接下来的五篇博客会从对话系统搭建五个步骤上仔细进行学习。

2020.12.23插入： 这篇博客确实让我从整体上领会了对话系统搭建的流程。
2020.12.26插入;解决了排版乱的问题。

智能客服搭建专栏
欢迎大家来一起学习(#^.#)。

一、定义对话系统的方法

以下方法论其实就是在定义对话系统，后面的

• 确定场景边界
• 梳理业务要素和知识库
• 撰写故事线
• 抽取对话流程
  都是下面方法论的具体展开。
  

二、确定场景边界

1.创建机器人定位（机器人的性格定位）

2.明确机器人的产品场景

1. 明确产品的目标人群。
   比方说：懂球帝是为了球迷提供的
2. 搞清楚产品给目标人群带来了哪些服务/提供哪些产品。
   比方说：携程提供在线票务购买服务，懂球帝提供最新的足球咨询也可以购买足球装备等
3. 了解用户是什么类型的人，了解我们产品带给他们带来哪些服务，解决什么痛点，那么整个逻辑就是这款机器人。

example：
火车票预订的Chatbot 应该做&不应该做

回顾：机器人分类

案例：

三、梳理业务要素和知识库

1.确定优先级（首先要实现的功能）和关键信息要素（实现功能所需要的信息）

• 关键信息尽量多而全
  

2.任务要素梳理（定义变量）

根据前面的状态图梳理任务要素

四、撰写故事线

• 一个建议：不要先画流程图

任务型故事线

错误做法

凭借自己的想象和仅有的逻辑构想如下图所示的对话逻辑。

正确做法

 撰写一个任务的完整对话，我们称之为“愉悦路径”，然后再“添油加醋”。
 个人认为，类似于你设计一个主线任务，得先考虑理想情况下的任务完成路径，然后再一步步设置难度，比如说加个打怪，比如说加个等级限制等等，我称之为添油加醋。

		总结：最大可能的模拟各种情况，通过自己的想象力构建不同的问答情况并作出解答，然后就是美化我们的对话系统，比如加个UI，比如更为合适的对话用词。

问答型故事线

这个比较贴切我们的智能客服系统

一个法宝：尽可能罗列出所有可能的问答对。因为问答型就是这种问题和答案匹配的问题，问答对越全，也就是我们的知识库越全，越容易体现智能。

注意

所有的故事线要保证真实性，尽可能还原真实场景对话，不能为了写故事线而写故事线。

五、抽取对话流程

方式一：流程图

简答来说就是绘制流程图

一个法宝：有点类似于面向过程程序设计，即将对话流程化。任务型和问答型机器人都有这种特点，但我感觉问答型要比知识型简单。毕竟不需要过多的信息也不用接入第三方服务。

以订票流程图为例：

其中的黄色模块非常笼统，可以更加细化

总结：业务流程图描述的是完整的业务流程，以业务处理过程为中心，一般没有数据的概念。流程图以动作推进业务，更加关注的是业务需要完成哪些操作。每一个动作基本上是“动词加名词”或者“动词”的形式。

方式二：泳道图

泳道图又称跨职能流程图=流程图+动作执行的对象

泳道图后面也可以加上流程描述，更好地描述流程。

业务线合并汇总（类似于第三步）

存在的价值：便于更好地设计/梳理流图

流程图绘制工具

1. ProcessOn
2. 百度脑图

六、设计UNIT对话逻辑

1.梳理业务逻辑

简单来说就是考虑真实场景下会有哪些情况出现，然后抽象出来给BOT

2.配置技能的对话意图/问答意图

目标：把业务逻辑教给对话系统
==》每个技能都由相关的意图组成
==》根据上述1的业务逻辑拆解完成技能下每个对话意图、问答意图的具体配置

在这个环节中，对话系统需要学会：

1. 用户的意图是什么？
2. 要完成用户的意图，需要理解哪些关键信息？
3. 对话系统应该怎样回应用户？
4. 有哪些规则需要遵守？

#以订票为例：
PS：澄清话术是怎么问用户

总结：配置技能的对话意图/问答意图步骤：

1. 新建对话意图（eg：意图名称：BOOK_TICKET,意图别名：订票）

2. 添加词槽

3. 设置BOT回应（有三种回应方式：【答复】、【引导至对话意图】、【引导至问答意图】）

注意：

1.实际落地的时候需要在自己的业务代码里判断当前BOT解析的用户意图为订票,且用户提供了出发时间、出发站点、到达站点,这时你用这三个词槽值去火车票系统中找出符合条件的火车票, 并生成一个火车 票list返回给用户,供用户选择, 并完成支付。（任务型机器人）

2.引导至对话意图:是当前对话满足一定条件时把当前意图引导到另-一个对话意图，让用户进入另一个意图的对话中。

3.引导至问答意图:是当前对话满足一定条件时把当前意图引导到另一个问答意图，让用户直接在目标问答意图下提问并获取答案。（问答型机器人）

4. 新建问答意图

5. 设置预制技能（闲聊、问候、指令等）

3.标注对话数据

在【效果优化--训练数据】里尽可能多地添加对话模板、对话样本。其中对话样本不要是我们想象出来的句子，而是要贴切真实的业务场景（故事线设计的真实性，同 四、设置故事线部分）。对话BOT就像个儿童，教的越多越聪明。

具体方法：
1.配置对话模板

对话模板是对用户需求表达的一种规则抽象、配置好对话模板，可以快速识别不同表达方式的用户需求。
比如：“我想订餐” ==》订餐就可以形成一个对话模板

2.标注对话样本

需求分析最后一个阶段收集到的对话数据导入UNIT平台，然后给它们逐条标注意图、词槽。这部分数据可以用于后续的样本学习，让对话机器人更加智能，获得更好的对话理解泛化能力。

3.添加问答对

在需求分析阶段（主要集中在梳理业务要素和确定故事线阶段）就收集整理的问答对数据集中导入UNIT平台。

问题解答：
简单来说，有啥加啥，都有最好。

4.训练/体验

将BOT技能配置、对话模板、对话样本等在系统里训练形成模型，然后将模型放到沙盒里就可以试着体验自己的对话系统了。
		
值得注意：UNIT背后的深度学习等技术会帮我们解决训练系统这个问题，但也需要我们反复验证发现问题并优化配置并不断补充对话样本，然后再训练模型。这是一个反复优化的过程。

体验展示（终于看到结果）：

5.应用调用

与真实的业务联动起来。

 在【发布上线- -沙盒/生产环境】可以前往百度云创建应用,获取调用BOT的API Key/Secret Key。这部分可参考UNIT的API文档。UNIT已经与百度其他AI技术打通了 ,创建一个应用后,就可以方便的调用到百度AI的语音、图像识别等所有能力!

UNIT api文档请点下方链接：
智能客服搭建（0）——写在前面