Chatopera多轮对话设计器:实现天气查询机器人的过程

　　随着语音识别(ASR)和文字转语音(TTS)技术的成熟，语音交互逐渐成为人机交互重要方式，AI音箱开始流行，各种手机厂商也推出手机智能语音助手，在消费者领域，各种技能快速增长。另外一方面，消费者也趋于使用即时通讯软件来取代电话和短信。

2016-2018年亚马逊Alexa技能数量增长图

　　在企业中，客服系统、工作台和办公软件也逐渐走向更加智能化和自动化的方案。不管是中小型企业或者大型公司，都在踊跃尝试AI技术飞跃带来的福利。企业IT系统将迎来更多升级，机器学习会刷新每一个软件。图片，视频和文本是人工智能技术重点发挥优势的地方。人机对话系统将迎来革命，企业会普遍应用对话应用，一种更快捷，更智能的服务方式：使用对话机器人完成业务流程，比如智能会签、智能请假、智能审批和智能客服等。

　　但是目前，企业实现对话应用的方式还很笨拙：

　　1）上线周期长：由于缺少实践经验，难以掌握人工智能技术的边界，往往难以做好功能设计，在开始后还会返工。

　　2）需要一个华丽的团队：需要招聘目前紧俏的AI产品经理、机器学习工程师和自然语言处理工程师，亦或是标注人员和测试人员。

　　3）需要接入第三方服务：比如语音识别、文字到语音和机器学习硬件依赖等。

　　然而，在Chatopera，我们回顾一些对话应用，比如机器人客服场景时，和机器人相关的模块可以独立为一个产品，经过了仔细的分析，我们认为，可以开发两个产品：多轮对话设计器和智能问答引擎。前者面向企业的业务人员，撰写聊天机器人脚本；后者面向企业的IT人员，是问答服务的运行环境。

　　本文重点介绍使用多轮对话设计器实现“天气查询机器人”的过程，我们选择这个场景并不是因为它简单，而是因为它容易理解，使用多轮对话设计器可以实现更复杂，更有价值的应用。我们先一睹为快，这个机器人是什么样子的。

　　天气查询机器人Demo:https://v.qq.com/x/page/a0717l5z53k。html

　　是不是很实用？如果你掌握了下面的技巧，它可以帮助做更多的事情。

　　需求分析

　　首先，我们需要梳理一下需求：

　　1. 我想知道任意城市的天气信息，比如“今天上海天气怎么样”；

　　2. 我还比较关心空气，我可以通过“今天上海空气怎么样”获得空气质量信息；

　　3. 我想知道今天适不适合户外运动，就问“今天上海适合运动么”；

　　4. 如果我问了一个城市的天气状况，我还想继续询问这个城市更多信息，这样我不用每次都告诉机器人城市名称。

　　当然，我的每个意图都有多种表述方式，机器人能支持一些变化的问法。如果我的问题不够严谨，机器人还应该提醒我合理的表达。

　　准备开发环境

下载多轮对话设计器

　　多轮对话设计器的下载地址是：

　　https://www.chatopera.com/product/conversation-designer

　　如果您打开后，下载按钮显示未“待发步”，是因为我们还在紧张的测试，预计2018年7月21日可以发布v1.0版本，请填写“建立联系”表单，我们发布后第一时间与您联系。

多轮对话设计器下载页面

　　目前，多轮对话设计器支持的操作系统包括Windows和MacOSX，在安装过程和启动过程中，如果遇到问题请通过微信公众号找到我们：

　　微信公众号:获得支持和帮助

调研提供天气信息查询的API

　　现在很多服务以API的形式提供，从搜索引擎中查找“天气查询服务API”，我们就能得到一些供应商，经过一些比较，我选择了和风天气，它数据丰富，免费额度大方。

AI音箱

　　Chatopera与Sayinfo达成战略合作关系，所以，我们的对话系统产品与任你说音箱可以直接集成。

　　第一条规则

　　第一次打开多轮对话设计器后，我们看到如下的面板，我们称之为主面板。

　　点击新建按钮，弹出创建机器人的表单：

　　填入“小叮当”，当前多轮对话设计器支持中文(zh_CN)和英文(en_US)，我们选择“zh_CN”，点击“确认”。然后我们就得到了一个聊天机器人。

　　在操作中，有几个按钮：

管理：管理聊天机器人的多轮对话。
版本管理：管理不同版本的机器人，导出机器人和在不同版本之间进行比对。
环境变量：机器人函数中依赖的全局变量，这些变量在“设计对话”的阶段和在IT人员“部署到生产环境”下的值是不同的，比如一些接口服务的认证键值对。
发布：发布当前机器人为最新版本。
删除：将机器人删除。

　　点击“管理”，进入多轮对话管理页面，点击“新建对话”，在弹出的窗口中，填写“对话名称”为“weather”，点击“确认”。这时，我们看到了新建的对话，我们将修改它的内容完成天气对话服务。

　　点击“编辑”，进入对话编辑窗口。在左侧的“脚本区域”，写下第一条规则。

　　+今天(*)天气[怎么样]

　　-{keep} <cap1>天气挺好的

　　点击“保存”，这时右侧的“逻辑区域”有了变化，出现了一个线条，在线条左右两端分别是问题和答案。在“对话区域”，我们输入“今天北京天气怎么样”，点击发送，这时机器人回复了。

　　从我们需求上看，这没什么用，但是它工作了，我们就一点点优化它。对于在这条规则中，我们使用的语法，(*)代表一个槽位，<cap1>代表在回复中取槽位的值，[怎么样]是可有的字符串，{keep}代表这条规则始终生效，keep涉及到对话的状态管理，我们将在文档中提供更多规则的描述，现在，读者看懂本示例就可以了。

　　添加函数

　　在多轮对话设计器中，怎么请求和风天气的数据呢？使用函数。函数是多轮对话支持的使用JavaScript实现的程序。

　　我们在“对话编辑窗口”点击函数，粘贴如下代码：

　　在函数中，我们实现了根据城市请求天气、空气质量、着装建议和运动建议的接口，分别是getWeatherByCity，getAirByCity，getDresscodeByCity和getSportByCity。

　　细心的读者会发现，在函数中，多轮对话设计器直接支持了http，debug作为工具类，发起网络请求和输出日志信息。这两个接口极大的扩展了函数的能力，我们也会在函数中详细描述它们的使用。

　　然后，回到“脚本区域”，修改一下规则，更新如下：

　　+今天(*)天气[怎么样]

　　-{keep}^getWeatherByCity(<cap1>)

　　在回复中，我们调用了getWeatherByCity，并且传入了城市名称。接着，在“对话区域”，输入“今天北京天气怎么样”，回复与上次不一样了。

　　这次，我们看到了期望的回复，正是从和风天气返回的北京今天的天气状况。

　　使用环境变量

　　在上面的函数中，我们有一个敏感的信息：和风天气的API密钥。在实际应用中，我们希望设计阶段和部署阶段，它的值是不同的。这时，就需要使用环境变量，环境变量正是为解决这个问题而设计的。

　　回到主面板，在“小叮当”操作中，点击环境变量，创建如下键值对：

　　读者可以从和风天气获得该密钥，为验证用途，可以粘贴下面的值：

　　 "HEWEATHER_URL": "https://free-api.heweather.com/v5",

"HEWEATHER_KEY": "182f1b6826d94c6285a489d2414f3ad0"

　　保存后，回到天气对话脚本的“对话编辑窗口”，在函数中，使用下面的脚本：

/**
* Plugin
*/

var WForewast = function (apiKey) {
    if (!apiKey) throw new Error('Invalid token, get it from http://www.heweather.com/my/service');
    this.key = apiKey;
}

WForewast.prototype.getWeatherByCity = function (city) {
    return new Promise((resolve, reject)=>{
        let url = config["HEWEATHER_URL"] + "/weather?city=" + encodeURIComponent(city) + "&key=" + this.key
        http
            .get(url)
            .then((res)=>{
                resolve(res.data.HeWeather5[0].suggestion);
            })
            .catch(function (err) {
                if (err) return reject(err);
            });
    })
}

const wf = new WForewast(config["HEWEATHER_KEY"]);

exports.getWeatherByCity = function(city, cb){
    debug("getWeatherByCity: %s", city);
    wf.getWeatherByCity(city)
        .then((suggestions)=>{
            cb(null, {
                text: suggestions["comf"]["txt"]
            })
        }, (err)=>{
            debug("error:%j", err)
            cb(null, {
                text: `很抱歉，没有获得${city}的天气信息。`
            })
        })
}

exports.getAirByCity = function(city, cb){
    debug("getAirByCity: %s", city);
    wf.getWeatherByCity(city)
        .then((suggestions)=>{
            cb(null, {
                text: suggestions["air"]["txt"]
            })
        }, (err)=>{
            cb(null, {
                text: `很抱歉，没有获得${city}的空气信息。`
            })
        })
}

exports.getSportByCity = function(city, cb){
    debug("getSportByCity: %s", city);
    wf.getWeatherByCity(city)
        .then((suggestions)=>{
            cb(null, {
                text: suggestions["sport"]["txt"]
            })
        }, (err)=>{
            cb(null, {
                text: `很抱歉，没有获得${city}的信息。`
            })
        })
}

exports.getDresscodeByCity = function(city, cb){
    debug("getDresscodeByCity: %s", city);
    wf.getWeatherByCity(city)
        .then((suggestions)=>{
            cb(null, {
                text: suggestions["drsg"]["txt"]
            })
        }, (err)=>{
            cb(null, {
                text: `很抱歉，没有获得${city}的信息。`
            })
        })
}

　　这次，代码内容和前一版本相比，使用了config对象，config是一个包含环境变量的JSON数据。所以，我们更佳利于将来部署对话应用了。

　　支持更多对话

　　回想我们需要的几种天气信息，我们根据需求变更脚本，一个满足需求的脚本呈现如下：

/**
* 一个能回答天气的对话脚本
* author: Hai Liang Wang<hain@chatopera.com>
* date:   2018-06-20
*/

// 技能介绍

+ 你知道哪些天气信息
- 我知道今天的空气，着装建议和适不适合运动

// 天气

+ 今天 (*) 天气 [怎么样]
- {keep} ^getWeatherByCity(<cap1>)

+ [今天] (天气|气候) [怎么样]
- {@__wf_guide_}

+ (*) 今天天气 [怎么样]
- {keep} ^getWeatherByCity(<cap1>)

    + (*) 空气 (*)
    % ^getWeatherByCity(<cap1>)
    - {keep} ^getAirByCity(<p1cap1>)

+ __wf_guide_
- {keep} 添加城市名哦，比如“今天北京天气怎么样”或者“北京天气怎么样”
- 我需要知道城市名称，比如“今天北京天气怎么样”或者“北京天气怎么样”
- 要告诉我城市名，比如“今天北京天气怎么样”或者“北京天气怎么样”

// 空气

+ [今天] 空气 [怎么样]
- {@__wf_guide_air}

+ (*) 今天空气 [怎么样]
- {keep} ^getAirByCity(<cap1>)

+ 今天 (*) 空气 [怎么样]
- {keep} ^getAirByCity(<cap1>)

+ __wf_guide_air
- {keep} 添加城市名哦，比如“今天北京空气怎么样”或者“北京空气怎么样”
- 我需要知道城市名称，比如“今天北京空气怎么样”或者“北京空气怎么样”
- 要告诉我城市名，比如“今天北京空气怎么样”或者“北京空气怎么样”

// 运动

+ [今天] 适(合|宜)运动(么|吗)
- {@__wf_guide_sport}

+ (*) 今天适(合|宜)运动(么|吗)
- {keep} ^getSportByCity(<cap1>)

+ 今天 (*) 适(合|宜)运动(么|吗)
- {keep} ^getSportByCity(<cap1>)

+ __wf_guide_sport
- {keep} 添加城市名哦，比如“今天北京适合运动么”或者“北京今天适合运动么”
- 我需要知道城市名称，比如“今天北京适合运动么”或者“北京今天适合运动么”
- 要告诉我城市名，比如“今天北京适合运动么”或者“北京今天适合运动么”

// 衣着

+ [今天] 适(合|宜)穿什么
- {@__wf_guide_dresscode}

+ (*) 今天适(合|宜)穿什么
- {keep} ^getDresscodeByCity(<cap1>)

+ [今天] (*) 适(合|宜)穿什么
- {keep} ^getDresscodeByCity(<cap1>)

+ __wf_guide_dresscode
- {keep} 添加城市名哦，比如“今天北京适合穿什么”或者“北京今天适合穿什么”
- 我需要知道城市名称，比如“今天北京适合穿什么”或者“北京今天适合穿什么”
- 要告诉我城市名，比如“今天北京适合穿什么”或者“北京今天适合穿什么”

　　这也就是我们在天气查询机器人Demo中看到的机器人的脚本，在设计过程中，我们通过对话区域来测试机器人的回复是否符合预期，我们通过逻辑窗口来查看当前机器人的思维逻辑导图，当前机器人对话的状态会被高量，被命中的规则呈现为路径。