在测试了整体框架，发现以下问题，并提出一些建议。如果方案可行，可以贡献仓库代码
动态示例Prompt
实际使用，发现意图插槽填充部分并不能够很好的对应，例如：
SON：[{"name": "旅游地点", "desc": "待查询的旅游名称，例如'长白山'", "value": ""}]
用户输入：这个冬天，我想要去长白山旅游，请给我一份攻略
答：
LLM输出: [{"name": "长白山旅游","value":""}]
试图调整prompt，发现效果并不理想。通过不断测试发现，在添加合适的示例prompt后，能够非常好的输出结果。
因此，建议增加一个可选的示例模块功能到scene_template.json
可增量式意图识别
目前，意图识别主要通过序号选择实现，效果较佳。但是当意图场景不断增加时，效果直线下降。同时，如果意图文字意思非常相近，也会效果大减。有待进一步解决方案
自动结束对话
经过glm3实际使用，发现百分比方法判断场景是否改变，并不能很好的判断，效果很差。在长对话上面存在非常大的问题。
建议，当自动调用api后，可以提供用户主动结束当前场景的选项按钮，去主动结束。“全自动” 目前在能力较弱的模型上仍不理想。
个人认为整个框架比较适合不支持functioncall（工具调用）的一些模型，这些模型能力通常比较弱。因此，提出一些可以改进的问题和想法。欢迎进一步探讨～
在测试了整体框架，发现以下问题，并提出一些建议。如果方案可行，可以贡献仓库代码
动态示例Prompt
实际使用，发现意图插槽填充部分并不能够很好的对应，例如：
试图调整prompt，发现效果并不理想。通过不断测试发现，在添加合适的示例prompt后，能够非常好的输出结果。
因此，建议增加一个可选的示例模块功能到scene_template.json
可增量式意图识别
目前，意图识别主要通过序号选择实现，效果较佳。但是当意图场景不断增加时，效果直线下降。同时，如果意图文字意思非常相近，也会效果大减。有待进一步解决方案
自动结束对话
经过glm3实际使用，发现百分比方法判断场景是否改变，并不能很好的判断，效果很差。在长对话上面存在非常大的问题。
建议，当自动调用api后，可以提供用户主动结束当前场景的选项按钮，去主动结束。“全自动” 目前在能力较弱的模型上仍不理想。
个人认为整个框架比较适合不支持functioncall（工具调用）的一些模型，这些模型能力通常比较弱。因此，提出一些可以改进的问题和想法。欢迎进一步探讨～