ພວກເຮົາເລັ່ງການພັດທະນາໂດຍໃຊ້ບໍລິການ Azure: ພວກເຮົາສ້າງ chatbots ແລະບໍລິການມັນສະຫມອງໂດຍໃຊ້ເວທີ

ສະບາຍດີ, Habr! ມື້ນີ້ພວກເຮົາຈະສະແດງໃຫ້ທ່ານເຫັນວິທີການໃຊ້ Azure ເພື່ອແກ້ໄຂບັນຫາທີ່ປົກກະຕິຕ້ອງການການແຊກແຊງຂອງມະນຸດ. ຕົວແທນໃຊ້ເວລາຫຼາຍໃນການຕອບຄໍາຖາມດຽວກັນ, ຈັດການໂທລະສັບແລະຂໍ້ຄວາມ. Chatbots ອັດຕະໂນມັດການສື່ສານແລະການຮັບຮູ້ແລະຫຼຸດຜ່ອນພາລະຕໍ່ປະຊາຊົນ. Bots ຍັງຖືກນໍາໃຊ້ໃນ Azure DevOps, ບ່ອນທີ່ພວກເຂົາອະນຸຍາດໃຫ້, ສໍາລັບຕົວຢ່າງ, ອະນຸມັດການປ່ອຍ, ຈັດການການສ້າງ - ເບິ່ງ, ເລີ່ມຕົ້ນແລະຢຸດ - ໂດຍກົງຈາກ Slack ຫຼື Microsoft Teams. ໂດຍເນື້ອແທ້ແລ້ວ, chatbot ແມ່ນຂ້ອນຂ້າງຈື່ຈໍາຂອງ CLI, ພຽງແຕ່ໂຕ້ຕອບ, ແລະອະນຸຍາດໃຫ້ຜູ້ພັດທະນາຢູ່ໃນສະພາບການຂອງການສົນທະນາສົນທະນາ.

ໃນບົດຄວາມນີ້, ພວກເຮົາຈະສົນທະນາກ່ຽວກັບເຄື່ອງມືສໍາລັບການສ້າງ chatbots, ສະແດງໃຫ້ເຫັນວິທີການທີ່ເຂົາເຈົ້າສາມາດໄດ້ຮັບການປັບປຸງດ້ວຍການບໍລິການມັນສະຫມອງ, ແລະອະທິບາຍວິທີການເລັ່ງການພັດທະນາກັບການບໍລິການທີ່ກຽມພ້ອມໃນ Azure.

Chatbots ແລະບໍລິການມັນສະຫມອງ: ຄວາມຄ້າຍຄືກັນແລະຄວາມແຕກຕ່າງແມ່ນຫຍັງ?

ເພື່ອສ້າງ bots ໃນ Microsoft Azure, ທ່ານໃຊ້ Azure Bot Service ແລະ Bot Framework. ຮ່ວມກັນພວກເຂົາເປັນຕົວແທນຊຸດຂອງຊໍແວສໍາລັບການກໍ່ສ້າງ, ການທົດສອບ, ການປະຕິບັດແລະການຄຸ້ມຄອງ bots, ເຊິ່ງຊ່ວຍໃຫ້ທ່ານສາມາດສ້າງຈາກໂມດູນທີ່ກຽມພ້ອມທັງລະບົບການສື່ສານແບບງ່າຍດາຍແລະກ້າວຫນ້າທາງດ້ານການສະຫນັບສະຫນູນສຽງເວົ້າ, ການຮັບຮູ້ພາສາທໍາມະຊາດແລະຄວາມສາມາດອື່ນໆ.

ໃຫ້ສົມມຸດວ່າທ່ານຈໍາເປັນຕ້ອງປະຕິບັດ bot ງ່າຍໆໂດຍອີງໃສ່ການບໍລິການ Q&A ຂອງບໍລິສັດຫຼື, ໃນທາງກັບກັນ, ສ້າງ bot ທີ່ເປັນປະໂຫຍດທີ່ມີລະບົບການສື່ສານທີ່ສັບສົນ. ເພື່ອເຮັດສິ່ງນີ້, ທ່ານສາມາດນໍາໃຊ້ເຄື່ອງມືຈໍານວນຫນຶ່ງ, ແບ່ງອອກເປັນສາມກຸ່ມ: 

1. ການບໍລິການສໍາລັບການພັດທະນາຢ່າງໄວວາຂອງການໂຕ້ຕອບໂຕ້ຕອບ (bots).
2. ການບໍລິການ AI ສະຕິປັນຍາທີ່ກຽມພ້ອມສໍາລັບກໍລະນີການນໍາໃຊ້ທີ່ແຕກຕ່າງກັນ (ການຮັບຮູ້ຮູບແບບ, ການຮັບຮູ້ສຽງເວົ້າ, ພື້ນຖານຄວາມຮູ້ແລະການຄົ້ນຫາ).
3. ການບໍລິການສໍາລັບການສ້າງແລະການຝຶກອົບຮົມແບບຈໍາລອງ AI.

ໂດຍປົກກະຕິ, ປະຊາຊົນ intuitively confuse "bots" ແລະ "ການບໍລິການມັນສະຫມອງ" ເນື່ອງຈາກວ່າທັງສອງແນວຄວາມຄິດແມ່ນອີງໃສ່ຫຼັກການຂອງການສື່ສານ, ແລະກໍລະນີການນໍາໃຊ້ສໍາລັບ bots ແລະການບໍລິການກ່ຽວຂ້ອງກັບການສົນທະນາ. ແຕ່ chatbots ເຮັດວຽກກັບຄໍາຫລັກແລະຕົວກະຕຸ້ນ, ແລະການບໍລິການທາງດ້ານສະຕິປັນຍາເຮັດວຽກກັບການຮ້ອງຂໍທີ່ຕົນເອງມັກທີ່ຖືກປຸງແຕ່ງໂດຍມະນຸດ: 

ການບໍລິການທາງດ້ານສະຕິປັນຍາແມ່ນອີກວິທີຫນຶ່ງທີ່ຈະຕິດຕໍ່ສື່ສານກັບຜູ້ໃຊ້, ຊ່ວຍໃຫ້ການປ່ຽນຄໍາຮ້ອງຂໍທີ່ຕົນເອງມັກເປັນຄໍາສັ່ງທີ່ຊັດເຈນແລະສົ່ງຕໍ່ໄປຫາ bot. 

ດັ່ງນັ້ນ, chatbots ແມ່ນຄໍາຮ້ອງສະຫມັກສໍາລັບການເຮັດວຽກກັບຄໍາຮ້ອງຂໍ, ແລະການບໍລິການມັນສະຫມອງແມ່ນເຄື່ອງມືສໍາລັບການວິເຄາະອັດສະລິຍະຂອງຄໍາຮ້ອງຂໍທີ່ເປີດຕົວແຍກຕ່າງຫາກ, ແຕ່ວ່າ chatbot ສາມາດເຂົ້າເຖິງໄດ້, ກາຍເປັນ "ສະຫລາດ." 

ການສ້າງ chatbots

ແຜນວາດການອອກແບບທີ່ແນະນໍາສໍາລັບ bot ໃນ Azure ແມ່ນດັ່ງຕໍ່ໄປນີ້: 

ເພື່ອອອກແບບແລະພັດທະນາ bots ໃນ Azure, ໃຊ້ Bot Framework. ມີຢູ່ໃນ GitHub ຕົວຢ່າງຂອງ bots, ຄວາມສາມາດຂອງການປ່ຽນແປງກອບ, ດັ່ງນັ້ນມັນເປັນສິ່ງຈໍາເປັນທີ່ຈະຕ້ອງຄໍານຶງເຖິງສະບັບຂອງ SDK ທີ່ໃຊ້ໃນ bots.

ກອບສະຫນອງທາງເລືອກຫຼາຍສໍາລັບການສ້າງ bots: ການນໍາໃຊ້ລະຫັດຄລາສສິກ, ເຄື່ອງມືເສັ້ນຄໍາສັ່ງຫຼື flowcharts. ທາງ​ເລືອກ​ສຸດ​ທ້າຍ​ເປັນ​ພາບ​ໃນ​ການ​ໂຕ້​ຕອບ​; ສໍາ​ລັບ​ການ​ນີ້​ທ່ານ​ສາ​ມາດ​ນໍາ​ໃຊ້​ຜູ້​ຈັດ​ການ​ Bot Framework Composer. ມັນຖືກສ້າງຂຶ້ນໃນ Bot Framework SDK ເປັນເຄື່ອງມືພັດທະນາສາຍຕາທີ່ທີມງານຂ້າມລະບຽບສາມາດນໍາໃຊ້ເພື່ອສ້າງ bots.

Bot Framework Composer ອະນຸຍາດໃຫ້ທ່ານໃຊ້ບລັອກເພື່ອສ້າງໂຄງສ້າງການສົນທະນາທີ່ bot ຈະເຮັດວຽກ. ນອກຈາກນັ້ນ, ທ່ານສາມາດສ້າງຜົນກະທົບຕໍ່, ນັ້ນແມ່ນ, ຄໍາສໍາຄັນທີ່ bot ຈະມີປະຕິກິລິຍາໃນລະຫວ່າງການສົນທະນາ. ຕົວຢ່າງ, ຄໍາວ່າ "ຜູ້ປະກອບການ", "ລັກ" ຫຼື "ຢຸດ" ແລະ "ພຽງພໍ".

ໃນ Bot Framework Composer, ທ່ານສາມາດສ້າງລະບົບໂຕ້ຕອບທີ່ສັບສົນໂດຍໃຊ້ ກ່ອງໂຕ້ຕອບແບບປັບຕົວ. Dialogues ສາມາດໃຊ້ທັງການບໍລິການທາງດ້ານສະຕິປັນຍາ ແລະບັດເຫດການ (Adaptive Cards):

ຫຼັງຈາກການສ້າງ, ທ່ານສາມາດນໍາໃຊ້ chatbot ໃນການສະຫມັກ, ແລະສະຄິບທີ່ກຽມໄວ້ໂດຍອັດຕະໂນມັດຈະສ້າງຊັບພະຍາກອນທີ່ຈໍາເປັນທັງຫມົດ: ການບໍລິການມັນສະຫມອງ, ແຜນການຄໍາຮ້ອງສະຫມັກ, ຄວາມເຂົ້າໃຈຂອງຄໍາຮ້ອງສະຫມັກ, ຖານຂໍ້ມູນ, ແລະອື່ນໆ.

ຜູ້ຜະລິດ QnA

ເພື່ອສ້າງ bots ງ່າຍໆໂດຍອີງໃສ່ຖານຂໍ້ມູນ Q&A ຂອງບໍລິສັດ, ທ່ານສາມາດນໍາໃຊ້ບໍລິການມັນສະຫມອງ QnA Maker. ປະຕິບັດເປັນຕົວຊ່ວຍສ້າງເວັບໄຊຕ໌ທີ່ງ່າຍດາຍ, ມັນຊ່ວຍໃຫ້ທ່ານສາມາດໃສ່ການເຊື່ອມຕໍ່ກັບພື້ນຖານຄວາມຮູ້ຂອງບໍລິສັດ (FAQ Urls) ຫຼືໃຊ້ຖານຂໍ້ມູນເອກະສານໃນຮູບແບບ *.doc ຫຼື *.pdf ເປັນພື້ນຖານ. ຫຼັງຈາກການສ້າງດັດສະນີ, bot ຈະເລືອກຄໍາຕອບທີ່ເຫມາະສົມທີ່ສຸດໂດຍອັດຕະໂນມັດກັບຄໍາຖາມຂອງຜູ້ໃຊ້.

ການນໍາໃຊ້ QnAMaker, ທ່ານຍັງສາມາດສ້າງຕ່ອງໂສ້ຂອງຄໍາຖາມທີ່ຈະແຈ້ງດ້ວຍການສ້າງປຸ່ມອັດຕະໂນມັດ, ເສີມພື້ນຖານຄວາມຮູ້ດ້ວຍ metadata, ແລະການຝຶກອົບຮົມເພີ່ມເຕີມໃນການບໍລິການໃນລະຫວ່າງການໃຊ້.

ການບໍລິການສາມາດນໍາໃຊ້ເປັນ chatbot ທີ່ປະຕິບັດພຽງແຕ່ຫນຶ່ງຫນ້ານີ້, ຫຼືເປັນສ່ວນຫນຶ່ງຂອງ chatbot ສະລັບສັບຊ້ອນທີ່ໃຊ້, ອີງຕາມການຮ້ອງຂໍ, ບໍລິການ AI ອື່ນໆຫຼືອົງປະກອບຂອງ Bot Framework.

ເຮັດວຽກກັບການບໍລິການມັນສະຫມອງອື່ນໆ

ມີຫຼາຍບໍລິການທາງດ້ານສະຕິປັນຍາທີ່ແຕກຕ່າງກັນຢູ່ໃນເວທີ Azure. ດ້ານວິຊາການ, ເຫຼົ່ານີ້ແມ່ນການບໍລິການເວັບໄຊຕ໌ເອກະລາດທີ່ສາມາດຖືກເອີ້ນຈາກລະຫັດ. ໃນການຕອບສະຫນອງ, ການບໍລິການສົ່ງ json ຂອງຮູບແບບທີ່ແນ່ນອນ, ເຊິ່ງສາມາດນໍາໃຊ້ໃນ chatbot.

ການນໍາໃຊ້ທົ່ວໄປທີ່ສຸດຂອງ chatbots ແມ່ນ:

1. ການຮັບຮູ້ຂໍ້ຄວາມ.
2. ການຮັບຮູ້ປະເພດຮູບພາບການບໍລິການ Custom Vision ທີ່ກໍານົດໂດຍຜູ້ພັດທະນາ (ກໍລະນີການຜະລິດ: ການຮັບຮູ້ວ່າພະນັກງານໃສ່ຫມວກແຂງ, ແວ່ນຕາຫຼືຫນ້າກາກ).
3. ການຮັບຮູ້ໃບຫນ້າ (ກໍລະນີການນໍາໃຊ້ທີ່ດີເລີດແມ່ນການກວດສອບວ່າຜູ້ທີ່ຖືກສໍາຫຼວດໄດ້ຈັດພີມມາໃບຫນ້າຂອງຕົນເອງ, ຫຼື, ເວົ້າວ່າ, ຮູບຫມາຫຼືຮູບຂອງບຸກຄົນຂອງເພດທີ່ແຕກຕ່າງກັນ).
4. ການຮັບຮູ້ສຽງເວົ້າ.
5. ການວິເຄາະຮູບພາບ.
6. ການ​ແປ​ພາ​ສາ (ພວກ​ເຮົາ​ທຸກ​ຄົນ​ຈື່​ຈໍາ​ນວນ​ຫຼາຍ​ການ​ແປ​ພາ​ສາ​ສຽງ​ພ້ອມ​ກັນ​ໃນ Skype ໄດ້​ເກີດ​ຈາກ​ການ​)​.
7. ກວດສອບການສະກົດຄໍາແລະຄໍາແນະນໍາສໍາລັບການແກ້ໄຂຄວາມຜິດພາດ.

LUIS

ນອກຈາກນັ້ນ, ເພື່ອສ້າງ bots ທ່ານອາດຈະຕ້ອງການ LUIS (ພາສາຄວາມເຂົ້າໃຈການບໍລິການອັດສະລິຍະ). ຈຸດປະສົງການບໍລິການ:

• ກໍານົດວ່າຄໍາຖະແຫຼງຂອງຜູ້ໃຊ້ເຮັດໃຫ້ຄວາມຮູ້ສຶກແລະການຕອບໂຕ້ຂອງ bot ແມ່ນມີຄວາມຈໍາເປັນຫຼືບໍ່.
• ຫຼຸດຜ່ອນຄວາມພະຍາຍາມເພື່ອຖອດຂໍ້ຄວາມສຽງເວົ້າຂອງຜູ້ໃຊ້ (ຂໍ້ຄວາມ) ເຂົ້າໄປໃນຄໍາສັ່ງທີ່ເຂົ້າໃຈໄດ້ກັບ bot.
• ຄາດຄະເນເປົ້າໝາຍ/ຄວາມຕັ້ງໃຈຂອງຜູ້ໃຊ້ທີ່ແທ້ຈິງ ແລະສະກັດຄວາມເຂົ້າໃຈທີ່ສຳຄັນຈາກປະໂຫຍກໃນການສົນທະນາ.
• ອະນຸຍາດໃຫ້ນັກພັດທະນາເປີດຕົວ bot ໂດຍໃຊ້ພຽງແຕ່ສອງສາມຕົວຢ່າງຂອງການຮັບຮູ້ຄວາມຫມາຍແລະການຝຶກອົບຮົມເພີ່ມເຕີມຕໍ່ມາຂອງ bot ໃນລະຫວ່າງການປະຕິບັດງານ.
• ເຮັດໃຫ້ນັກພັດທະນາໃຊ້ການເບິ່ງເຫັນພາບເພື່ອປະເມີນຄຸນນະພາບຂອງການຖອດຂໍ້ຄວາມຄໍາສັ່ງ.
• ຊ່ວຍເຫຼືອໃນການປັບປຸງທີ່ເພີ່ມຂຶ້ນໃນການຮັບຮູ້ເປົ້າຫມາຍທີ່ແທ້ຈິງ.

ໃນຄວາມເປັນຈິງ, ເປົ້າຫມາຍຕົ້ນຕໍຂອງ LUIS ແມ່ນເພື່ອເຂົ້າໃຈຄວາມເປັນໄປໄດ້ທີ່ແນ່ນອນວ່າຜູ້ໃຊ້ຫມາຍຄວາມວ່າແນວໃດແລະປ່ຽນຄໍາຮ້ອງຂໍທໍາມະຊາດເປັນຄໍາສັ່ງປະສົມກົມກຽວ. ເພື່ອຮັບຮູ້ມູນຄ່າການສອບຖາມ, LUIS ໃຊ້ຊຸດຂອງຄວາມຕັ້ງໃຈ (ຄວາມຫມາຍ, ຄວາມຕັ້ງໃຈ) ແລະຫນ່ວຍງານ (ບໍ່ວ່າຈະເປັນການຕັ້ງຄ່າກ່ອນໂດຍຜູ້ພັດທະນາ, ຫຼື "ໂດເມນ" ທີ່ຖືກຈັດໃສ່ແລະສ້າງລ່ວງຫນ້າ - ບາງຫ້ອງສະຫມຸດທີ່ກຽມພ້ອມສໍາລັບປະໂຫຍກມາດຕະຖານທີ່ກະກຽມໂດຍ Microsoft). 

ຕົວຢ່າງງ່າຍໆ: ທ່ານມີ bot ທີ່ໃຫ້ການຄາດຄະເນດິນຟ້າອາກາດ. ສໍາລັບລາວ, ຈຸດປະສົງຈະເປັນການແປຄໍາຮ້ອງຂໍທໍາມະຊາດເຂົ້າໄປໃນ "ການປະຕິບັດ" - ການຮ້ອງຂໍສໍາລັບການຄາດຄະເນດິນຟ້າອາກາດ, ແລະຫນ່ວຍງານຈະເປັນເວລາແລະສະຖານທີ່. ນີ້ແມ່ນແຜນວາດຂອງວິທີການທີ່ຕັ້ງໃຈ CheckWeather ເຮັດວຽກສໍາລັບ bot ດັ່ງກ່າວ.

ຄວາມຕັ້ງໃຈ
Essence
ຕົວຢ່າງຂອງການສອບຖາມທໍາມະຊາດ

CheckWeather
{"type": "ສະຖານທີ່", "entity": "moscow"}
{"type": "builtin.datetimeV2.date", "entity": "future","resolution":"2020-05-30"}
ມື້ອື່ນໃນ Moscow ສະພາບອາກາດຈະເປັນແນວໃດ?

CheckWeather
{ "type": "date_range", "entity": "ທ້າຍອາທິດນີ້" }
ສະແດງໃຫ້ຂ້ອຍເຫັນການຄາດຄະເນສໍາລັບທ້າຍອາທິດນີ້

ເພື່ອສົມທົບ QnA Maker ແລະ LUIS ທ່ານສາມາດນໍາໃຊ້ ຊາກລົດ. 

ເມື່ອທ່ານເຮັດວຽກກັບ QnA Maker ແລະໄດ້ຮັບການຮ້ອງຂໍຈາກຜູ້ໃຊ້, ລະບົບຈະກໍານົດອັດຕາສ່ວນຂອງຄວາມເປັນໄປໄດ້ທີ່ຄໍາຕອບຈາກ QnA ກົງກັບຄໍາຮ້ອງຂໍ. ຖ້າຄວາມເປັນໄປໄດ້ສູງ, ຜູ້ໃຊ້ພຽງແຕ່ໄດ້ຮັບຄໍາຕອບຈາກພື້ນຖານຄວາມຮູ້ຂອງບໍລິສັດ; ຖ້າມັນຕໍ່າ, ຄໍາຮ້ອງຂໍສາມາດຖືກສົ່ງໄປຫາ LUIS ເພື່ອຄວາມກະຈ່າງແຈ້ງ. ການໃຊ້ Dispatcher ຊ່ວຍໃຫ້ທ່ານບໍ່ຂຽນໂປລແກລມຕາມເຫດຜົນນີ້, ແຕ່ເພື່ອກໍານົດຂອບເຂດຂອງການແຍກຕ່າງຫາກຂອງຄໍາຮ້ອງຂໍນີ້ໂດຍອັດຕະໂນມັດແລະແຈກຢາຍພວກມັນຢ່າງໄວວາ.

ການທົດສອບແລະການເຜີຍແຜ່ bot

ຄໍາຮ້ອງສະຫມັກທ້ອງຖິ່ນອື່ນຖືກນໍາໃຊ້ສໍາລັບການທົດສອບ, Bot framework emulator. ການນໍາໃຊ້ emulator, ທ່ານສາມາດຕິດຕໍ່ສື່ສານກັບ bot ແລະກວດເບິ່ງຂໍ້ຄວາມທີ່ມັນສົ່ງແລະຮັບ. ຕົວຈຳລອງສະແດງຂໍ້ຄວາມດັ່ງທີ່ພວກມັນຈະປາກົດຢູ່ໃນສ່ວນຕິດຕໍ່ສົນທະນາເວັບ ແລະບັນທຶກການຮ້ອງຂໍ ແລະຄຳຕອບຂອງ JSON ເມື່ອສົ່ງຂໍ້ຄວາມຫາບອທ໌.

ຕົວຢ່າງຂອງການນໍາໃຊ້ emulator ໄດ້ຖືກນໍາສະເຫນີໃນການສາທິດນີ້, ເຊິ່ງສະແດງໃຫ້ເຫັນການສ້າງຜູ້ຊ່ວຍ virtual ສໍາລັບ BMW. ວິດີໂອຍັງເວົ້າກ່ຽວກັບຕົວເລັ່ງໃຫມ່ສໍາລັບການສ້າງ chatbots - ແມ່ແບບ:

https://youtu.be/u7Gql-ClcVA?t=564

ທ່ານຍັງສາມາດໃຊ້ແມ່ແບບໃນເວລາສ້າງ chatbots ຂອງທ່ານ. 
ແມ່ແບບອະນຸຍາດໃຫ້ທ່ານບໍ່ຂຽນຟັງຊັນ bot ມາດຕະຖານໃຫມ່, ແຕ່ເພີ່ມລະຫັດທີ່ກຽມພ້ອມເປັນ "ທັກສະ". ຕົວຢ່າງອາດຈະເຮັດວຽກກັບປະຕິທິນ, ການນັດຫມາຍ, ແລະອື່ນໆ. ລະຫັດທັກສະທີ່ກຽມພ້ອມ ຈັດພີມມາ ໃນ github.

ການທົດສອບໄດ້ປະສົບຜົນສໍາເລັດ, bot ແມ່ນກຽມພ້ອມ, ແລະຕອນນີ້ມັນຕ້ອງໄດ້ຮັບການເຜີຍແຜ່ແລະເຊື່ອມຕໍ່ຊ່ອງທາງຕ່າງໆ. ການເຜີຍແຜ່ແມ່ນດໍາເນີນການໂດຍໃຊ້ Azure, ແລະຜູ້ສົ່ງຂ່າວຫຼືເຄືອຂ່າຍສັງຄົມສາມາດຖືກນໍາໃຊ້ເປັນຊ່ອງທາງ. ຖ້າທ່ານບໍ່ມີຊ່ອງທາງທີ່ຕ້ອງການສໍາລັບການປ້ອນຂໍ້ມູນ, ທ່ານສາມາດຄົ້ນຫາມັນຢູ່ໃນຊຸມຊົນທີ່ສອດຄ້ອງກັນໃນ GitHab. 

ນອກຈາກນີ້, ເພື່ອສ້າງ chatbot ເຕັມຮູບແບບເປັນການໂຕ້ຕອບສໍາລັບການສື່ສານກັບຜູ້ໃຊ້ແລະການບໍລິການມັນສະຫມອງ, ແນ່ນອນ, ທ່ານຈະຕ້ອງມີການບໍລິການ Azure ເພີ່ມເຕີມ, ເຊັ່ນຖານຂໍ້ມູນ, serverless (Azure Functions), ເຊັ່ນດຽວກັນກັບການບໍລິການ LogicApp ແລະ, ອາດຈະ. , ຕາຕະລາງເຫດການ.

ການປະເມີນຜົນແລະການວິເຄາະ

ເພື່ອປະເມີນການໂຕ້ຕອບຂອງຜູ້ໃຊ້, ທ່ານສາມາດນໍາໃຊ້ທັງການວິເຄາະໃນຕົວຂອງ Azure Bot Service ແລະບໍລິການ Application Insights ພິເສດ.

ດັ່ງນັ້ນ, ທ່ານສາມາດເກັບກໍາຂໍ້ມູນໂດຍອີງໃສ່ເງື່ອນໄຂດັ່ງຕໍ່ໄປນີ້:

• ມີຜູ້ໃຊ້ຫຼາຍປານໃດທີ່ເຂົ້າເຖິງ bot ຈາກຊ່ອງທາງຕ່າງໆໃນໄລຍະເວລາທີ່ເລືອກ.
• ມີຜູ້ໃຊ້ຫຼາຍປານໃດທີ່ສົ່ງຂໍ້ຄວາມຫນຶ່ງກັບຄືນມາໃນພາຍຫຼັງແລະສົ່ງຂໍ້ຄວາມອື່ນ.
• ຈຳນວນການກະທຳຖືກສົ່ງ ແລະຮັບໂດຍໃຊ້ແຕ່ລະຊ່ອງໃນລະຫວ່າງໄລຍະເວລາທີ່ກຳນົດໄວ້.

ການນໍາໃຊ້ Application Insights, ທ່ານສາມາດຕິດຕາມຄໍາຮ້ອງສະຫມັກໃດໆໃນ Azure ແລະ, ໂດຍສະເພາະ, chatbots, ໄດ້ຮັບຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບພຶດຕິກໍາຂອງຜູ້ໃຊ້, ການໂຫຼດແລະປະຕິກິລິຍາ chatbot. ມັນຄວນຈະສັງເກດວ່າການບໍລິການ Application Insights ມີການໂຕ້ຕອບຂອງຕົນເອງຢູ່ໃນປະຕູ Azure.

ນອກນັ້ນທ່ານຍັງສາມາດນໍາໃຊ້ຂໍ້ມູນທີ່ເກັບກໍາໂດຍຜ່ານການບໍລິການນີ້ເພື່ອສ້າງການເບິ່ງເຫັນເພີ່ມເຕີມແລະບົດລາຍງານການວິເຄາະໃນ PowerBI. ຕົວຢ່າງຂອງບົດລາຍງານດັ່ງກ່າວແລະແມ່ແບບສໍາລັບ PowerBI ສາມາດຖືກປະຕິບັດ ທີ່ນີ້.

ຂອບໃຈທຸກທ່ານທີ່ໃຫ້ຄວາມສົນໃຈ! ໃນບົດຄວາມນີ້ພວກເຮົາໄດ້ໃຊ້ ອຸປະກອນການ ຈາກ webinar ໂດຍ Microsoft Azure ສະຖາປະນິກ Anna Fenyushina "ໃນເວລາທີ່ປະຊາຊົນບໍ່ມີເວລາ. ວິທີການ 100% ໃຊ້ chatbots ແລະບໍລິການສະຕິປັນຍາເພື່ອອັດຕະໂນມັດຂະບວນການປົກກະຕິ ", ບ່ອນທີ່ພວກເຮົາໄດ້ສະແດງໃຫ້ເຫັນຢ່າງຊັດເຈນວ່າ chatbots ແມ່ນຫຍັງຢູ່ໃນ Azure ແລະສະຖານະການສໍາລັບການນໍາໃຊ້ຂອງພວກເຂົາ, ແລະຍັງໄດ້ສະແດງໃຫ້ເຫັນວິທີການສ້າງ bot ໃນ QnA Maker ໃນ 15 ນາທີແລະວິທີການ. ໂຄງສ້າງແບບສອບຖາມຖືກຖອດລະຫັດໃນ LUIS. 

ພວກເຮົາໄດ້ເຮັດ webinar ນີ້ເປັນສ່ວນຫນຶ່ງຂອງ marathon ອອນໄລນ໌ສໍາລັບນັກພັດທະນາ Dev Bootcamp. ມັນແມ່ນກ່ຽວກັບຜະລິດຕະພັນທີ່ເລັ່ງການພັດທະນາແລະຫຼຸດຜ່ອນບາງວຽກປົກກະຕິຈາກພະນັກງານຂອງບໍລິສັດໂດຍນໍາໃຊ້ເຄື່ອງມືອັດຕະໂນມັດແລະໂມດູນ Azure ທີ່ກຽມພ້ອມ. ການບັນທຶກຂອງ webinars ອື່ນໆລວມຢູ່ໃນ marathon ແມ່ນມີຢູ່ໃນການເຊື່ອມຕໍ່ດັ່ງຕໍ່ໄປນີ້:

• Azure DevOps ເປັນວິທີການຈັດຕັ້ງວົງຈອນການພັດທະນາຢ່າງເຕັມທີ່ໃນພາສາໃດກໍ່ຕາມແລະສໍາລັບເວທີໃດກໍ່ຕາມ, ການນໍາໃຊ້ການປະຕິບັດ DevOps 
  ພວກເຮົາສົນທະນາກ່ຽວກັບວິວັດທະນາການແລະຄວາມສາມາດໃຫມ່ຂອງການບໍລິການ Azure DevOps. ພວກເຮົາວິເຄາະຢ່າງລະອຽດທັງຫ້າອົງປະກອບຕົ້ນຕໍຂອງມັນແລະວິທີການບໍລິການຊ່ວຍໃຫ້ອົງການຈັດຕັ້ງຂອງການພັດທະນາຊອບແວອຸດສາຫະກໍາ. ຜູ້ນໍາສະເຫນີ: Vladimir Gusarov Microsoft MVP.
• ການຈັດຕັ້ງຂອງ CI/CD ໂດຍໃຊ້ Azure Pipelines
  ພວກເຮົາພິຈາລະນາວິທີການປະຕິບັດ "ປະກອບເປັນລະຫັດ" ສໍາລັບພາສາການຂຽນໂປຼແກຼມໃດໆໂດຍໃຊ້ທໍ່ YAML ຫຼາຍຂັ້ນຕອນ. ຜູ້ນໍາສະເຫນີ: Vladimir Gusarov Microsoft MVP.
• ການປະຕິບັດສໍາລັບການພ້ອມກັນສະຫນັບສະຫນູນຫຼາຍຮຸ່ນຂອງຜະລິດຕະພັນໃນການຜະລິດໂດຍໃຊ້ Azure Repos
  ພວກເຮົາປຶກສາຫາລືກ່ຽວກັບວິທີການພັດທະນາຍຸດທະສາດສໍາລັບການເກັບຮັກສາລະຫັດແຫຼ່ງຊໍແວແລະວິທີການນໍາໃຊ້ລະບົບການເກັບຮັກສາເວີຊັນໂດຍໃຊ້ Azure Repos. ຜູ້ນໍາສະເຫນີ: Vladimir Gusarov Microsoft MVP.
• ແຫຼ່ງສີຂາວ. ຕິດຕາມກວດກາຫ້ອງສະຫມຸດແຫຼ່ງເປີດທີ່ປອດໄພ 
  ພວກເຮົາແນະນໍາເຕັກນິກການຄຸ້ມຄອງແຫຼ່ງເປີດໃນການພັດທະນາແລະການປະຕິບັດຕົວຈິງຂອງເຄື່ອງມື WhiteSource. ພວກເຮົາສົນທະນາກ່ຽວກັບການຄົ້ນຫາຄວາມອ່ອນແອໃນອົງປະກອບແຫຼ່ງເປີດແລະການຮັກສາຄວາມບໍລິສຸດຂອງໃບອະນຸຍາດໂດຍໃຊ້ WhiteSource. ຜູ້ນໍາສະເຫນີ: Diana Lisbaron, ຜູ້ອໍານວຍການຝ່າຍຂາຍ WhiteSource, ແລະ Daria Oreshkina, Web Control, ຜູ້ຈັດຈໍາຫນ່າຍຢ່າງເປັນທາງການຂອງ WhiteSource ໃນລັດເຊຍ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com