查询分解组件

查询分解是一种流程组件，旨在通过将复杂的输入查询分解为独立、可管理的子查询，提升 AI 驱动流程的精度和效果。此过程有助于确保用户原始问题的每个方面都得到关注，从而获得更全面、准确的回应。

该组件的功能是什么？

查询分解组件的主要功能是将输入文本（通常是复杂或多部分的问题）拆分为若干个备选或子查询。这些子查询代表为完整回答原始查询所需解决的各个信息点。这种方式在问题宽泛、模糊或由多个交织部分组成的场景下尤其有用。

主要特性与输入

• 输入文本（必填）：需要分析和分解的文本，即用户的主要查询。
• 聊天历史：（可选）如有，可以提供先前的对话上下文，以提升生成子查询的相关性和准确性。
• LLM（模型）：（可选）指定用于分解过程的大型语言模型（LLM），便于灵活集成不同 AI 模型。
• 包含原始查询：（高级，可选）控制输出是否在生成的子查询旁边也包含原始查询。
• 系统消息：（高级，可选）允许你添加自定义系统消息，引导输出或为模型提供额外指令。

输出

• 消息：组件输出一个消息对象，包含备选查询或子问题的列表。可作为后续 AI 处理步骤（如分别回答、检索或进一步分析）的输入。

为什么有用？

查询分解在需要多步推理或单个查询覆盖多个主题的复杂 AI 流程中非常有价值。通过拆解查询，你可以：

• 确保复杂问题的每个部分都被覆盖。
• 促进更准确的信息搜索或检索。
• 在 AI 流水线中实现模块化、逐步处理。
• 提高 AI 答案的透明度与可解释性。

示例场景

• 客户支持： 将冗长的客户咨询拆解为单独的问题，便于针对性回应。
• 研究辅助： 将宽泛的研究问题分解为具体的子主题，以便更聚焦地检索文献。
• 多步推理： 为需要顺序解决问题或规划的 AI 代理准备分步问题。

总结表

将查询分解集成到你的 AI 流程中，可以更智能、更细致地处理复杂查询，从而获得更优结果和更佳的用户体验。