"什么是越位"这个问题看起来只属于足球，但类似结构的问题在别的项目里也存在，"手球算不算犯规"这类问题更是横跨多个项目——手球运动里的手球规则和足球里的手球规则完全是两套不同的判定逻辑。如果一个体育知识大模型在没有确认运动项目之前就直接开始生成答案，很容易出现"用足球的逻辑回答了一个实际上问的是手球运动的问题"这种错位，而且错位本身可能完全不会在答案的语言风格上体现出来——读起来依然通顺、专业，只是从根本上问错了方向。
这也是为什么"先识别运动项目，再理解具体意图"需要成为一个明确的处理步骤，而不是模型隐含的假设。星空体育AI在处理一个问题时，第一步是判断这个问题明确指向哪个运动项目，如果问题本身信息不足以判断（比如只说"手球算犯规吗"，没有更多上下文），更负责任的做法是进一步询问用户"你问的是手球运动本身的规则，还是足球比赛里的手球犯规"，而不是选择一个项目、假装问题已经清楚。
意图识别还有第二层含义：即使确认了运动项目，同一个问题背后的真实需求也可能不同。"高位逼抢是什么"，对一个刚看球的人来说，可能只是想知道这个词大概是什么意思；对一个正在写训练计划的教练来说，可能是想知道具体该怎么组织训练。项目识别解决"在哪个知识领域里找答案"，意图识别解决"这次回答应该讲到多深、偏重哪个方向"，两者都需要在生成解释之前完成，而不是等答案生成之后再去猜测是否讲对了方向。
意图识别面临的另一个挑战，是同一个问题在不同上下文里可能指向完全不同的知识领域。"什么是走步"，在篮球语境下指的是持球移动违例，在其他语境下则可能完全是另一回事；如果用户此前一直在讨论篮球规则，紧接着问出这句话，系统应当结合上下文直接判断意图，而不需要重新追问。这意味着意图识别不能只依赖单次提问本身的文字内容，还需要结合对话历史中已经明确的运动项目和话题，只有在上下文确实不足以支撑判断时，才需要主动向用户确认。
星空体育AI在处理这类歧义问题时，遵循的原则是：能从上下文合理推断的，直接给出回答，并在回答开头简要说明"这里默认你问的是……"，让用户可以随时纠正；确实无法从上下文判断、且不同理解会导向明显不同答案的，才主动提出澄清问题。这个平衡点的把握，决定了系统给人的感觉是"聪明、贴心"还是"啰嗦、总在反问"，也是意图识别设计中需要持续打磨的部分。
项目识别出现偏差带来的后果，比很多人想象的更严重——它不只是让答案"不够精准"，而是可能让整个回答建立在错误的知识领域之上，用户如果不具备足够的背景知识去分辨这种错位，很可能把一个答非所问的回答误当作正确答案接受下来。相比之下，回答深度没有完全匹配用户的实际水平，用户通常还能感知到"这个回答好像太简单了"或者"这个回答有点复杂"，问题相对容易被察觉。这也是星空体育AI把项目识别放在整个处理链路最前端、且格外谨慎对待的原因——排在越靠前的判断步骤，一旦出错，对后续所有环节的影响就越大。
训练和评估这类前置判断能力，也需要专门设计的测试集，而不能只依赖常规的问答质量评估。星空体育AI在评估意图识别环节时，会特别构造一批本身就存在项目歧义、需要依赖上下文才能正确判断的问题，用来检验系统在信息不充分的情况下，是选择主动澄清，还是草率地选定一个项目继续作答。这类"边界情形"测试，往往比大量常规、意图清晰的问题更能反映一个系统在意图识别环节的真实可靠程度。
