AI行业最近被一个名为Jev的模型带动，它是由TypeSafe AI推出的“系统一模型”。这个模型验证了一种之前被忽视的观点：对于高频且低延迟的意图理解任务，使用千亿参数的大型模型并不是唯一选择，专用模型同样能够快速而准确地完成任务。由此，AI Agent中决策层和生成层的分离问题引起了广泛关注。然而，Jev也引发了一个新问题：在识别出用户的意图后，谁来负责具体的操作指令？例如，用户可能会指示“将展厅东侧的灯光调到80%、色温4000K，西侧调到30%、2700K，入口灯保持不变”。虽然系统能够识别出“调节灯光”，但这仅仅是任务的第一步。系统还需要弄清楚具体的灯具与其亮度、色温之间的对应关系，以及哪盏灯是需要保持不动的。在实际的AI Agent应用中，这类指令是非常普遍的。判断准确只是基础，能否将用户的自然语言精准转化为结构化参数，以及清晰地识别哪些操作需要执行、哪些要保留不动，是意图理解能力真正的考验。

10月19日，中电信人工智能科技有限公司的星辰通用人工智能实验室推出了Xing4.0-29B-Intent开源模型，旨在填补这一能力的空白。它将意图理解扩展为“选择题与填空题”的结合形式，同时开源了模型、训练数据和推理SDK。我们对其接口进行了实测，围绕智能空间、智能座舱、办公协同和个人助手等实际场景，进行了11组测试，以观察模型在处理更复杂指令时的意图识别和参数提取能力。

了解Jev的操作方式，我们会发现其提供了三种决策原语：布尔判断（Noul）、选择分类（Choice）和分数评估（Score）。Noul返回“是/否”的判定，给出0到1的概率；Choice则从多个选项中选择最适合的；而Score在规定范围内给出评分。这三种原语可以并行处理，延迟低至70毫秒。这种设计的优点在于能够迅速完成预设范围内的判断，但由于受到候选选项的限制，它们无法直接应对实际业务中复杂的、开放的参数抽取需求。例如，若用户说“把卧室的灯调到30%，客厅调到70%”，模型就需要识别卧室与客厅，并将各自的亮度参数准确匹配。如果指令涉及到工单如“将TK-2048转给陈知远，优先级设为高，TK-2051保持原样”，模型还需要理解这两个工单涉及的不同处理要求。这些任务不仅仅关乎意图分类，还涉及信息抽取、实体关联以及对上下文的深刻理解。由于用户的自然语言表达往往较为复杂，后面的参数也会愈加多样。

而Xing4.0-29B-Intent则将意图分类与参数抽取结合在同一模型中，既能够判断输入的意图，又能够提取其中的实体、数值和其他相关属性，并通过统一的JSON结构返回。这意味着，当遇到包含多项指令的自然语言输入时，模型能够同时输出意图类别和对应参数，减少业务系统解析原始文本的工作量。以展厅灯光的例子为例，当用户要求将东侧灯调至80%、色温4000K，将西侧灯调至30%、2700K，且入口灯不动，同时调节大厅背景音乐音量到15%时，模型能一次性返回两类意图，其中“调节灯光”对应两个参数对象，分别包括东侧和西侧的亮度和色温；而“调节音量”提取了大厅和15%的参数。由于指令中指出入口灯需要保持不变，模型未将其列入需要调节的设备。

这一结果的价值在于准确保留了用户指令中的对象和相关属性，并正确处理了部分设备保持不动的要求。这种情境在智能家居中非常常见，而当多个对象、不同数值和保留要求并存时，模型就需要更细致的语义理解能力。对于AI Agent来说，判断意图决定了任务的方向，而参数抽取则保证了后续操作能够准确对应用户的需求，这也是Xing4.0-29B-Intent的核心优势所在。