文章探讨了大模型在智能电视意图识别中的应用与工程化实践，对比了基础模型、RAG（检索增强生成）和微调模型三种方案的优缺点。智能电视行业正借助AI大模型的自然语言处理和逻辑推理能力提升用户体验，但传统NLP算法在复杂语境下的意图识别、上下文理解和多轮对话方面存在局限性。文章详细介绍了三种方案的特点、模型选择、实现方法及优缺点：方案一（基础模型+Prompt）开发成本低，但对垂类领域分类识别能力有限；方案二（基础模型+Prompt+RAG）通过知识库增强意图分类能力，但存在延迟和幻觉问题；方案三（小尺寸模型微调）通过LoRA微调解决延迟问题，同时利用微调提升数据增强效果。最终，作者选择了7B底座的微调方案，并通过自动质检和自动微调工程链路实现生产准确率的持续优化。该方案在某国产头部电视厂家落地后，平均延迟500ms，实时准确率达到98%以上，显著提升了用户体验。