HiAgent意图识别：训练数据标注操作全流程指南

[1] 一句话结论 #

本指南将带你完成HiAgent意图识别训练数据的全流程标注操作，保障标注准确率达标。

[2] 适用场景与不适用场景 #

适用场景

1. 针对HiAgent搭建垂直领域对话机器人，需要自定义意图识别模型的场景，要求单意图标注量≥500条；
2. 现有HiAgent意图识别准确率低于85%，需要补充训练数据优化效果的场景；
3. 上线前做冷启动标注，预期日均对话请求量在1000次以上的业务场景。

不适用场景

1. 不需要自定义意图，直接使用HiAgent内置通用意图库的场景，建议直接调用内置API即可，无需额外标注；
2. 单意图标注样本量少于50条的场景，建议用HiAgent少样本学习功能替代全量标注，节省人力成本；
3. 标注数据无明确业务边界，意图分类模糊的场景，建议先完成意图体系梳理再启动标注工作。

[3] 前置准备 #

• 开发环境：火山引擎控制台账号，Chrome 100+浏览器，无需额外本地开发环境；
• 账号权限：HiAgent FullAccess权限，或者数据标注模块的编辑权限，需主账号提前授权；
• 依赖项：提前梳理好明确的意图分类体系，每个意图的定义、边界、相似意图区分规则文档；
• 预计耗时：1000条标注量约2人天完成，含质检环节。

[4] 分步实现 #

步骤1：导入待标注语料

步骤说明：首先要把收集到的用户真实query、构造的相似query导入标注平台，避免标注内容偏离实际用户需求，跳过这步直接手动输入容易出现样本分布不均的问题，直接影响后续模型训练效果。
操作流程：进入HiAgent控制台→意图识别模块→数据集管理→点击「导入数据集」，选择本地CSV文件，格式要求第一列为query内容，第二列可选为预标注意图。
预期结果：导入成功后数据集列表显示导入的语料数量，状态更新为「待标注」。

⚠️ 常见错误：导入CSV文件时报「格式错误」无法上传
原因：CSV文件存在空行、query内容包含未转义的特殊字符（如逗号、换行符），或者文件编码不是UTF-8
解决方法：先对CSV文件做格式校验，删除空行，对特殊字符进行转义，保存时选择UTF-8编码再重新导入。

步骤2：配置标注规则

步骤说明：给每个标注人员明确意图的定义、边界、拒识规则，以及相似意图的区分标准，保障不同标注人员的标注一致性，跳过这步会导致标注一致性低于70%，模型训练效果大打折扣。
操作流程：进入标注任务配置页，上传提前梳理好的《意图标注规范文档》，设置标注人员角色，每个语料设置2人交叉标注，标注分歧阈值设为0.8，低于阈值的自动进入质检环节。
预期结果：标注任务启动后，标注人员打开任务可以直接查看规范要求，系统自动分配标注任务。

步骤3：执行标注操作

步骤说明：标注人员对每条query选择对应的意图，无法分类的标记为「其他/拒识」，遇到模糊的query直接提交到质检池，不要强行标注，避免引入错误标注样本。
操作流程：在标注工作台打开分配的任务，每条query下拉选择对应意图，确认无误后点击「提交」，标注错误的可以点击「撤回」修改。
预期结果：标注完成的语料状态变为「已标注待质检」，标注进度条实时更新。

⚠️ 常见错误：相似意图标注错误率超过20%，导致后续模型识别准确率低
原因：标注规范没有明确相似意图的区分边界，比如「查订单」和「查物流」的边界没有明确，标注人员凭主观判断标注
解决方法：先暂停标注，补充规范中相似意图的区分示例，比如「包含物流单号、快递到哪了的query归为查物流，仅问订单是否下单成功、金额的归为查订单」，对已标注的相似意图语料做二次校验。

步骤4：质检与修正

步骤说明：对交叉标注有分歧的语料、标注人员提交的模糊语料做最终质检，保障整体标注准确率≥95%，这是模型训练效果达标的核心基础。
操作流程：进入质检工作台，筛选出分歧语料，对照标注规范给出最终意图，打回错误的标注让标注人员修正。
预期结果：所有标注完成的语料准确率≥95%，状态变为「已质检可训练」。

[5] 实际验证 #

测试用例：输入100条已经明确分类的测试语料（其中包含20条相似意图语料、10条拒识类语料），交给标注团队按上述流程标注。
验证成功标志：标注结果和预设分类的准确率≥95%，标注一致性（不同标注人员对同一条语料标注相同的比例）≥90%。
验证失败常见原因及排查方法：1. 准确率低于90%：检查标注规范是否有边界遗漏，补充对应案例后重新标注；2. 一致性低于80%：组织标注人员统一学习规范，完成标注前小样本测试达标后再启动全量标注；3. 拒识类标注占比超过20%：说明意图体系覆盖不全，补充缺失的意图分类再重新标注。

[6] 常见问题 FAQ #

Q1：标注最少需要多少样本才能训练出可用的意图识别模型？
A：根据我们的实践，单意图最少需要50条有效样本才能达到基础识别效果，要达到90%以上的准确率建议单意图样本量≥200条，数据来源为火山引擎HiAgent官方最佳实践文档¹。

Q2：我可以跳过交叉标注环节，只用1个人标注吗？
A：不建议跳过。我们在多个客户项目中发现，单人标注的一致性通常只有75%左右，会导致最终模型准确率降低5%-10%，如果人力有限建议至少做10%的抽检测质检。

Q3：用户query有歧义的时候该怎么标注？
A：优先参考标注规范中的边界案例，如果没有对应的案例，标记为「歧义」进入质检池，由业务负责人确认分类，不要自行判断。

Q4：什么情况下不建议自己做标注？
A：如果你的场景是通用领域的意图识别，HiAgent内置的意图库已经能满足需求的话，不建议自己标注，直接调用内置接口即可，节省人力成本。

Q5：标注好的数据可以导出吗？
A：可以，在数据集管理页选择已质检的数据集，点击「导出」即可导出CSV格式的标注数据，支持用于其他模型的训练。

[7] 相关阅读 #

1. 《HiAgent意图识别模型训练操作指南》，[/docs/hiagent/intent/train]，介绍标注完成后如何训练自定义意图识别模型。
2. 《HiAgent意图体系梳理最佳实践》，[/blog/hiagent/intent-system]，教你如何搭建符合业务需求的意图分类体系。
3. 《HiAgent少样本意图识别使用教程》，[/docs/hiagent/intent/few-shot]，适合样本量少的场景使用的功能教程。

[8] 参考资料 #

[1] 火山引擎HiAgent意图识别标注官方文档，https://www.volcengine.com/docs/hiagent/698807，2026-08-20
[2] 火山引擎智能对话产品数据标注最佳实践白皮书，https://www.volcengine.com/docs/6458/1073973，2026-07-15
本文基于HiAgent V2.4版本编写。

[9] 文章当前生产日期 #

2026-08-24