اگر امروز از الگوهای صلب Regex برای هدایت کاربران در نرم‌افزارهای خود استفاده می‌کنید، احتمالاً با شکست‌های مکرر در مواجهه با زبان طبیعی انسان دست‌وپنجه نرم می‌کنید. زمان آن رسیده که نقش سخت‌افزار و الگوهای ریاضی را با قدرت استدلال مدل‌های زبانی جایگزین کنید. روش‌های سنتی که بر تکیه بر الگوهای منظم (regex) و طبقه‌بندهای نظارت‌شده (supervised classifiers) برای نگاشت اهداف کاربر به اقدامات بودند، در حال تبدیل شدن به متدهای منسوخ هستند.
طبق گزارش منتشر شده در ۲۵ ژوئیه ۲۰۲۶ در وب‌سایت dev.to، مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — اکنون می‌توانند تشخیص پیچیده قصد کاربر (Intent Recognition) را از طریق طرح‌های خروجی ساختاریافته مدیریت کنند. این یعنی دیگر نیازی به بازآموزش (Retraining) مداوم مدل‌ها نیست.
طبقه‌بندی‌های سنتی معمولاً زمانی که کاربر درخواست خود را به‌صورت مبهم بیان می‌کند، از کار می‌افتند. همان‌طور که در تحلیل قبلی ما درباره‌ی استفاده از ابزارهایی مثل FFmpeg برای مدیریت متادیتای زمانی در LLMها اشاره کردیم، این چرخش به سمت تشخیص انعطاف‌پذیر قصد کاربر، به عامل‌های هوش مصنوعی (AI Agents) اجازه می‌دهد تا به‌جای تکیه بر تطبیق دقیق کلمات کلیدی، درباره‌ی ظرافت‌های زبان انسان استدلال کنند.
تعریف تاکسونومی قصد
برای ساخت یک طبقه‌بند آماده‌ی تولید، این راهنما استفاده از یک تاکسونومی (Taxonomy) متقاطع و جامع (mutually exclusive and collectively exhaustive) را توصیه می‌کند. این کار تضمین می‌کند هر ورودی کاربر جایگاه منطقی و مشخصی در سیستم داشته باشد و هیچ تداخلی بین دسته‌ها ایجاد نشود.
در یک ربات پشتیبانی، این یعنی تبدیل دسته‌های کلی مثل «مشکل حساب کاربری» به قصدهای عملیاتی‌تر مانند PASSWORD_RESET یا LOGIN_FAILURE. طبق این مستندات، قصدهایی مثل REFUND_REQUEST (درخواست استرداد وجه)، TECHNICAL_SUPPORT (پشتیبانی فنی)، BILLING_QUESTION (سؤالات صورت‌حساب) و OUT_OF_SCOPE (خارج از محدوده) باید تعریف شوند. توسعه‌دهندگان باید ۲ تا ۳ عبارت نمونه (canonical utterances) برای هر قصد بنویسند تا به‌عنوان یادگیری با نمونهٔ اندک (Few-shot Learning) در پرامپت قرار بگیرند و به مدل کمک کنند تا الگوهای هدف را بشناسد.
زیرساخت و انتخاب مدل
در بخش زیرساختی، Oxlo.ai به‌دلیل API سازگار با OpenAI و قیمت‌گذاری بر اساس درخواست، به‌عنوان یک تامین‌کننده مناسب معرفی شده است. این مدل قیمت‌گذاری برای گردش‌کارهای عامل‌محور با پنجرهٔ زمینه (Context Window) — مثل میز کاری که جا برای چند ورق دارد، نه برای کل کتابخانه — یا پردازش دسته‌ای هزاران گفتگو حیاتی است، زیرا در این مدل، هزینه‌ها صرف‌نظر از طول ورودی، به ازای هر فراخوانی ثابت می‌ماند. این رویکرد در واقع راهکاری برای کاهش هزینه‌های پردازش متون طولانی است که بهره‌وری اقتصادی سیستم‌های هوش مصنوعی را افزایش می‌دهد.
شرکت Oxlo.ai بیش از ۴۵ مدل در دسته‌های مختلف گفتگو (chat)، استدلال (reasoning) و کدنویسی (code) ارائه می‌دهد. توصیه‌های خاص عبارتند از:
- Qwen 3 32B: برای توانایی‌های استدلالی قدرتمند در زبان‌های مختلف و پشتیبانی چندزبانه.
- Llama 3.3 70B: به‌عنوان یک مدل همه‌کاره، قابل‌اعتماد و نیروی کار اصلی (workhorse) برای وظایف عمومی.
پیاده‌سازی فنی
پیاده‌سازی نیازمند یک پرامپت سیستمی (System Prompt) سخت‌گیرانه است تا مسیریابی قطعی (Deterministic Routing) تضمین شود. پرامپت باید دستورالعمل‌های اصلی را از نمونه‌ها جدا کند؛ به این صورت که از یک پیام سیستمی برای تعریف وظایف و محدودیت‌ها استفاده شود و سپس جفت‌های پیام کاربر و دستیار برای یادگیری با نمونه‌های اندک قرار گیرند.
الزامات کلیدی شامل موارد زیر است:
- حالت JSON: اجباری کردن طرحی (Schema) که یک برچسب قصد (
intent) از میان مقادیر مجاز، یک عدد اعشاری برای میزان اطمینان (confidence) بین ۰.۰ تا ۱.۰ و یک رشته کوتاه برای زنجیره تفکر (reasoning) — مثل وقتی شاگرد ریاضی پای تخته بلند بلند فکر می‌کند تا به جواب برسد — بازگرداند. - نمونه‌های Few-Shot: قرار دادن ۲ تا ۳ جفت عبارت استاندارد بلافاصله بعد از پیام سیستمی تا این نمونه‌ها در پنجره زمینه نزدیک به پرس‌وجوی نهایی باقی بمانند.
- کنترل دما (Temperature): تنظیم مقدار بین ۰.۰ و ۰.۲ برای حفظ ثبات، تضمین تکرارپذیری و جلوگیری از تغییرات غیرضروری در پاسخ‌ها.
مدیریت موارد استثنا
دقت سیستم به نحوه مدیریت شکست‌ها بستگی دارد. این راهنما منطق خاصی را برای سناریوهای رایج پیشنهاد می‌دهد:
- اطمینان پایین: اگر امتیاز اطمینان مدل کمتر از حد مشخصی باشد، سیستم نباید حدس بزند؛ بلکه باید کاربر را به اپراتور انسانی وصل کند یا سؤال اصلاحی بپرسد تا ابهام برطرف شود.
- چندین قصد: برای پیام‌هایی که شامل دو هدف هستند، طرح JSON باید به گونه‌ای گسترش یابد که لیستی از قصدها یا یک فیلد
secondary_intentرا برای ثبت همپوشانی اهداف بپذیرد.
این گذار، نقش توسعه‌دهنده را از آموزش طبقه‌بندها به طراحی تاکسونومی‌ها تغییر می‌دهد. با انتقال منطق از وزن‌های مدل (Weights) به طرح پرامپت (Prompt Schema)، تیم‌ها می‌توانند منطق تجاری را در چند ثانیه به‌روزرسانی کنند، نه چند روز.
برای یک کسب‌وکار، این یعنی کاهش موانع ورود به اتوماسیون پیشرفته‌ی خدمات مشتری. توانایی افزودن یک قصد جدید — مثلاً BILLING_QUESTION — بدون نیاز به تهیه یک مجموعه داده‌ی برچسب‌دار جدید، «بدهی فنی» (Technical Debt) رایج در خط‌لوله‌های NLP سنتی را حذف می‌کند.
گام بعدی شما
شما می‌توانید با پیاده‌سازی یک خط‌لوله JSON با دمای پایین با استفاده از SDK شرکت OpenAI و یک مدل استدلالی متوسط شروع کنید. در این مسیر، دقت کنید که چگونه این الگوها در گردش‌کارهای عامل‌محور ادغام می‌شوند، جایی که طبقه‌بند قصد، به‌عنوان مسیریاب اصلی برای استفاده از ابزار (Tool Use) عمل می‌کند.
اما این تنها بخشی از ماجراست؛ اثر این تغییر در کاهش هزینه استنتاج را در تحلیل بعدی ما درباره قیمت‌گذاری مدل‌های باز-وزن بررسی خواهیم کرد.
گفتگو