对话状态

对话管理的核心问题 单轮交互很简单：用户提问→模型回答。但Agent需要处理多轮对话——记住之前说了什么、理解隐含意图、在适当的时候追问、在不同话题间切换。对话管理就是解决这些问题。 对话管理的三种范式 范式一：状态机（任务导向） 传统任务型对话系统采用状态机： States: [GREETING, COLLECTING_INFO, CONFIRMING, EXECUTING, CLOSING] GREETING → "您好，请问需要什么帮助？" COLLECTING_INFO → "请告诉我您的出发地和目的地" CONFIRMING → "您要从北京到上海，对吗？" EXECUTING → [执行预订] CLOSING → "预订成功，还有其他需要吗？" 每个state有明确的必填槽位（slot）： slots: { origin: required, destination: required, date: required, passenger: optional } 优点： 流程清晰、可控性强、容易调试 缺点： 僵化、不自然、无法处理对话偏离 范式二：自由对话（开放域） LLM天然擅长自由对话——用户可以随时切换话题、提出任何问题。对话管理完全交给LLM的上下文理解能力。 优点： 自然、灵活、用户体验好 缺点： 不可控、可能偏离任务、难以保证任务完成 范式三：混合管理（推荐实践） 在实践中最有效的是混合方案——LLM负责对话自然性，系统负责状态追踪： 用户: "帮我订明天去上海的票" → 系统状态追踪: {intent: "订票", date: "明天", destination: "上海", origin: null} → origin缺失，需要追问 → LLM自然回复: "好的，去上海！请问您从哪里出发呢？" 用户: "从北京，高铁还是飞机？" → 系统更新: {origin: "北京"} → 需要决策: 交通方式 → LLM: "从北京到上海，高铁约4.5小时，飞机约2小时。您倾向哪种？" 对话状态追踪 状态表示 class DialogState: # 用户意图 intent: str # "book_ticket", "qa", "chitchat" # 已知信息（槽位） slots: dict # {"origin": "北京", "destination": "上海"} # 对话历史摘要 summary: str # "用户要订北京到上海的高铁票" # 缺失信息 missing_slots: list # ["date", "passenger_name"] # 上下文 topic: str # 当前话题 topic_history: list # 话题切换历史 状态更新 每次用户输入后更新状态： ...