介绍

意图技能主要完成用户输入语句的解析。然而，对话状态转移、对话关键信息的储存，这些上下文信息需要单独维护。本文主要介绍使用薄言研发的ContextFlow上下文框架，来配合意图技能完成整个上下文对话。

薄言ContextFlow框架用XML脚本文件定义对话状态和关键信息。框架系统需要运行在服务器上，并在轻语平台中填写该服务地址，实现二者对接。详见下文。

对话过程

示例场景为“机票预定”。想要预定一张机票，需要3个关键因素（必备条件）：日期、出发地和目的地。缺少其中之一，对话系统会询问用户进行补全。补全3个信息之后，将会查询机票。上轮对话中的关键信息，保存在会话Session中，用于下文提取或者修改相关信息。示例对话过程如下。机票预定对话过程

系统设计步骤

画流程图，规划上下文流程；
根据流程，编写XML文件；
编写意图与词典，用于理解用户意图、提取槽位；
测试；
发布服务。

流程图

参考示例对话过程，根据其中的关键信息，抽象出各个对话状态和跳转逻辑，绘制出完整的流程图，便于编写XML脚本。

编写XML脚本

根据流程图，编写XML脚本文件，用于控制对话流程状态。

薄言ContextFlow的XML脚本简要介绍：

每个entry中可包含多个trans；
每个trans中可包含condition、intent和下一个state；
condition包含type、args；
每个state中包含name、action、stimulate和trans；
action包含type、args。

例如：

<?xml version="1.0" encoding="UTF-8"?>
<xml>
    <!-- 入口状态 -->
    <entry>
        <trans>
            <!-- 槽位是否齐全？-->
            <condition>
                <type>NOT_CONTAIN_PROP_KEY</type>
                <args>目的地 出发地</args>
            </condition>
            <intent>booking_entry</intent>
            <state>缺少目的地和出发地</state>
        </trans>
    </entry>

    <!-- 询问信息，补全槽位 -->
    <state>
        <name>缺少目的地和出发地</name>
        <args>出发地 日期 目的地 时间 数字 舱位 ID</args>
        <action>
            <type>ANSWER</type>
        </action>
        <stimulate>请问您的出发地和目的地是哪里呢？（例子格式为“出发地：北京，目的地：上海”）</stimulate>
        <trans>
            <intent>booking_leav_arr_city</intent>
            <state>查询</state>
        </trans>
    </state>


    <!-- 查询状态 -->
    <state>
        <name>查询</name>
        <action>
            <type>ANSWER</type>
            <args>出发地 日期 目的地 时间 数字 舱位 ID 折扣 票价</args>
        </action>
        <stimulate>请稍候，正在帮您查询……机票（需连接外部数据，由用户选择航班号）。请问您是否有其他服务要求？</stimulate>
        <trans>
            <intent>booking_ID</intent>
            <state>出票</state>
        </trans>
    </state>

    <!-- 出票 -->
    <state>
        <name>出票</name>
        <action>
            <type>ANSWER</type>
            <args>ID</args>
        </action>
        <stimulate>正在为您出票，请稍候。</stimulate>

    </state>
</xml>

备注：

type若为ANSWER，args需写出所有在此阶段获需要更新的槽位名称；
查询步骤中，stimulate已写死，可在Java程序中调用槽位、保存参数并进行修改查询；
实际操作重，这与下一步意图与词典的编写迭代完成。比如在写entry状态时，可先编写意图里的模版，发现可能会有缺少槽位的情况（例：订一张明天的机票。此处缺少目的地和出发地两个必要槽位）。此时可在XML文件中添加condition，补全缺失槽位，并加入对应的state信息。

意图及词典

在轻语平台上创建意图模板与词典

意图

用于识别用户输入。

词典

用于匹配同近义词。

测试

测试分为本地测试与服务端测试。

本地测试方便开发者调试。因无法接受解析结果，需要自行调用接口（PARSING_URL）进行解析，运行结果只可在后台看到。

服务端测试可以直接利用意图技能，将运行结果连接到前端网页中。但需要部署到远程服务器。

本地测试

(1) 设置PARSING_URL

在ContextFlow程序中设置意图解析的API地址：

private static final String PARSING_URL ="https://dev.rsvp.ai/eparser/api/product/parse/proto?skillid=[your-skill-id]&sentence="

(2) 解析输入句

用户在对话机器人处输入：“订一张明天去武汉的机票”。这句话在意图技能中进行解析，返回结果里包含了此句话的意图名，以及包含的槽位等。

(3) 匹配对话状态

该意图解析结果与当前状态（state）下的所有transitions进行匹配。因缺少必需信息（出发地、目的地、日期），程序与XML文件中定义的所有transition states进行匹配，选出最匹配项，并进入此状态。上面例子为：缺少出发地。此时机器人会回复stimulate中的句子：请问您的出发地是哪里呢？

(4) 查询

当全部信息（槽位）填写完毕后，系统将会连接String url = "https://dev.rsvp.ai:5001/server"，进入到“查询”状态。此时可以调用外部程序查询机票信息。

例如用Python编写外部接口程序：

server.py 创建服务接口，读取GET的参数，将其传入py_sql.py中。
py_sql.py 连接数据库，并根据传入参数进行数据库数据插入和查询功能。返回JsonArray形式的数据，由用户选择对应航班或进一步筛选（比如选择舱位、价格区间等），最后出票。若控制导入数据的参数为True，将调用json2sql.py进行新数据导入。
json2sql.py 将数据导入数据库（去重）。