為了更好地了解智能機器人項目的需求和改進方向，我們常常需要研發(fā)一些工具。在我參與的多個機器人項目中，大多數都能夠成功地滿足產品需求。通過這些實踐，我們深刻認識到，如果要不斷進步和提高，就必須對現有的機器人定義語言進行重大的改進。

• 簡化需要復雜對話流程的機器人的創(chuàng)建過程。
• 最大限度地提高可重用性，通過重用過去已經定義過的模塊和對話路徑來創(chuàng)建機器人

在傳統(tǒng)的做法中，完成這些并不容易，因為意圖定義與部分排序約束混合在一起，限制了對話路徑的自由度。這對于處理“開放式”機器人（常見于FAQ樣式的機器人），其中大多數問題是獨立的且始終可用的，這已經足夠了。但對于更“封閉”的機器人來說，潛在的對話限制要多得多（比如用于從在線訂票機器人）。

為了將聊天機器人定義語言的功能提升到一個新的水平，在一些項目中我們引進了更接近狀態(tài)機語義的DSL，并完全將意圖定義與控制機器人執(zhí)行定點可用意圖的轉換規(guī)則分離，這么做有以下優(yōu)勢：

1. 新機器人中可以復用以前的意圖，即使設置的對話路徑不同。
2. 可以使用狀態(tài)機定義復雜的對話流，讓機器人保持清晰和精確的語義。
3. 可以創(chuàng)建復雜的狀態(tài)守護來控制轉換。根據用戶輸入、即將發(fā)生的事件以及之前的數據、對話參數等，將機器人移動到新狀態(tài)。
4. 可以使用狀態(tài)主體來存儲復雜的對話邏輯，以響應用戶請求。
5. 可以將機器人模塊化，以便在其他機器人中重用部分狀態(tài)機。
6. 可以將本地回退定義為狀態(tài)行為的一部分。除了默認的全局回退，還可以將本地回退與狀態(tài)相關聯，以便在狀態(tài)上下文中處理錯誤，比如顯示一條消息，幫助用戶回答機器人在對話中的特定狀態(tài)下提出的問題。

意圖定義語言

意圖定義現在與執(zhí)行部分解耦，但仍然是一個單獨的子語言。對于每個意圖，我們只需提供一些訓練句子，讓機器人能夠識別出用戶話語的意圖，并從中提取所需的參數。

舉個例子，我們有一個簡單的機器人，它只能理解兩種類型的用戶話語：問候和陳述姓名。我們可以為每種話語類型提供幾個示例句子，讓機器人學會如何識別它們。當用戶輸入一個話語時，機器人會根據它的意圖執(zhí)行相應的操作，并從中提取所需的參數。

intent Hello {
  inputs {
    "你好"
    "早上好"
  }
}
 
intent MyNameIs {
  inputs {
    "我的名字叫小明"
    "我是小明"
    "你可以叫我小明"
  }
  creates context Greetings {
    set parameter name from fragment "小明" (entity any)
  }
}

我們?yōu)槊糠N意圖提供一些樣本句子，來訓練機器人如何識別它們。此外，在某些情況下，我們還會在上下文中收集一些參數（例如，用戶的姓名），以便以后能夠更個性化地回答用戶。

我們還沒有具體說明機器人應該先嘗試匹配哪種意圖，這是執(zhí)行部分語言的內容。這種方法使我們能夠重復利用這些意圖（例如，在另一個機器人中，我們可能需要詢問用戶的姓名，而不僅僅是在問候意圖之后）。

執(zhí)行定義語言

使用執(zhí)行文件來定義一個狀態(tài)機，描述機器人如何響應意圖/事件，并且可以進行轉換。這使得機器人的設計者可以查看執(zhí)行文件，了解整個對話流程。

執(zhí)行語言中的每個狀態(tài)包含 3 個部分

• Body （可選）：機器人在進入狀態(tài)時執(zhí)行的反應。
• Next (必選)：定義了出站轉換，表示為 condition –> State。 當接收到事件/意圖時，會評估條件，如果滿足轉換，則執(zhí)行引擎會移動到指定的狀態(tài)并執(zhí)行其相應的反應。需要注意的是，轉換條件可以非常復雜。 它們是真正的守衛(wèi)，這意味著如果整個條件不為真，則轉換不可導航，引擎將保持當前狀態(tài)。
• Fallback （可選）：此部分可以包含任意代碼（就像 Body 部分一樣），如果引擎無法找到可導航的轉換，則會執(zhí)行這些代碼。

執(zhí)行模型還包含 2 個特殊狀態(tài)：

• Init：是創(chuàng)建用戶會話時進入的常規(guī)狀態(tài)。它可以包含 Body、_Next_和 Fallback 部分。
• Default_Fallback：它只能包含 Body 部分，并且不能作為轉換的目標狀態(tài)。該狀態(tài)表示在當前狀態(tài)中未定義本地回退時執(zhí)行的默認回退代碼。該狀態(tài)可用于打印通用錯誤消息（例如，“抱歉，我沒明白您的意思”），而本地回退則可以打印針對當前狀態(tài)的定制消息（例如，“請回答是或否”）。

最后，一個狀態(tài)可以定義一個單一的通配符轉換（使用保留字符___作為轉換條件），當計算狀態(tài)主體時將自動導航。這使我們能夠在多個地方重用相同的代碼并模塊化執(zhí)行邏輯。下面是一個簡單的機器人示例，它只回復問候意圖，詢問用戶名并向用戶問好。這個機器人的回復可以通過我們基于 React 的聊天小部件顯示。

//We can always have an init state in case we need to initialize some bot parameters (e.g. welcoming message)
Init {
  Next { 
    //Here we state that the bot will first listen for an utterance matching the Hello intent, it will ignore anything else
    intent == Hello --> HandleHello  
  }
}
HandleHello {
  Body {
     ReactPlatform.Reply("你好, 你叫什么名字?")
  }
  Next {
    //We wait for the user to input the name, no other transition is possible at this point
    //Obviously, in more complex bots we may have several possible outgoing transitions in a given state
    intent == MyNameIs --> HandleMyNameIs
  }
}
HandleMyNameIs {
  Body {
    ReactPlatform.Reply("你好 " + context.get("Greetings").get("name"))
  }
  Next {
    // An automatic transition to the Init state since at this point the conversation is finished and we can start again
    _ --> Init
  }
}
// Default Fallback state could go here