。只卡绝对相似度的话，语义模糊时会把两个相近意图来回误判；加一道「领先幅度」就稳了。底层组件挂了会自动降级成内存扫描，不让一个依赖拖垮整条链路
-
L1.6 接口语义通道：把每个业务接口的名称、描述、参数结构预先向量化。运营在后台配好一个新接口，不用改一行代码就能被识别出来
-
L2 大模型兜底：动态 Few-Shot（从缓存读，可热更新）+ 动态接口列表注入 + 上一轮意图偏置
分层的意义不只是快，而是让每一层的问题都变得可解释：命中了哪一层、分是怎么算出来的，都能复盘。
让阈值被数据驱动
多层阈值最容易出的问题是「拍脑袋定完就没人敢动」。所以做了一个影子模式：每次分类同时记录关键词、向量、大模型三路的结果，连同用户的隐式反馈（触发澄清 = 一次负反馈）一起落库，离线对比三路准确率，再回来调阈值。
阈值不该是魔数，应该是可以被数据推翻的假设。
上下文不是简单「带上一轮」
多轮对话里，「那边呢」这种省略句要继承上一轮的意图；但继承得太激进，又会把话题锁死。最终只在「槽位不完整 + 当前输入被判定为参数补充」时才启用继承，并配套三件事：槽位锁定（已收集的实体不再重新分类）、待完成意图恢复、意图漂移检测（发现用户已经换话题就标记出来，交给澄清节点）。
另一层是抗退化：输入先过口语归一和注入黑名单，避免规则被两句话绕过去。