意圖分類訓練器，微服務的訓練導向
意圖識別 × 微服務 × 引導服務
打造智能意圖識別
讓聊天機器人引導用戶快速找到需要的服務方向
基於 BERT 的意圖分類系統，內建線上標籤分類與重新訓練功能， 用於引導用戶快速找到需要的服務方向。
觀看成果影片BERT
Google 預訓練模型
線上
即時重新訓練
多分類
意圖標籤系統
為什麼做這個專案？
微服務架構下的智能客服前端引導解決方案
身為一個微服務系統開發者，我想要在用戶進入聊天流程時，
透過智能意圖識別先做一層分類引導，
以便讓每個微服務能更精準地服務對應需求，大幅提升對話效率與用戶體驗。
✓
用戶輸入訊息後，系統能自動識別意圖分類，給予精準引導
✓
內部人員可線上歸類、標記標籤，即時調整分類資料集
✓
支援一鍵重新訓練，模型可持續優化，不須停機維護
解決的核心問題
傳統 LINE Bot 在處理複雜需求時常見的三大痛點
關鍵字比對太死板
傳統規則式機器人依賴精確關鍵字，用戶稍微換個說法就無法命中，體驗極差。
訓練資料難以維護
每次新增意圖或修正錯誤都要停機重新部署，維護成本高，回應速度慢。
微服務缺乏前置引導
用戶直接進入各微服務時，沒有統一的前期意圖識別層，導致流程混亂、跳轉頻繁。
系統截圖展示
涵蓋前端預測介面與內部人員線上標籤分類管理系統
意圖預測介面 — 輸入文字即時顯示分類結果
線上標籤管理 — 內部人員可直接歸類、觸發重新訓練
成果展示影片
實際操作演示：意圖識別預測 + 線上重新訓練流程
五步驟馬上上手
從資料蒐集到上線，完整的意圖分類建置流程
1
蒐集對話資料
整理真實用戶對話，歸納常見問題類型，建立初始意圖清單。
2
線上標籤分類
內部人員透過管理介面，對每筆對話文字標記對應的意圖標籤。
3
BERT 模型訓練
使用標記好的資料集，以 Google BERT 進行微調（Fine-tuning）訓練。
4
部署意圖預測 API
將訓練好的模型包裝成微服務 API，供 LINE Bot 呼叫進行即時預測。
5
持續優化迭代
針對預測錯誤的案例重新標記、補充資料，一鍵觸發重新訓練更新模型。
使用技術
整合多項 AI 與後端技術，打造完整的智能對話引導鏈路
Google BERT
預訓練語言模型，Fine-tuning 意圖分類
Python
模型訓練、API 服務開發核心語言
LINE Bot SDK
串接 LINE Messaging API 對話介面
微服務架構
意圖識別作為前置路由層獨立部署
線上標籤系統
內部人員即時歸類，無需停機維護
持續訓練
一鍵觸發重新訓練，模型迭代優化
留言
張貼留言