去年给一个电商客户做智能客服，意图识别准确率从 72% 做到 91%，过程记录一下：

起点：纯 embedding 检索加大模型分类，72%。badcase 一看，问题集中在三类：口语化表达（"咋退"）、多意图混合（"查物流顺便改地址"）、领域黑话（"7 天无理由"算售后还是退货）。

优化步骤：

1. 建评测集：从线上日志抽 2000 条人工标注，每周跑一遍，准确率数字从此可信。
2. 难例挖掘：把模型低置信度的样本捞出来，人工标注后回灌训练/做 few-shot 示例，涨点最快的一步。
3. 意图体系重构：把 120 个细意图合并成 40 个粗意图加槽位，分类难度指数级下降。
4. prompt 约束：分类 prompt 里写死"只输出意图编号"，加 5 个最难区分的正反例，幻觉分类基本消失。
5. 兜底策略：置信度低于阈值直接转人工，别让模型硬答——客服场景下"答错"比"不答"代价大得多。

最后 91%，剩下的 9% 基本是人类标注员之间都有分歧的样本，继续卷意义不大。

你们做垂类 NLP 落地时，准确率的天花板一般卡在哪里？是数据还是意图体系？