LinkAI 插件触发条件与知识库-插件执行策略配置

插件装上之后不是"自动就工作"——你还需要配置触发条件和执行策略，决定什么时候触发插件、插件和知识库谁先查。配置不当会导致"该触发的时候不触发、不该触发的时候乱触发"。

插件触发条件：两种模式

模式 1：意图识别（推荐）

默认方式，AI 根据用户提问的语义内容判断该不该触发某个插件。比如：

• "今天出门带伞吗？" → 意图识别到"天气查询"
• "帮我算算 2025 年的总营收增长率" → 意图识别到"计算器"或"数据库查询"

优点：灵活、能理解语义（"怎么退款"和"我想退这个商品"都能识别为退款相关）缺点：准确率依赖模型的意图识别能力，某些边界问题可能识别不准

模式 2：关键词匹配（备选）

为插件配置触发关键词，只要用户输入中包含关键词就触发：

• 天气查询插件：关键词 = 天气 气温 下雨 带伞
• 快递查询插件：关键词 = 快递 物流 运单 单号 SF

优点：精确可控，100% 按关键词触发缺点：不理解语义（"想知道明天要不要带伞"里没有"天气"关键词，可能漏触发）

实践建议

• 优先用意图识别，覆盖大部分常见场景
• 对关键插件（比如涉及计费的文生图、视频生成），可以加关键词做双保险——两种模式同时开启，任一命中即触发
• 可以同时配置前缀匹配、包含匹配、后缀匹配三种关键词匹配方式

知识库应用的插件执行策略

知识库应用里，用户的问题可能既需要检索知识库、又需要调用插件——怎么执行？LinkAI 提供三种策略：

策略 1：知识库优先

用户提问 → 先检索知识库
    ├─ 知识库有高置信度回答 → 用知识库回答，不触发插件
    └─ 知识库没命中 / 置信度低 → 再走插件意图识别

适合场景：知识库内容覆盖度高，大部分问题应该能从知识库里找到答案（比如成熟的企业知识库、产品手册）。

策略 2：插件优先

用户提问 → 先走插件意图识别
    ├─ 识别到插件 → 执行插件，知识库跳过
    └─ 没识别到插件 → 再检索知识库

适合场景：智能体主要功能是操作外部系统（比如数据查询、订单操作），知识库是辅助补充。

策略 3：知识库与插件同时执行

用户提问 → 同时：检索知识库 + 插件意图识别
    ↓
两边结果都返回给大模型 → 综合生成最终回答

适合场景：两者同等重要的场景——比如用户问"XX 产品今天的库存情况"，知识库能提供产品介绍，数据库插件能查实时库存，需要综合回答。

注意：同时执行会增加 token 消耗和响应延迟，但回答质量通常最好。

插件触发不准怎么办

症状：该触发的时候没触发

1. 检查触发模式——意图识别可能漏掉，可以加上关键词匹配做双保险
2. 优化插件描述——插件的描述文本直接影响意图识别效果。描述要具体（"查询快递物流信息，用户输入运单号时触发"比"查快递"好）
3. 查看执行过程日志——调试页面开启"展示思考过程"，看 AI 是怎么判断没触发的

症状：不该触发的时候乱触发

1. 加更严格的关键词——比如"天气"关键词太宽泛，改成"天气查询" "气温" "带伞"更精准
2. 用知识库优先策略——知识库命中时直接用知识库回答，跳过插件
3. 降低插件优先级——在应用插件配置里调整执行顺序

在工作流里的配置差异

工作流里的插件节点不走意图识别——工作流是预先定义好的固定流程，走到插件节点就一定执行。这和应用里的自动触发不同。工作流里配置插件只需要：

• 选择执行哪个插件
• 配置插件的输入参数（可以从上一步节点输出变量里取值）
• 配置插件失败时的降级处理

插件执行的白盒化

无论在应用还是工作流里，插件执行过程都可以设置为可见——在调试面板里看到：

• 当前选中了哪个插件（图标 + 名称）
• AI 选择这个插件的思考过程（为什么选它）
• 插件的输入参数和原始输出
• 最终大模型转成的自然语言

这个白盒化的好处是调试非常高效——一眼就能看出"是意图没识别对"还是"插件执行本身有问题"还是"大模型转译得不好"。