⽬录
Chatopera 为开发者提供⼯具，低代码或⽆代码上线聊天机器⼈。
Chatopera 多轮对话⼯作机制
本篇的主要⽬的是帮助 ⽤户从系统的⾓度理解 Chatopera 的多轮对话解决⽅案，尤其是刚刚开始认识 Chatopera 服务的新⽤户，待阅读本篇后，相信⼤家可以使⽤ Chatopera 机器⼈平台快速定制出满⾜各种需求的聊天机器⼈。
耐高温深井泵
多轮对话的定义
Chatopera 的智能对话机器⼈解决⽅案主要⾯向企业在客户服务、营销和企业内部协作中使⽤⾃然语⾔交互完成信息查询、任务和⾃动化流程。⽬前，市场中⽐较常见的智能对话机器⼈解决⽅案主要是⼀问⼀答：设定问答对，使⽤信息检索形式，提供信息查询功能，在Chatopera 看来，这不是智能对话机器⼈的体验。
飞星晒图机在 Chatopera，我们认为多轮对话是在⼀定时间内，⼀定交互次数内，考虑对话的上下⽂，每次⼈发送聊天内容时，机器⼈具备从上下⽂情境中分析最合理的回答，准确的为⼈提供回复。
什么场景下使⽤多轮对话
Chatopera 的智能对话机器⼈解决⽅案是⼯具，⽤于设计、实现和发布聊天机器⼈。从价值提供上，Chatopera 所⾯向的是封闭域聊天，更关注智能对话机器⼈在⽣产、消费和制造等领域的聊天机器⼈应⽤；在开放域聊天，尤其是以闲聊为主的应⽤，不是 Chatopera 智能对话机器⼈的关注点，虽然我们提供了标准的通⽤的⼯具，但是作为开放域聊天，在⽬前还没有好的技术⽅案，强⼈⼯智能还没有成熟，对于实际应⽤上，还不能⼤规模的提供价值。
Chatopera 的多轮对话服务，可以⾯向不同⾏业，⽐如教育、电商、游戏和⽣产制造等。尤其是客服和企业内部协作中，将以前通过表单、⼈⼯等的服务使⽤⾃然语⾔对话的形式实现。应⽤场景⽐如智能客服、智能招聘⾯试、智能提交⼯单、智能提交请假、智能分析潜在客户意向等。
Chatopera 多轮对话
Chatopera 多轮对话解决⽅案的⼀个主要⽬标是以⽆代码、低代码的形式上线智能对话机器⼈，为了实现这个⽬标，Chatopera 将不同形式的问答技术打造为基础模块，提供每个模块的管理⼯具、APIs，Chatopera 机器⼈平台⽤户可以单独使⽤。在基础模块之上，再融合为⼀个多轮对话⽅案。⽬前，基础模块包括：1）以搜索引擎技术为主的知识库；2）以机器学习为主的意图识别；3）以脚本规则为主的对话脚本。其中，⼜以脚本规则为中⼼融合知识库和意图识别，这个融合的产物就是 Chat opera 多轮对话。融合多种问答技术，实现为标准的⼯具，提供最佳实践，是 Chatopera 机器⼈平台的主要特⾊。
在使⽤ Chatopera 机器⼈平台时，理解基础模块的⼯作原理，并熟悉多轮对话的检索机制，是⾮常重要的，掌握了这些知识可以帮助您实现具有强⼤对话能⼒的智能对话机器⼈。
⽬前，基础模块包括：知识库、意图识别和脚本对话。
知识库
通过设定问答对实现问答，对话⽤户的请求⽂本和问答对⾥的标准问或扩展问⽐较，计算相似度，当相似度⾼于阀值时，即认定该问答对的答案是对话⽤户需要的回复。
在 Chatopera 知识库中，⽀持扩展问、近义词词典、多答案和答案类型。
意图识别外科医生的手套
通过为每个意图添加说法和槽位，训练机器学习模型。对话⽤户的⽂本被分析为某⼀个意图，如果识别了意图，则计算槽位信息，并且对于没有识别到的槽位进⾏追问。槽位可以绑定到某个词典，Chatopera 机器⼈平台提供⾃定义词典和系统词典。⾃定义词典包括词汇表词典和正则表达式词典，词汇表词典主要⽤于处理业务上的关键字段、同义词和专有名词；正则表达式词典则⽤于识别⼿机号、⾝份证号、订单号、邮箱等⼀些具有规则的信息。系统词典是⽤机器学习训练的命名实体提取判定的信息，⽐如⼈名、地名、组织机构和时间等。
脚本对话
脚本对话是通过书写 Chatopera 多轮对话脚本语法建⽴的规则组合实现问答。对话脚本将对话分为匹配器，即和对话⽤户的输⼊进⾏⽐较的规则；回复，匹配规则后的回复内容，⽀持⽂本和函数；上下轮钩⼦，将规则与规则进⾏关联。对话脚本中的函数，使⽤ JavaScript ⽅式低代码编程，内置函数库，即⽅便了系统集成，同时也提供⼤量⾃然语⾔处理帮助函数，不需要掌握⾃然语⾔处理 NLP 的知识，开发者可以专注的实现业务逻辑。
在脚本匹配器语法和函数中，融合知识库和意图识别，所以，脚本对话是多轮对话的中⼼，围绕脚本实现不同问答技术的融合。所以，很多时候，⽂档和产品中，也⽤【多轮对话】表述脚本对话，就是这个原因。但是脚本独⽴构成了⼀个模块，在 Chatopera 机器⼈平台内部，实现了对话脚本引擎。
shenh
以上为各个问答模块的概述，待阅读本页内容后，可以从左侧导航菜单了解每个模块的使⽤详情说明。
多轮对话的检索
在 Chatopera 多轮对话中，理解检索顺序是熟悉多轮对话原理的关键知识点。⾸先是基础模块间的检索顺序，然后是对话脚本中的话题的检索顺序。 模块间检索
对话⽤户请求时，多轮对话会先从知识库检索，匹配知识库问答对，当有问答对⾼于知识库阀值时，机器⼈回复问答对中的答案内容；未匹配知识库，进⼊脚本对话，从话题中匹配，匹配上则回复内容；否则则回复兜底回复。有下图关系。
其中，知识库阀值默认为 0.9。
这样的检索完成了知识库和脚本对话的融合，这也是⼤的框架，关于知识库、脚本对话和意图识别的相互之间的调⽤关系，后⽂会有更多介绍。
创建脚本对话的话题
聊天机器⼈的多轮对话主要就是很多对话规则的组合，可以设想这些对话规则组成了⼀个个的话题，在对话时，可以聊⼀个话题，可以跳跃到其它的话题。那么，每次获得了聊天⽤户的⽂本，机器⼈进⾏答案的检索就是选择最合理的话题并到匹配的规则，计算回复内容。
在创建好机器⼈后，下载多轮对话设计器，在多轮对话设计器中，创建话题。
话题⾥使⽤脚本实现对话逻辑，⽤⼀个简单的例⼦说明脚本语法⾮常容易掌握。
+ 开始的是匹配器，⽬前 Chatopera 多轮对话⽀持通配符匹配器和模糊匹配器；- 开始的是回复，⽬前⽀持⽂本和函数，函数是JavaScript 脚本；% 开始的是上下轮钩⼦，⽤以关联规则。
使⽤多轮对话设计器撰写对话脚本的⽤户体验，经过了多年的打磨，已经⾮常成熟和稳定。
dvd机芯
在多轮对话设计内调试对话，现在对于多轮对话设计器还不需要详细了解，本节内容旨在介绍原理，⽽话题作为重要的概念，需要先介绍如何创建以及在哪⾥编辑。
话题检索顺序
每个话题包含名字和⼀些规则，每个规则包括了匹配器和回复，业务上有明确的上下轮依赖的规则使⽤上下轮钩⼦进⾏关联。
话题检索也是有顺序的，匹配到了某⼀个话题的规则，后续的话题就被跳过。匹配从⾼优先级到低优先级进⾏，最⾼优先级是【前置话题】，话题名称为系统约定：__pre__；最低优先级是【后置话题】，话题名称为系统约定：__post__。优先级仅低于前置话题的话题是当前话题，就是上⼀次对话⽤户匹配到的规则所在的话题；其余的话题根据算法动态的排序。
如果使⽤了上下轮钩⼦，则最先匹配携带有上下⽂钩⼦（就是 % 上次回复内容）的规则。
防身戒指
整体上，脚本对话在检索时，检索栈是动态变化的。
对话状态机
现在，我们从另⼀个⾓度，状态机的⾓度思考多轮对话，因为是在多个连续的交互中，完成⼀个对话⽬标，那么就存在⼀个状态的问题，状态机是状态可以转移的图，两个状态之间的关系通过状态机约束。⽐如，某个活动通知的对话状态机如下：
