AIAgentのユーザー意図分析

resume_chunks = [
	basic_chunk,
	skills_chunk,
	introduction_chunk
	certification_chunk,
	project_chunk_1,
	project_chunk_2,
	project_chunk_3,
......
	
]

type_keywords = {
	"basic_chunk" = ["姓名","名前","年齢","生年月日","大学","学部","人" ...],
	"skills_chunk" = ["python","C++","iOS","And","Java","PHP" ...],
	"introduction_chunk" = ["学習好き","ストレス耐性","高効率","アジャイル開発" ...],
	"certification_chunk" = ["情報処理技術者試験レベル2","英検4級","英検6級","IELTS","AWS" ...],
	"project_chunk" = ["プロジェクト経験","担当","期間" ...]
}

UserQuery: 名前がLouisの人を探したい。Pythonの開発経験が5年ある人。

Pythonを用いてtype_keywordsをループし、User Queryに「名前」「人」「Python」というキーワードが見つかる。

意図解析結果: 

ユーザーは特定のAIAgentの「basic_chunk」と「skills_chunk」を検索したい。

つまり：ユーザーはある個人の基本情報とスキルを調べたい。

Chat (雑談)
|
FAQ (データセット検索)
|-- basic
|-- skills
|-- introduction
|-- certification
|-- project
|-- other
Tools (ツール呼び出しでタスク実行)
|- sendMails
|- getCurrentWeather
|- ......

User Query
      ↓
1️⃣ Intent Router
      ↓
┌────────────┬────────────────────────────┬──────────────┐
│ Chat	     │		FAQ     	  │ Tool_Required│
│ (LLM only) │ (basic|skills|...|project) | (ReAct loop) │
└────────────┴────────────────────────────┴──────────────┴
                ↓
	     ......

prompt = ‘

	あなたは意図分析の専門家で、ユーザーの質問を深く解析するのが得意です。

	既知の初期解析結果:{first_result}.

	既知のデータセットの特徴は:{個人の履歴書特性に基づく分類：basic(個人情報：名前、年齢、生年月日、学歴など)、skills(スキル：Python、JavaなどIT開発言語)、introduction(自己紹介)、certification(証明書：ITスキル認定証明書やTOEFLなど)、project(プロジェクト経験)}.

	既知のツール群:{functionCalling.json}.

	ユーザーの質問: {query}.

	「ユーザーの質問」を以下の一つ以上のカテゴリに分類してください：
 
	1. Chat
	2. FAQ: basic
	3. FAQ: skills
	4. FAQ: introduction
	5. FAQ: certification
	6. FAQ: project
	7. tool_required
 
	JSONで返答してください：
	{
  		"type": "..."
		......
	}
’

特定のAIAgentのデータセットとツール群を組み合わせて：

1. RAGの特定チャンクの切分特徴を活用し、キーワードマッチングで初期解析を実施。

2. データセットとツールの特徴をプロンプトに渡し、LLMによりより精緻な深層解析を行う。