阶段 2 实践 — 国际机票需求抽取 Schema

阶段 2 实践 — 国际机票需求抽取 Schema

本实践的产出 ⭐ 最小产出：为国际机票需求抽取任务设计一套结构化输出 Schema 完整产出：Schema + 自由文本对照实验 + 流式事件记录 + Fallback 策略表

预计投入：5～7 小时。这套 Schema 在阶段 5（工具契约）和阶段 10（评测集）会被直接复用，值得做扎实。

实践 1 · 需求抽取 Schema（⭐ 必做）

任务定义：输入一段用户自然语言（对话或单句），输出一个可直接驱动查询的结构化订票意图。

第一步：先写"不做什么"

在写字段之前，先明确边界——这一步比字段设计重要：

• 抽取器不做业务校验（城市是否通航、日期是否可售）——那是下游的事
• 抽取器不做推断补全（用户没说舱位就不要默认经济舱），而是标记为未提供
• 抽取器不做多意图拆分（"先查东京再看首尔"应当整体标记为多意图，交给上层处理）

写清楚这三条，能挡掉后面 80% 的字段膨胀。

第二步：字段设计

建议的骨架（按需增删，重点是每个字段都要能说出为什么需要）：

intent          枚举: search | change | refund | baggage | other | multi_intent
trip_type       枚举: one_way | round_trip | multi_city | unknown
segments[]      每段: origin / destination / depart_date / depart_time_pref
  origin        城市或机场（三字码 + 原文），unknown 允许
  destination   同上
  depart_date   ISO 日期；相对表达（"下周三"）需给出 raw 与解析结果两个字段
  time_pref     枚举: morning | afternoon | evening | redeye | any | unknown
passengers      adult / child / infant 各一个整数，未提供为 null 而非 0
cabin_pref      枚举: economy | premium_economy | business | first | unknown
constraints[]   自由但受控的约束列表: direct_only / specific_airline / budget_max / ...
confidence      0-1，模型对本次抽取整体把握
missing_fields[] 明确列出"用户没说、但下单必需"的字段
raw_quotes{}    每个关键字段对应的原文片段（可溯源）

第三步：三条硬要求

验收标准

• 用 20 段真实风格的中文输入测试，其中至少包含：省略主语的、含相对日期的、多意图的、信息不全的、含口语数量词（"我们仨"）的
• 每个字段都能回答"下游谁用它"
• missing_fields 的准确率单独统计——它决定了 Agent 会不会该追问时不追问

存放：ai-output/temporary/data/ 放测试集与结果，Schema 定稿后可放本目录或产品文档。

实践 2 · 自由文本 vs 结构化输出对照

问题：同一个抽取任务，让模型"自由回答"再解析 vs 直接结构化输出，差距有多大？

做法：同一批 20 条输入，跑两种方式各 3 次：

记录：

要看到的现象：

• B 的解析成功率接近 100%，但字段级准确率不一定更高——结构化解决的是"格式"，不是"理解"
• B 的可诊断性明显更好

验收：能用一句话说清"结构化输出解决了什么、没解决什么"。

实践 3 · 记录一次完整的流式事件序列

做法：

1. 挑一个会触发工具调用的请求（如果暂时没有工具，可用一个假的 search_flights 定义）
2. 打开流式，把每一个事件原样落盘（不要只记文本增量）
3. 标注出：思考开始/结束、文本开始、工具调用意图出现、参数拼完、停止原因、usage

产出：一份带注释的事件序列文档（可直接用讲义第三节的图作为模板对照）。

要回答的三个问题：

• 从哪个事件开始，能确定"模型决定调工具了"？
• 工具参数从开始出现到拼完，中间经过多少个 delta？这段时间 UI 该显示什么？
• stop_reason 一共出现过哪几种？每一种对应什么产品表现？

实践 4 · Fallback 策略表

把讲义第五节的模板，改写成针对国际机票 Agent 的具体版本：

额外要求：

• 每一行都要写埋点字段——没有埋点的降级策略在线上等于不存在
• 标注哪些降级是"静默"的，哪些必须告诉用户（原则：结果质量下降必须告知，仅延迟增加可以静默）
• 如果走网关，标注"路由到哪个实际模型"是否可观测；不可观测就是一个必须解决的风险项

自测

Related Documents

• 阶段 2 讲义
• 阶段 5 实践：工具粒度重审
• 阶段 10 实践：最小评测集
• 学习路线