# 一、產品介紹
云小蜜（Intelligent Service Robot）是一款基于自然語言處理（NLP）和人工智能（AI）技術，
面向開發者提供智能會話能力的云服務。開發者可以使用云小蜜創建會話機器人，為機器人
配置知識庫以實現智能問答，使用對話工廠配置意圖實現多輪對話與自助服務（如訂單查詢、
物流跟蹤、自助退貨等），并將機器人部署在不同終端上（如網站、移動 APP、智能硬件等）。
具體來說，云小蜜可以進行文本機器人、熱線機器人、實體機器人、輔助助手等產品的開發
與使用，通過知識庫實現單輪問答的智能回復、通過對話工廠實現多輪問答以及系統交互類
業務處理，除此之外，還有機器閱讀、知識圖譜等產品功能供不同場景用戶使用。同時，通
過視角的設置，可以將小蜜進行不同渠道的部署，對每個渠道進行個性化問答。
[官方文檔]([https://help.aliyun.com/document\_detail/60453.html?spm=5176.12818093.0.0.488716d0YIDTM8](https://help.aliyun.com/document_detail/60453.html?spm=5176.12818093.0.0.488716d0YIDTM8))
# 二、開通服務
## 2.1申請開通云小蜜
進入阿里云之后搜索云小蜜，進入小蜜官方產品頁面，點擊獲取使用資格（需要提前進行實
名認證），進入系統審核環節。審核完畢后，會顯示“管理控制臺”按鈕，如下圖：
點擊“管理控制臺”按鈕，進入云小蜜控制臺界面，如下圖：
可看到的產品功能介紹如下：
A．機器人管理：對機器人實例（租戶）進行新建、編輯（姓名、注釋）、管理、備注等；
B．知識庫：對現有知識進行管理編輯，增刪改查等；
C．數據看板：對日常數據運營情況進行檢查。
D．高級設置：主要是知識庫設置（視角設置）、權限管理、開發者選項（暫未開放）等功能。
## 2.2創建實例
點擊“新建機器人”，進入購買環節，購買完畢后，進入機器人創建頁面，輸入機器人姓名、
備注，點擊保存，創建完畢。
點擊創建好的機器人，進入機器人頁面，分為機器人配置、會話接口、機器人訓練三個模塊。
A．1.機器人配置：分為機器人信息、綁定知識類目、對話流管理、查件管理等模塊。
2. 機器人信息：包括名稱、備注（可點擊右側編輯修改）、時區、機器人 ID(不可修改)；
3.綁定知識類目：點擊編輯可以綁定對應知識類目，機器人只有綁定對應類目后，才可以
對對應類目下的知識進行問答。
4.對話流管理：點擊去對話工廠，可以進入對話工廠創建對話流，上線后的對話流可以在
這個模塊看到。
B．1.會話接口：包括視角的編碼、實例 id 信息、AccessKey 信息等。
2.視角編碼：開發者調用對應接口時，需要調用對應的視角編碼，則機器人返回答案為對應視
角的答案（針對 FAQ 而言。對話工廠目前沒有視角概念，需要在對話流里通過函數進行判
斷）
3.實例 ID 信息：調用時候需要用到。
4.AccessKey 信息：調用時候需要用到。
C.機器人訓練：為機器人訓練工具，可以對機器模型算法進行訓練，提升整體問答準確率。
# 三、知識維護
## 3.1 創建類目
### 3.1.1 從知識庫進行類目創建
點擊知識庫-類目管理，進入類目創建。點擊：“類目樹為空，點擊新建第一個類目”
輸入類目名稱，點擊勾號，保存對應類目：
如果在該級類目下需要創建子類目，則點擊類目管理-創建好的類目（例：客戶服務）-子級，進入子類目設置，輸入類目名稱、點擊勾號，保存對應類目。
類目創建完畢后，進入機器人管理-機器人配置-綁定知識類目：
勾選對應類目，點擊確定，則綁定了對應類目，可以問答對應類目下知識。
### 3.1.2 從機器人管理進行類目創建
點擊機器人管理-機器人配置-綁定知識類目，在彈出窗口中，點擊“創建一級類目”，可以新
創建一個一級類目，操作與從知識庫操作基本相同，新建類目會默認勾選綁定，我們可以認
為去掉勾選。
創建完畢后，根據實際需求確認勾選類目，點擊保存，即完成綁定。
## 3.2 創建知識
點擊知識庫，進入知識編輯界面。
點擊“新建知識”，在彈出的新建知識對話框中，輸入類目路徑、知識標題、核心詞、視角、生效時間、答案。
A. 類目路徑：該條知識所歸屬的類目，點擊后選擇對應類目綁定。
B. 知識標題：一般是用戶的常見問法，機器人會把用戶的問法與知識標題進行匹配。
C. 核心詞：該條知識里面最為核心的詞匯，是為了更精確定位問題而產生，它有如下規則：
1.核心詞和知識類目不可混淆，類目只是知識的管理結構，不參與知識搜索匹配。
2.核心詞是知識標題中最核心的部分，一定一字不差的包含在知識標題中；如果有其他表達方式，可以給核心詞添加同義詞。
3.知識標題是用戶最常見的業務問法，核心詞需要包含在大部分的相似標題中；
4.核心詞不能是其他核心詞的同義詞；
5.核心詞之間不可包含；
6.核心詞不可過長或者過短，建議保持合適的詞或者短語粒度；
7.核心詞及其同義詞要合理管理，避免混亂或互相重疊。
D. 生效時間：一些活動類或者其他短暫生效的知識，可以設置一定的生效時間，過了生效時間后知識自動失效。
E. 答案：當機器人知識被觸發后，機器人返回給用戶的答案內容。答案支持按視角回復給用戶（即不同視角，我們可以設置不同答案),
在答案內容上，支持文字（字體、顏色、下劃線、高量、刪除、對齊等操作）、圖片、超鏈、等內容格式。如果有不同的渠道，且渠
道答案不一樣，我們可以在創建完一個答案后，再點擊“新建答案”，創建另一個視角的答案。
以上內容填寫完畢后，點擊保存，即可保存對應答案。
## 3.3 批量操作
如果批量操作的知識量比較大，可以采取批量操作，包括批量導入和批量導出、批量刪除、失效等。
A. 批量導入:
點擊知識庫-批量導入，進入批量導入頁面，下載標準模板進行知識維護。
在下載的模板中，依次填入類目路徑（需要提前有這個類目，如果沒有導入會報錯）、核心詞名稱（核心詞定義規則按上文描述，只有一個同義詞）、
核心詞同義詞名稱（核心詞的同義詞，要求必須是英文逗號間隔，中文逗號會報錯，知識標題（只有一條，按上述規則）、相似問法（知識標題的相似問法，
最好包含核心詞和同義詞，相似問之間用換行隔開）、答案（默認是默認視角的答案，可以增加視角以及答案）。填寫完畢后，進行上傳。
B. 批量導出
點擊知識庫-批量導出，選擇對應導出類目，點擊確定，即可導出對應類目的知識。
C. 批量刪除
目前不支持類目層級的知識刪除。我們可以按類目選擇內容進行刪除。點擊知識庫-某一類目，進入知識界面后，點擊左上角勾選，選擇所有知識，點擊右下角刪除，刪除當頁所有知
識。
D. 批量失效
步驟通批量刪除，點擊類目選擇某些知識，點擊右下角失效按鈕，則全部失效；
E.批量轉移、發布
步驟通批量刪除。
知識新建完畢后，可以通過知識庫進行增刪改查相關知識。如果想修改或者刪除對應核心詞，可進行搜索該核心詞-點擊核心詞-查看詳情，可以編輯核心詞、刪除同義詞、刪除核心詞、
增加同義詞、修改核心詞等，實現核心詞的管理。目前沒有單獨的核心詞管理工具。
# 四、對話工廠
## 4.1 新建對話流
點擊機器人管理-某機器人-對話流管理-去對話工廠，進入對話流管理界面：
點擊“新建對話流單元”，輸入姓名、描述，選擇對話流模板（可以先選空白對話流），進入對話流畫布界面。
在這個畫布頁面就可以進行多種流程、會話的智能化配置和管理。
## 4.2 梳理業務流程
在創建對話流之前，我們會先根據業務需要梳理業務流程。我們以停車費用查詢和天氣查詢為例，進行兩個業務梳理。
A. 停車費用業務梳理
我們以停車費用做為多輪問答的案例。停車費用需要考慮是室內、室外，車牌顏色等多個場景，每個場景的答案不一樣，最簡單的場景也至少要兩輪問答， 邏輯圖如下：
B. 天氣查詢梳理
我們以天氣查詢作為查詢類業務的案例。天氣查詢需要明確日期、城市才能明確要查詢什么內容，同時還需要調用對應的接口才能實現，我們梳理的業務內容如下：
## 4.3 意圖節點
意圖節點是用來綁定用戶的意圖的節點，當觸發用戶意圖的時候，系統觸發當前意圖節點下的動作，例如，當下面為回復節點的時候，觸發機器人播報對應回復內容。意圖節點要綁定對應意圖才能生效。
點擊意圖列表-新建意圖，進入意圖創建環節。
目前支持兩種方式創建意圖節點，包括劃詞配置和高級配置。
A. 劃詞配置：直接輸入用戶的高頻問法，當不勾選嚴格匹配的時候，可以通過算法自動泛化說法。例如，在劃詞配置里面配置：“我想問下停車怎么收費”，則當用戶問“停車收費”時，也可以配到該條意圖。
B.高級配置：利用 LGF 規則對用戶說法進行泛化處理。詳見《LGF 規則文檔》。通過 LGF 規則泛化后，當用戶說法符合當前 LGF 規則，則匹配當前意圖。
用戶將意圖節點拉到畫布中，從開始的節點連線到對應意圖節點，命名當前節點，并且把意圖節點綁定用戶意圖（點擊新增 and 條件，選擇對應意圖；如果隨意 N 個意圖都能觸發， 還可以點擊下面的新增 or 條件組，新增其他意圖，這樣不管命中哪一個意圖都會觸發當前節點），則用戶表述相關內容后可以出發當前節點。如果節點下面沒有動作，是無法保存的， 必須有其他的動作節點，比如函數節點、填槽節點、回復節點等。
生命周期是指假設現在對話處于這個觸發節點前面的回復節點時，用戶沒有按照流程走，而是跳走了，那么X 輪（X 為你填寫的生命周期）之內還能再接回這個觸發節點。
## 4.4 回復節點
回復節點也就是機器人回復給系統的內容的節點。我們可以通過在回復節點的話術控制，實現整體的VUI 設計。例如，剛剛舉例的停車費用場景，當用戶啟動停車費用意圖后，我們可以通過回復節點的內容讓用戶回復：“請問您是需要停在室內還是室外？”
用戶根據反問導引，可能會說室內，室外，都可以等回復，根據不同意圖再進行新意圖的創建以及與意圖節點的綁定，同時，針對不同意圖進行針對性回復。
編寫完畢后，點擊保存草稿，可以把當前的對話流保存。
## 4.5 專有名詞
指專有名詞是同類型單詞的合集，如：城市、日期、顏色等。語義通過專有名詞進行理解， 然后抽取并輸出機器可以理解的格式。例如用戶說「我喜歡綠色」，我們都知道綠色是一種顏色，但如果我們不預先告訴機器，機器是不會知道的。為了讓機器能夠理解綠色，我們可以創建一個詞庫，把常見的顏色列舉，這樣機器再遇到這些詞，就能知道是一種顏色。
A. 標準名詞：在生活和業務當中，有很多不同的詞語代表著同一種意思，例如：北京、帝都、中國首都。這幾個詞語都是指同一個城市，那么我們可以通過配置的方式將這些詞語指定到一個標準名詞：例如，北京是中國城市中的一個，那么他屬于城市這個類名詞下面，同時他又可以叫帝都、北平等。那么我們可以讓北京作為名詞成員，帝都作為同義詞。
B.正則名詞：正則名詞是基于問法規則的名詞體系，例如手機號碼，我們沒辦法窮舉，但是他其實是有一個體系的，我們就用一個文法規則來表述（1\\d{10}），詳細的正則規則見正則規則文檔。
除了我們自己創建的名詞外， 系統還預置了非常多的系統內置名詞， 例如： @sys.date\\@sys.geo-city 等。他們本身是一系列固定的詞組，但是我們人工維護又很麻煩（例如全國的城市、區縣），系統為了解決這個問題，就自動內置了很多的實體，方便我們進行引用。
通常專有名詞會和意圖進行綁定。例如，在詢問天氣時，我們是需要時間和地點的，那么我們就需要引入城市和時間兩個專有名詞。正好這兩個詞是系統有預置，我們可以通過兩種方式引用：
1. 劃詞引用：在劃詞配置界面，直接針對用戶詢問進行劃詞，例如用戶問“明天杭州天氣怎么樣”，其實明天和杭州是可變的，不同的值結果也不一樣，那么我們就稱之為槽位，相對應的值（“明天”“杭州”）稱之為槽值，我們引用專有名詞拓展整體槽值范圍。用鼠標劃取下方對應取值范圍，點擊添加標注，選擇對應專有名詞（@sys.date、@sys.geo-city） 編輯完畢后，點擊修改參數名稱，讓自己好記一些（例如，改成 date 和 city）點擊保存， 即可實現劃詞引用。這個時候，用戶說后天南京天氣怎么樣，前天合肥天氣怎么樣，系統就都能識別了。
2. 高級配置引用：除了劃詞配置外，我們還可直接對專有名詞進行 LGF 規則引用，引用方式如下：
點擊編輯意圖-高級配置-新增參數，添加對應所需要的意圖參數，并改寫相關信息(參數名稱)。
點擊新增問法，輸入”${}”,系統會自動推薦參數引用，選擇對應參數。注意，LGF 規則只能調用目前已有（下方意圖參數中已有）的參數，沒有關聯的參數無法引用。
當意圖參數勾選詞組時，則在收集改參數的時候，可以按照數組的模式收集若干條信息。例如，我可以在city 那里勾選數組，則我在收集信息的時候，可以收集若干個城市的信息。意圖和專有名詞綁定后，后面可以對接填槽節點來收集信息。
## 4.6 填槽節點
填槽節點主要實現兩個功能：1.收集當前節點下沒有收集到的名詞信息，2.把收集到的名詞的值收集到系統里。這里的信息收集主要是通過節點的反問來實現的。
在將填槽節點拖至畫布，點擊鏈接意圖和填槽節點，選擇對應的意圖（通常系統會默認鏈接的那個意圖節點所綁定的意圖）。系統會自動跳出這個意圖下所綁定的參數。我們可以勾選必選或者不勾選必選，同時，在后面編輯對應反問。
點擊訪問下的筆按鈕，點擊新增回復，創建該參數反問（即，用戶沒有說這個參數的時候我們反問用戶讓用戶把參數提交上來）：
編寫完畢后點擊保存。進入下一環節。
如果沒有填槽節點，即使用戶表述中觸發了對應槽值，我們也沒有辦法將槽值傳到系統以及函數，所以填槽節點的存在是重要的，哪怕他不要執行反問的那個動作（如果前面已經有這個值，那么收集這個值的對應反問就不需要觸發）。
## 4.7 函數節點
通過函數節點，我們可以實現對于 api 接口的調用或者對函數的調用。
API 接口：我們可以根據使用已經成型的接口，對數據進行調用，通常情況會有 post 和 get 兩種模式，回傳內容可能是在 query、header、body 三種方式，調用方式和回傳字段由接口定義。
例如，在天氣查詢字段中，我們的接口連接為：www.aliyun.com，調用方式為 get，接口字段為city、date，對應的字段的值引用對應系統中的某些值。在天氣查詢里面，主要是上傳City 和Date 的值。引用方式是${天氣的意圖.City}(前面是意圖，后面是意圖相關參數，這個時候引用的是專有的專有名詞的值。如果想引用原有的值（比如直接引用了同義詞），需要用${天氣的意圖.City.orgin})。
如果涉及到函數計算調用，通常涉及到函數編寫，這個時候需要開發進入協助編寫調用。
調用對應參數后，我們可以針對返回的結果進行調用，調用方式為${functionOutput}，如果涉及返回結果的具體某個值，那么可以用${functionOutput.XXX.XXX}的方式進行調用。上面內容可以在回復節點里面對文檔綜合使用
## 4.8 聯調測試
上述內容填充完畢后，我們點擊保存草稿、測試，即可將對話流上傳測試。
點擊調試窗，進入調試頁面，我們可以按照我們梳理的意圖，進行問答的測試，看配置的流程是否有問題。在配置的過程中可能會出現如下問題：
1. 名稱沖突：當對話流中各個節點出現重名的時候，是沒有辦法保存的；
2. 最終節點不是回復節點：最終節點必須是回復節點（報錯為：葉節點只能為 response 節點）；
3. 函數調用異常：可能是調用的方式出現異常，或者上傳的字段出現異常，或者鑒權的方式出現異常等，具體分析建議可以讓開發看下。
4. 其他異常：按 case 進行溝通。例如，流程可能出現異常，跳轉錯誤、系統超時等；
## 4.9 導入對話流
除了自己編寫創建對話流之外，我們還可以將對應的對話流進行導出導入。點擊對話工廠- 某個對話流右上角-點擊導出，即可導出對應對話流。注意，只有發布過的對話流才可以進行導出設置。
導出之后的對話流可以備份或者導入到其他的對話工廠中，點擊對話工廠右上角“導入對話流”，選擇導出的字符串，則可以導入對應的對話流。對話流導入后是未發布狀態，需要進入對話流之后測試發布。
# 五、 高級設置
## 5.1 視角
項目實際實施過程中，針對不同的渠道，我們可能會有不同的處理方案，比如在釘釘上給的答案和在 WEB 上給的答案不一致的情況，我們通過視角來對不同渠道的咨詢進行答案的區 分，這樣從不同的視角咨詢過來后，就可以給他吐當前渠道的答案，以此區分。前端調用的時候，可以根據不同視角的參數來區分。
A.創建視角：點擊高級設置-視角-新增視角，創建視角名稱，點擊確認：
B. 編輯視角:點擊新增視角下的編輯，可以對當前意圖進行更名、關閉等操作。關閉后該視角不可調用。
所有已經創建的視角可以在維護 FAQ 的時候對當前創建的視角進行創建。
# 六、 數據洞察
## 6.1 接待概況
我們可以對某個機器人的接待情況進行數據監控梳理。我們可以搜索、點選某個機器人，選 擇某個時間段（可以點選時間，如昨天、前天、近 7 天等），還可以直接選某段時間。
我們可以看某個數據的趨勢，還可以直接把數據列表下載下來。
接待人次：按 session 量計算
對話輪次：用戶發出一次對話，記為一個對話輪次
會話平均輪次：對話輪次/接待人次
知識對話輪次：直接命中知識的對話輪次
對話工廠對話輪次：觸發對話工廠的對話輪次
解決接待量：排除轉人工（如有）、無答案、最后一次推薦未點擊、點踩（如有）的服務 session量（接待人次）
上述指標主要是業務的量的指標，可以看看機器人承載了多少業務量。
## 6.2知識分析
該數據主要對整體的知識進行分析，通過知識數量、有效知識占比、命中占比等數據，來看我們數據維護的粒度、廣度是否合適。
我們可以下載知識明細，看下整體知識的運行情況。
## 6.3服務能力
服務能力主要是考察無答案率、推薦未點擊率的識別效果。可以選擇某個時段 ，看這個時段的無答案率。無答案率、推薦未點擊率越高，整體的機器人的服務能力越差。我們可以根據無答案聚類、推薦未點擊聚類等結果，進行結果的優化。
## 6.4 會話歷史
整體的會話歷史可以在此下載，我們可以對下載的數據進行標注、聚類、分析，提升整體機器人的表現。
