Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Ein Intent kategorisiert die Absicht eines Endnutzers für eine Unterhaltungsrunde.
Definieren Sie für jeden Agent einen Vielzahl von Intents, damit die kombinierten Intents eine vollständige Unterhaltung verarbeiten können.
Wenn ein Endnutzer etwas schreibt oder sagt, wird dies als Endnutzerausdruck bezeichnet. Dialogflow ordnet den Endnutzerausdruck dem geeignetsten Intent im Agent zu.
Die Zuordnung eines Intents wird auch als Intent-Klassifizierung bezeichnet.
Sie können beispielsweise einen Wetter-Agent erstellen, der Endnutzerfragen zum Wetter erkennt und darauf reagiert.
In diesem Fall würden Sie wahrscheinlich einen Intent für Fragen zur Wettervorhersage definieren.
Wenn ein Endnutzer dann fragt: "Wie wird das Wetter?",
ordnet Dialogflow den Endnutzerausdruck dem Wettervorhersage-Intent zu.
Sie können den Intent auch so definieren, dass nützliche Informationen aus dem Endnutzerausdruck extrahiert werden, z. B. eine Zeit oder einen Ort für die gewünschte Wettervorhersage.
Diese extrahierten Daten sind wichtig für das System, damit eine Wetterabfrage für den Endnutzer ausgeführt werden kann.
Ein einfacher Intent umfasst Folgendes:
Trainingsformulierungen: Es folgen einige Beispielformulierungen zu möglichen Endnutzeräußerungen.
Wenn ein Endnutzerausdruck eine gewisse Ähnlichkeit mit einer dieser Formulierungen aufweist, ordnet Dialogflow den Intent zu.
Sie müssen dabei nicht jede denkbare Formulierung angeben. Das integrierte maschinelle Lernen von Dialogflow erweitert Ihre Liste automatisch um ähnliche Äußerungen.
Aktion: Sie können eine Aktion für jeden Intent definieren.
Wenn ein Intent zugeordnet wird, stellt Dialogflow die Aktion für das System bereit. Sie können dann damit bestimmte Aktionen auslösen, die im System definiert sind.
Parameter: Wenn ein Intent zur Laufzeit zugeordnet wird, übergibt Dialogflow die aus dem Endnutzerausdruck extrahierten Werte als Parameter.
Jeder Parameter hat einen Typ, der als Entitätstyp bezeichnet wird und genau bestimmt, wie die Daten extrahiert werden.
Im Unterschied zu unstrukturierten Endnutzereingaben sind Parameter strukturierte Daten, mit denen auf einfache Weise ein bestimmter Ablauf ausgeführt werden kann oder Antworten generiert werden können.
Antworten: Sie definieren Text-, Sprach- oder visuelle Antworten, die an den Endnutzer zurückgegeben werden sollen.
Diese können die Frage des Endnutzers beantworten, ihn um weitere Informationen bitten oder die Unterhaltung beenden.
Die folgende Grafik zeigt den grundlegenden Ablauf der Intent-Zuordnung und Antworten an den Endnutzer:
Ein komplexerer Intent kann auch Folgendes enthalten:
Kontexte: Kontexte in Dialogflow sind vergleichbar mit Kontexten der natürlichen Sprache.
Wenn eine Person zu Ihnen sagt, "sie sind orange", benötigen Sie Kontext, um zu verstehen, worauf sich die Person bezieht.
In ähnlicher Weise benötigt Dialogflow einen Kontext, damit es einen Intent korrekt zuordnen und Endnutzerausdrücke dieser Art verarbeiten kann.
Ereignisse::Mit Ereignissen können Sie einen Intent basierend auf einem Geschehen aufrufen, anstatt auf Äußerungen eines Endnutzers.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-18 (UTC)."],[[["\u003cp\u003eAn intent categorizes an end-user's intention within a conversation, and each agent can have multiple intents to handle a complete conversation flow.\u003c/p\u003e\n"],["\u003cp\u003eDialogflow matches an end-user's expression to the most suitable intent, known as intent classification, and this match can be set to extract specific information.\u003c/p\u003e\n"],["\u003cp\u003eBasic intent components include training phrases, actions, parameters, and responses to guide the conversation and provide feedback to the user.\u003c/p\u003e\n"],["\u003cp\u003eComplex intents may also include contexts to understand end-user expressions within a conversation's flow, and events that trigger an intent based on occurrences rather than direct user input.\u003c/p\u003e\n"]]],[],null,["# Intents\n\nAn\n\n*intent*\n\ncategorizes an end-user's intention for one conversation turn.\nFor each agent, you define many intents,\nwhere your combined intents can handle a complete conversation.\nWhen an end-user writes or says something,\nreferred to as an *end-user expression* ,\nDialogflow matches the end-user expression to the best intent in your agent.\nMatching an intent is also known as *intent classification*.\n\n\nFor example, you could create a weather agent\nthat recognizes and responds to end-user questions about the weather.\nYou would likely define an intent for questions about the weather forecast.\nIf an end-user says \"What's the forecast?\",\nDialogflow would match that end-user expression to the forecast intent.\nYou can also define your intent to extract useful information from the end-user expression,\nlike a time or location for the desired weather forecast.\nThis extracted data is important for your system\nto perform a weather query for the end-user.\n\n\nA basic intent contains the following:\n\n- [**Training phrases**](/dialogflow/docs/intents-training-phrases): These are example phrases for what end-users might say. When an end-user expression resembles one of these phrases, Dialogflow matches the intent. You don't have to define every possible example, because Dialogflow's built-in machine learning expands on your list with other, similar phrases.\n- [**Action**](/dialogflow/docs/intents-actions-parameters#actions): You can define an action for each intent. When an intent is matched, Dialogflow provides the action to your system, and you can use the action to trigger certain actions defined in your system.\n- [**Parameters**](/dialogflow/docs/intents-actions-parameters#params): When an intent is matched at runtime, Dialogflow provides the extracted values from the end-user expression as *parameters* . Each parameter has a type, called the [entity type](/dialogflow/docs/entities-overview), which dictates exactly how the data is extracted. Unlike raw end-user input, parameters are structured data that can easily be used to perform some logic or generate responses.\n- [**Responses**](/dialogflow/docs/intents-responses): You define text, speech, or visual responses to return to the end-user. These may provide the end-user with answers, ask the end-user for more information, or terminate the conversation.\n\n\nThe following diagram shows the basic flow for intent matching and responding to the end-user:\n\nA more complex intent may also contain the following:\n\n- [**Contexts**](/dialogflow/docs/contexts-overview): Dialogflow contexts are similar to natural language context. If a person says to you \"they are orange\", you need context in order to understand what the person is referring to. Similarly, for Dialogflow to handle an end-user expression like that, it needs to be provided with context in order to correctly match an intent.\n- [**Events**](/dialogflow/docs/events-overview): With events, you can invoke an intent based on something that has happened, instead of what an end-user communicates."]]
