Moien, Habr! Haut weisen mir Iech wéi Dir Azure benotzt fir Probleemer ze léisen déi typesch mënschlech Interventioun erfuerderen. Agente verbréngen vill Zäit fir déiselwecht Froen ze beäntweren, Telefonsuriff an SMSen ze behandelen. Chatbots automatiséieren Kommunikatioun an Unerkennung a reduzéieren d'Belaaschtung op d'Leit. Bots ginn och an Azure DevOps benotzt, wou se et erlaben, zum Beispill, Verëffentlechungen z'accordéieren, Builds ze managen - kucken, starten an stoppen - direkt vu Slack oder Microsoft Teams. Am Wesentlechen erënnert e Chatbot e bëssen un e CLI, nëmmen interaktiv, an erlaabt den Entwéckler am Kontext vun der Chat Diskussioun ze bleiwen.
An dësem Artikel schwätze mir iwwer Tools fir Chatbots ze kreéieren, weisen wéi se mat kognitiven Servicer kënne verbessert ginn, a beschreiwen wéi d'Entwécklung mat fäerdege Servicer an Azure beschleunegt gëtt.
Chatbots a kognitiv Servicer: wat sinn d'Ähnlechkeeten a wat sinn d'Ënnerscheeder?
Fir Bots an Microsoft Azure ze kreéieren, benotzt Dir den Azure Bot Service an de Bot Framework. Zesummen representéieren se eng Rei vu Software fir Botten ze bauen, ze testen, z'installéieren an ze verwalten, wat Iech erlaabt aus fäerdege Moduler souwuel einfach a fortgeschratt Kommunikatiounssystemer mat Ried Ënnerstëtzung, natierlech Sproochenerkennung an aner Fäegkeeten ze kreéieren.
Loosst eis unhuelen datt Dir en einfachen Bot implementéiere musst baséiert op engem Firmen Q&A Service oder, ëmgekéiert, e funktionnelle Bot mat engem komplexen, verzweifelte Kommunikatiounssystem erstellen. Fir dëst ze maachen, kënnt Dir eng Rei vun Tools benotzen, opgedeelt an dräi Gruppen:
- Servicer fir séier Entwécklung vun Dialog Interfaces (Bots).
- Fäerdeg kognitiv AI Servicer fir verschidde Benotzungsfäll (Mustererkennung, Riederkennung, Wëssensbasis a Sich).
- Servicer fir AI Modeller ze kreéieren an ze trainéieren.
Typesch verwiesselen d'Leit intuitiv "Bots" a "kognitiv Servicer", well béid Konzepter op de Prinzip vun der Kommunikatioun baséieren, an de Gebrauchsfall fir Bots a Servicer implizéiert Dialogen. Awer Chatbots schaffen mat Schlësselwieder an Ausléiser, a kognitiv Servicer funktionnéieren mat arbiträren Ufroen, déi normalerweis vu Mënschen veraarbecht ginn:
Kognitiv Servicer sinn eng aner Manéier fir mam Benotzer ze kommunizéieren, hëlleft eng arbiträr Ufro an e klore Kommando ze konvertéieren an un de Bot weiderzebréngen.
Also, Chatbots sinn Uwendungen fir mat Ufroen ze schaffen, a kognitiv Servicer sinn Tools fir intelligent Analyse vun Ufroen déi getrennt lancéiert ginn, awer op déi den Chatbot Zougang kann, "intelligent" ginn.
Chatbots erstellen
De recommandéierten Designdiagramm fir e Bot an Azure ass wéi follegt:
Fir Bots an Azure ze designen an z'entwéckelen, benotzt . Verfügbar op GitHub , d'Fähigkeiten vum Kader änneren, also ass et néideg fir d'Versioun vun der SDK ze berücksichtegen, déi an de Bots benotzt gëtt.
De Kader bitt verschidde Méiglechkeeten fir Bots ze kreéieren: klassesche Code, Kommandozeilinstrumenter oder Flowcharts benotzen. Déi lescht Optioun visualiséiert Dialogen fir dëst Dir kënnt de Manager benotzen . Et gouf op der Bot Framework SDK als visuellt Entwécklungsinstrument gebaut dat cross-disziplinär Teams kënne benotze fir Bots ze kreéieren.
Bot Framework Composer erlaabt Iech Blocks ze benotzen fir eng Dialogstruktur ze kreéieren mat där de Bot funktionnéiert. Zousätzlech kënnt Dir Trigger erstellen, dat heescht Schlësselwierder, op déi de Bot während dem Dialog reagéiert. Zum Beispill, d'Wierder "Operateur", "Vol" oder "stoppen" an "genuch".
Am Bot Framework Composer kënnt Dir komplex Dialogsystemer erstellen benotzen . Dialogue kënne souwuel kognitiv Servicer wéi Eventkaarte benotzen (Adaptive Cards):
No der Schafung kënnt Dir den Chatbot an engem Abonnement ofsetzen, an en automatesch preparéiert Skript erstellt all déi néideg Ressourcen: kognitiv Servicer, Applikatiounsplang, Applikatiounssiicht, Datebank, asw.
QnA Maker
Fir einfach Bots op Basis vu Q&A Datenbanken ze kreéieren, kënnt Dir de QnA Maker kognitiv Service benotzen. Implementéiert als einfache Web-Wizard, et erlaabt Iech e Link op eng Firmenkenntnisserbasis (FAQ Urls) z'inputéieren oder eng Dokumentdatenbank am *.doc oder *.pdf Format als Basis ze benotzen. Nodeems Dir den Index erstallt hutt, wielt de Bot automatesch déi passendst Äntwerten op d'Froen vum Benotzer.
Mat QnAMaker kënnt Dir och Ketten erstellen fir Froen ze klären mat automatescher Schafung vu Knäppercher, d'Wëssenbasis mat Metadaten ergänzen an de Service während der Benotzung weider trainéieren.
De Service kann als Chatbot benotzt ginn, deen nëmmen dës eng Funktioun implementéiert, oder als Deel vun engem komplexe Chatbot deen, ofhängeg vun der Ufro, aner AI Servicer oder Elementer vum Bot Framework benotzt.
Schafft mat anere kognitiven Servicer
Et gi vill verschidde kognitiv Servicer op der Azure Plattform. Technesch sinn dës onofhängeg Webservicer déi aus Code genannt kënne ginn. Als Äntwert schéckt de Service json vun engem bestëmmte Format, deen am Chatbot benotzt ka ginn.
Déi meescht üblech Benotzunge vu Chatbots sinn:
- Text erkennen.
- Unerkennung vun Entwéckler-definéiert Benotzerdefinéiert Vision Service Bild Kategorien (Produktioun Fall: Unerkennung ob en Employé engem haarden Hittchen huet, goggles oder Mask).
- Gesiichtserkennung (en exzellente Benotzungsfall ass ze iwwerpréiwen ob d'Persoun, déi iwwerpréift gëtt, säin eegent Gesiicht gepost huet, oder, soen, eng Foto vun engem Hond oder eng Foto vun enger Persoun vun engem anere Geschlecht).
- Ried Unerkennung.
- Bild Analyse.
- Iwwersetzung (mir all erënnere mech wéi vill Kaméidi gläichzäiteg Iwwersetzung op Skype verursaacht huet).
- Spellcheck a Virschléi fir Feeler ze korrigéieren.
LUIS
Och fir Bots ze kreéieren déi Dir braucht (Language Understanding Intelligent Service). Service Ziler:
- Bestëmmt ob d'Ausso vum Benotzer Sënn mécht an ob d'Äntwert vum Bot néideg ass.
- Reduzéieren d'Efforte fir d'Benotzer Ried (Text) an d'Befehle fir de Bot ze verstoen.
- Prognostizéiert richteg Benotzerziler / Intentiounen an extrahiert Schlësselinbléck aus Ausdréck am Dialog.
- Erlaabt den Entwéckler de Bot ze starten andeems Dir nëmmen e puer Beispiller vu Bedeitungserkennung a spéider zousätzlech Ausbildung vum Bot während der Operatioun benotzt.
- Aktivéiert den Entwéckler Visualiséierung ze benotzen fir d'Qualitéit vum Kommando Transkriptioun ze bewäerten.
- Hëlleft bei inkrementelle Verbesserunge bei der richteger Zilerkennung.
Tatsächlech ass d'Haaptziel vum LUIS et mat enger gewësser Wahrscheinlechkeet ze verstoen wat de Benotzer gemengt huet an eng natierlech Ufro an en harmonesche Kommando ëmsetzen. Fir Ufrowäerter z'erkennen, benotzt LUIS eng Rei vun Intenten (Bedeitungen, Intentiounen) an Entitéiten (entweder virkonfiguréiert vun Entwéckler, oder geholl a virgeformt "Domänen" - e puer fäerdeg Bibliothéike vu Standardsätz virbereet vu Microsoft).
En einfacht Beispill: Dir hutt e Bot deen Iech eng Wiederprevisioun gëtt. Fir hien ass d'Intent d'Iwwersetzung vun enger natierlecher Ufro an eng "Aktioun" - eng Ufro fir eng Wiederprevisioun, an d'Entitéite wäerten Zäit a Plaz sinn. Hei ass en Diagramm wéi d'CheckWeather Absicht fir sou e Bot funktionnéiert.
Absicht
Essenz
Beispill vun enger natierlecher Ufro
CheckWeather
{"type": "Location", "entity": "moskau"}
{"type": "builtin.datetimeV2.date", "entity": "Zukunft","Resolutioun":"2020-05-30"}
Wéi wäert d'Wieder muer zu Moskau sinn?
CheckWeather
{ "type": "date_range", "entity": "dëse Weekend" }
Weist mir d'Prognose fir dëse Weekend
Fir QnA Maker a LUIS ze kombinéieren kënnt Dir benotzen .
Wann Dir mat QnA Maker schafft an eng Ufro vun engem Benotzer kritt, bestëmmt de System wéi engem Prozentsaz vun der Wahrscheinlechkeet d'Äntwert vu QnA mat der Ufro entsprécht. Wann d'Wahrscheinlechkeet héich ass, kritt de Benotzer einfach eng Äntwert vun der Firmenkenntnisser, wann et niddereg ass, kann d'Ufro un LUIS geschéckt ginn fir ze klären. D'Benotzung vun Dispatcher erlaabt Iech dës Logik net ze programméieren, awer automatesch dëse Rand vun der Trennung vun Ufroen ze bestëmmen a séier ze verdeelen.
Testen a publizéieren de Bot
Eng aner lokal Applikatioun gëtt fir Testen benotzt, . Mat dem Emulator kënnt Dir mam Bot kommunizéieren an d'Messagen iwwerpréiwen déi se schéckt a kritt. Den Emulator weist Messagen wéi se an engem Web Chat-Interface géife schéngen a protokolléiert JSON-Ufroen an Äntwerte beim Message vum Bot.
E Beispill fir den Emulator ze benotzen ass an dëser Demo presentéiert, déi d'Schafung vun engem virtuellen Assistent fir BMW weist. De Video schwätzt och iwwer nei Beschleuniger fir Chatbots ze kreéieren - Templates:
Dir kënnt och Template benotzen wann Dir Är Chatbots erstellt.
Schablounen erlaben Iech net Standard Bot Funktiounen nei ze schreiwen, mee prett-feieren Code als "Fäegkeet" derbäi. E Beispill kéint mat engem Kalenner schaffen, Rendez maachen, etc.. Code vun prett-feieren Kompetenzen op github.
Den Test war erfollegräich, de Bot ass prett, an elo muss et publizéiert ginn an d'Kanäl verbonne sinn. Verëffentlechung gëtt mat Azure duerchgefouert, a Messenger oder sozial Netzwierker kënnen als Kanäl benotzt ginn. Wann Dir net den erfuerderleche Kanal fir Daten aginn hutt, kënnt Dir no der entspriechender Gemeinschaft op GitHab sichen.
Och fir e vollwäertege Chatbot als Interface fir d'Kommunikatioun mat de Benotzer a kognitiven Servicer ze kreéieren, braucht Dir natierlech zousätzlech Azure Servicer, wéi Datenbanken, Serverlos (Azure Funktiounen), souwéi LogicApp Servicer an, eventuell , Event Grid.
Evaluatioun an Analytics
Fir d'Benotzerinteraktioun ze evaluéieren, kënnt Dir souwuel déi agebaute Analyse vum Azure Bot Service an de speziellen Application Insights Service benotzen.
Als Resultat kënnt Dir Informatioun sammelen op Basis vun de folgende Critèren:
- Wéi vill Benotzer hunn de Bot vu verschiddene Kanäl während der gewielter Zäit zougeruff.
- Wéivill Benotzer, déi ee Message geschéckt hunn, sinn spéider zréck an en aneren geschéckt.
- Wéi vill Aktiounen goufen mat all Kanal während dem spezifizéierte Zäitintervall geschéckt a kritt.
Mat Applikatioun Insights kënnt Dir all Applikatioun an Azure iwwerwaachen a besonnesch Chatbots, zousätzlech Daten iwwer d'Benotzerverhalen, d'Laascht an d'Chatbotreaktiounen erhalen. Et sollt bemierkt datt den Application Insights Service seng eegen Interface am Azure Portal huet.
Dir kënnt och d'Donnéeën, déi duerch dëse Service gesammelt ginn, benotze fir zousätzlech Visualiséierungen an analytesch Berichter am PowerBI ze kreéieren. E Beispill vun esou engem Bericht a Schabloun fir PowerBI kann geholl ginn .
Merci all fir Är Opmierksamkeet! An dësem Artikel hu mir benotzt aus dem Webinar vum Microsoft Azure Architekt Anna Fenyushina "Wann d'Leit keng Zäit hunn. Wéi 100% Chatbots a kognitiv Servicer benotze fir Routineprozesser ze automatiséieren", wou mir kloer gewisen hunn wat Chatbots an Azure sinn a wat d'Szenarie fir hir Benotzung sinn, an och demonstréiert wéi een e Bot am QnA Maker a 15 Minutten erstellt a wéi de Ufrostruktur gëtt am LUIS entziffert.
Mir hunn dëse Webinar als Deel vum Online Marathon fir Entwéckler Dev Bootcamp gemaach. Et handelt sech ëm Produkter déi d'Entwécklung beschleunegen an e puer vun der Routine-Aarbechtslaascht vun de Firmebeamten entlaaschten, déi Automatisatiounsinstrumenter a fäerdeg pre-konfiguréiert Azure Moduler benotzen. Opzeechnunge vun anere Webinarer, déi am Marathon abegraff sinn, sinn op de folgende Linken verfügbar:
-
Mir schwätzen iwwer d'Evolutioun an nei Fäegkeeten vum Azure DevOps Service. Mir analyséieren am Detail all fënnef vun hiren Haaptkomponenten a wéi de Service d'Organisatioun vun der industrieller Softwareentwécklung hëlleft. Presentateur: Vladimir Gusarov Microsoft MVP.
Mir betruechten wéi d'Approche "Assemblée als Code" fir all Programméierungssprooche mat multi-staged YAML Pipelines ëmzesetzen. Presentateur: Vladimir Gusarov Microsoft MVP.
Mir diskutéieren wéi Strategien entwéckelen fir Software Quellcode ze späicheren a wéi Versiounspäichersystemer mat Azure Repos benotzen. Presentateur: Vladimir Gusarov Microsoft MVP.
Mir presentéieren Open Source Management Techniken an der Entwécklung an der praktescher Uwendung vum WhiteSource Tool. Mir schwätzen iwwer d'Sich no Schwachstelle bei Open Source Komponenten an d'Erhalen vun der Lizenzrengheet mat WhiteSource. Presentateuren: Diana Lisbaron, Direkter vum Verkaf WhiteSource, an Daria Oreshkina, Web Control, offiziellen Distributeur vu WhiteSource a Russland.
Source: will.com
