DialogFlow CX能否识别长回复多意图并逐一跟进追问，如何实现？

该需求完全可以在Dialogflow CX中落地实现，核心依托CX原生的多意图检测能力、会话参数存储、路由规则配置三个核心功能即可完成全部逻辑开发，不需要额外对接第三方服务。

• 第一步：基础意图与多意图开关配置
  先定义所有需要识别的细分意图，比如告知最高学历、告知毕业院校、告知家庭常住地、告知家庭成员情况等，每个意图补充足够的训练语料，包含单独表述和混合表述两种场景的语料，比如“我2019年毕业于复旦大学，老家在成都”可以同时标注给告知毕业院校和告知家庭常住地两个意图，提升混合场景下的识别准确率。
  完成意图创建后进入Agent设置页，找到多意图检测选项开启功能，默认支持单轮用户输入最多识别5个独立意图，可根据自身需求调整识别上限。
• 第二步：配置长回复引导节点
  在对应流程的起始节点配置引导回复，比如“请你说明下你的教育经历、家庭基本情况等信息，我们会为你匹配对应服务”，将该节点的默认下一跳跳转至专门的多意图处理页面。
• 第三步：配置多意图匹配与参数存储逻辑
  在多意图处理页的路由规则中，添加所有你已配置的目标意图的匹配规则，勾选「允许匹配多个意图」选项。同时配置会话参数：创建一个列表类型的会话参数pending_intents，每匹配到一个有效意图，就将该意图ID、对应提取的实体参数追加存入pending_intents列表中。
• 第四步：配置逐个跟进的循环路由
  完成意图存储后新增一条路由判断规则，判断pending_intents列表的长度：
  • 若列表不为空：取出列表的首个元素，同时删除列表中该元素，根据意图类型跳转至对应跟进问题的回复节点，比如识别到用户未说明家庭收入情况，就推送家庭收入相关的提问
  • 若列表为空：直接跳转至信息收集完成后的后续业务流程
    每次用户回复跟进问题后，重复执行第三步的意图识别、参数更新逻辑，直到所有待处理的意图全部覆盖即可。

• 若存在相似度较高的意图，可给每个意图绑定专属的标注实体作为辅助判断依据，降低误识别概率
• 多意图检测的置信度阈值可在Agent设置中手动调整，阈值越高识别出的意图数量越少但准确率越高，建议测试阶段先调整到0.7~0.8的区间适配大部分场景

内容的提问来源于stack exchange，提问作者WynC