# 一、产品介绍
云小蜜（Intelligent Service Robot）是一款基于自然语言处理（NLP）和人工智能（AI）技术，
面向开发者提供智能会话能力的云服务。开发者可以使用云小蜜创建会话机器人，为机器人
配置知识库以实现智能问答，使用对话工厂配置意图实现多轮对话与自助服务（如订单查询、
物流跟踪、自助退货等），并将机器人部署在不同终端上（如网站、移动 APP、智能硬件等）。
具体来说，云小蜜可以进行文本机器人、热线机器人、实体机器人、辅助助手等产品的开发
与使用，通过知识库实现单轮问答的智能回复、通过对话工厂实现多轮问答以及系统交互类
业务处理，除此之外，还有机器阅读、知识图谱等产品功能供不同场景用户使用。同时，通
过视角的设置，可以将小蜜进行不同渠道的部署，对每个渠道进行个性化问答。
[官方文档]([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、开通服务
## 2.1申请开通云小蜜
进入阿里云之后搜索云小蜜，进入小蜜官方产品页面，点击获取使用资格（需要提前进行实
名认证），进入系统审核环节。审核完毕后，会显示“管理控制台”按钮，如下图：
点击“管理控制台”按钮，进入云小蜜控制台界面，如下图：
可看到的产品功能介绍如下：
A．机器人管理：对机器人实例（租户）进行新建、编辑（姓名、注释）、管理、备注等；
B．知识库：对现有知识进行管理编辑，增删改查等；
C．数据看板：对日常数据运营情况进行检查。
D．高级设置：主要是知识库设置（视角设置）、权限管理、开发者选项（暂未开放）等功能。
## 2.2创建实例
点击“新建机器人”，进入购买环节，购买完毕后，进入机器人创建页面，输入机器人姓名、
备注，点击保存，创建完毕。
点击创建好的机器人，进入机器人页面，分为机器人配置、会话接口、机器人训练三个模块。
A．1.机器人配置：分为机器人信息、绑定知识类目、对话流管理、查件管理等模块。
2. 机器人信息：包括名称、备注（可点击右侧编辑修改）、时区、机器人 ID(不可修改)；
3.绑定知识类目：点击编辑可以绑定对应知识类目，机器人只有绑定对应类目后，才可以
对对应类目下的知识进行问答。
4.对话流管理：点击去对话工厂，可以进入对话工厂创建对话流，上线后的对话流可以在
这个模块看到。
B．1.会话接口：包括视角的编码、实例 id 信息、AccessKey 信息等。
2.视角编码：开发者调用对应接口时，需要调用对应的视角编码，则机器人返回答案为对应视
角的答案（针对 FAQ 而言。对话工厂目前没有视角概念，需要在对话流里通过函数进行判
断）
3.实例 ID 信息：调用时候需要用到。
4.AccessKey 信息：调用时候需要用到。
C.机器人训练：为机器人训练工具，可以对机器模型算法进行训练，提升整体问答准确率。
# 三、知识维护
## 3.1 创建类目
### 3.1.1 从知识库进行类目创建
点击知识库-类目管理，进入类目创建。点击：“类目树为空，点击新建第一个类目”
输入类目名称，点击勾号，保存对应类目：
如果在该级类目下需要创建子类目，则点击类目管理-创建好的类目（例：客户服务）-子级，进入子类目设置，输入类目名称、点击勾号，保存对应类目。
类目创建完毕后，进入机器人管理-机器人配置-绑定知识类目：
勾选对应类目，点击确定，则绑定了对应类目，可以问答对应类目下知识。
### 3.1.2 从机器人管理进行类目创建
点击机器人管理-机器人配置-绑定知识类目，在弹出窗口中，点击“创建一级类目”，可以新
创建一个一级类目，操作与从知识库操作基本相同，新建类目会默认勾选绑定，我们可以认
为去掉勾选。
创建完毕后，根据实际需求确认勾选类目，点击保存，即完成绑定。
## 3.2 创建知识
点击知识库，进入知识编辑界面。
点击“新建知识”，在弹出的新建知识对话框中，输入类目路径、知识标题、核心词、视角、生效时间、答案。
A. 类目路径：该条知识所归属的类目，点击后选择对应类目绑定。
B. 知识标题：一般是用户的常见问法，机器人会把用户的问法与知识标题进行匹配。
C. 核心词：该条知识里面最为核心的词汇，是为了更精确定位问题而产生，它有如下规则：
1.核心词和知识类目不可混淆，类目只是知识的管理结构，不参与知识搜索匹配。
2.核心词是知识标题中最核心的部分，一定一字不差的包含在知识标题中；如果有其他表达方式，可以给核心词添加同义词。
3.知识标题是用户最常见的业务问法，核心词需要包含在大部分的相似标题中；
4.核心词不能是其他核心词的同义词；
5.核心词之间不可包含；
6.核心词不可过长或者过短，建议保持合适的词或者短语粒度；
7.核心词及其同义词要合理管理，避免混乱或互相重叠。
D. 生效时间：一些活动类或者其他短暂生效的知识，可以设置一定的生效时间，过了生效时间后知识自动失效。
E. 答案：当机器人知识被触发后，机器人返回给用户的答案内容。答案支持按视角回复给用户（即不同视角，我们可以设置不同答案),
在答案内容上，支持文字（字体、颜色、下划线、高量、删除、对齐等操作）、图片、超链、等内容格式。如果有不同的渠道，且渠
道答案不一样，我们可以在创建完一个答案后，再点击“新建答案”，创建另一个视角的答案。
以上内容填写完毕后，点击保存，即可保存对应答案。
## 3.3 批量操作
如果批量操作的知识量比较大，可以采取批量操作，包括批量导入和批量导出、批量删除、失效等。
A. 批量导入:
点击知识库-批量导入，进入批量导入页面，下载标准模板进行知识维护。
在下载的模板中，依次填入类目路径（需要提前有这个类目，如果没有导入会报错）、核心词名称（核心词定义规则按上文描述，只有一个同义词）、
核心词同义词名称（核心词的同义词，要求必须是英文逗号间隔，中文逗号会报错，知识标题（只有一条，按上述规则）、相似问法（知识标题的相似问法，
最好包含核心词和同义词，相似问之间用换行隔开）、答案（默认是默认视角的答案，可以增加视角以及答案）。填写完毕后，进行上传。
B. 批量导出
点击知识库-批量导出，选择对应导出类目，点击确定，即可导出对应类目的知识。
C. 批量删除
目前不支持类目层级的知识删除。我们可以按类目选择内容进行删除。点击知识库-某一类目，进入知识界面后，点击左上角勾选，选择所有知识，点击右下角删除，删除当页所有知
识。
D. 批量失效
步骤通批量删除，点击类目选择某些知识，点击右下角失效按钮，则全部失效；
E.批量转移、发布
步骤通批量删除。
知识新建完毕后，可以通过知识库进行增删改查相关知识。如果想修改或者删除对应核心词，可进行搜索该核心词-点击核心词-查看详情，可以编辑核心词、删除同义词、删除核心词、
增加同义词、修改核心词等，实现核心词的管理。目前没有单独的核心词管理工具。
# 四、对话工厂
## 4.1 新建对话流
点击机器人管理-某机器人-对话流管理-去对话工厂，进入对话流管理界面：
点击“新建对话流单元”，输入姓名、描述，选择对话流模板（可以先选空白对话流），进入对话流画布界面。
在这个画布页面就可以进行多种流程、会话的智能化配置和管理。
## 4.2 梳理业务流程
在创建对话流之前，我们会先根据业务需要梳理业务流程。我们以停车费用查询和天气查询为例，进行两个业务梳理。
A. 停车费用业务梳理
我们以停车费用做为多轮问答的案例。停车费用需要考虑是室内、室外，车牌颜色等多个场景，每个场景的答案不一样，最简单的场景也至少要两轮问答， 逻辑图如下：
B. 天气查询梳理
我们以天气查询作为查询类业务的案例。天气查询需要明确日期、城市才能明确要查询什么内容，同时还需要调用对应的接口才能实现，我们梳理的业务内容如下：
## 4.3 意图节点
意图节点是用来绑定用户的意图的节点，当触发用户意图的时候，系统触发当前意图节点下的动作，例如，当下面为回复节点的时候，触发机器人播报对应回复内容。意图节点要绑定对应意图才能生效。
点击意图列表-新建意图，进入意图创建环节。
目前支持两种方式创建意图节点，包括划词配置和高级配置。
A. 划词配置：直接输入用户的高频问法，当不勾选严格匹配的时候，可以通过算法自动泛化说法。例如，在划词配置里面配置：“我想问下停车怎么收费”，则当用户问“停车收费”时，也可以配到该条意图。
B.高级配置：利用 LGF 规则对用户说法进行泛化处理。详见《LGF 规则文档》。通过 LGF 规则泛化后，当用户说法符合当前 LGF 规则，则匹配当前意图。
用户将意图节点拉到画布中，从开始的节点连线到对应意图节点，命名当前节点，并且把意图节点绑定用户意图（点击新增 and 条件，选择对应意图；如果随意 N 个意图都能触发， 还可以点击下面的新增 or 条件组，新增其他意图，这样不管命中哪一个意图都会触发当前节点），则用户表述相关内容后可以出发当前节点。如果节点下面没有动作，是无法保存的， 必须有其他的动作节点，比如函数节点、填槽节点、回复节点等。
生命周期是指假设现在对话处于这个触发节点前面的回复节点时，用户没有按照流程走，而是跳走了，那么X 轮（X 为你填写的生命周期）之内还能再接回这个触发节点。
## 4.4 回复节点
回复节点也就是机器人回复给系统的内容的节点。我们可以通过在回复节点的话术控制，实现整体的VUI 设计。例如，刚刚举例的停车费用场景，当用户启动停车费用意图后，我们可以通过回复节点的内容让用户回复：“请问您是需要停在室内还是室外？”
用户根据反问导引，可能会说室内，室外，都可以等回复，根据不同意图再进行新意图的创建以及与意图节点的绑定，同时，针对不同意图进行针对性回复。
编写完毕后，点击保存草稿，可以把当前的对话流保存。
## 4.5 专有名词
指专有名词是同类型单词的合集，如：城市、日期、颜色等。语义通过专有名词进行理解， 然后抽取并输出机器可以理解的格式。例如用户说「我喜欢绿色」，我们都知道绿色是一种颜色，但如果我们不预先告诉机器，机器是不会知道的。为了让机器能够理解绿色，我们可以创建一个词库，把常见的颜色列举，这样机器再遇到这些词，就能知道是一种颜色。
A. 标准名词：在生活和业务当中，有很多不同的词语代表着同一种意思，例如：北京、帝都、中国首都。这几个词语都是指同一个城市，那么我们可以通过配置的方式将这些词语指定到一个标准名词：例如，北京是中国城市中的一个，那么他属于城市这个类名词下面，同时他又可以叫帝都、北平等。那么我们可以让北京作为名词成员，帝都作为同义词。
B.正则名词：正则名词是基于问法规则的名词体系，例如手机号码，我们没办法穷举，但是他其实是有一个体系的，我们就用一个文法规则来表述（1\\d{10}），详细的正则规则见正则规则文档。
除了我们自己创建的名词外， 系统还预置了非常多的系统内置名词， 例如： @sys.date\\@sys.geo-city 等。他们本身是一系列固定的词组，但是我们人工维护又很麻烦（例如全国的城市、区县），系统为了解决这个问题，就自动内置了很多的实体，方便我们进行引用。
通常专有名词会和意图进行绑定。例如，在询问天气时，我们是需要时间和地点的，那么我们就需要引入城市和时间两个专有名词。正好这两个词是系统有预置，我们可以通过两种方式引用：
1. 划词引用：在划词配置界面，直接针对用户询问进行划词，例如用户问“明天杭州天气怎么样”，其实明天和杭州是可变的，不同的值结果也不一样，那么我们就称之为槽位，相对应的值（“明天”“杭州”）称之为槽值，我们引用专有名词拓展整体槽值范围。用鼠标划取下方对应取值范围，点击添加标注，选择对应专有名词（@sys.date、@sys.geo-city） 编辑完毕后，点击修改参数名称，让自己好记一些（例如，改成 date 和 city）点击保存， 即可实现划词引用。这个时候，用户说后天南京天气怎么样，前天合肥天气怎么样，系统就都能识别了。
2. 高级配置引用：除了划词配置外，我们还可直接对专有名词进行 LGF 规则引用，引用方式如下：
点击编辑意图-高级配置-新增参数，添加对应所需要的意图参数，并改写相关信息(参数名称)。
点击新增问法，输入”${}”,系统会自动推荐参数引用，选择对应参数。注意，LGF 规则只能调用目前已有（下方意图参数中已有）的参数，没有关联的参数无法引用。
当意图参数勾选词组时，则在收集改参数的时候，可以按照数组的模式收集若干条信息。例如，我可以在city 那里勾选数组，则我在收集信息的时候，可以收集若干个城市的信息。意图和专有名词绑定后，后面可以对接填槽节点来收集信息。
## 4.6 填槽节点
填槽节点主要实现两个功能：1.收集当前节点下没有收集到的名词信息，2.把收集到的名词的值收集到系统里。这里的信息收集主要是通过节点的反问来实现的。
在将填槽节点拖至画布，点击链接意图和填槽节点，选择对应的意图（通常系统会默认链接的那个意图节点所绑定的意图）。系统会自动跳出这个意图下所绑定的参数。我们可以勾选必选或者不勾选必选，同时，在后面编辑对应反问。
点击访问下的笔按钮，点击新增回复，创建该参数反问（即，用户没有说这个参数的时候我们反问用户让用户把参数提交上来）：
编写完毕后点击保存。进入下一环节。
如果没有填槽节点，即使用户表述中触发了对应槽值，我们也没有办法将槽值传到系统以及函数，所以填槽节点的存在是重要的，哪怕他不要执行反问的那个动作（如果前面已经有这个值，那么收集这个值的对应反问就不需要触发）。
## 4.7 函数节点
通过函数节点，我们可以实现对于 api 接口的调用或者对函数的调用。
API 接口：我们可以根据使用已经成型的接口，对数据进行调用，通常情况会有 post 和 get 两种模式，回传内容可能是在 query、header、body 三种方式，调用方式和回传字段由接口定义。
例如，在天气查询字段中，我们的接口连接为：www.aliyun.com，调用方式为 get，接口字段为city、date，对应的字段的值引用对应系统中的某些值。在天气查询里面，主要是上传City 和Date 的值。引用方式是${天气的意图.City}(前面是意图，后面是意图相关参数，这个时候引用的是专有的专有名词的值。如果想引用原有的值（比如直接引用了同义词），需要用${天气的意图.City.orgin})。
如果涉及到函数计算调用，通常涉及到函数编写，这个时候需要开发进入协助编写调用。
调用对应参数后，我们可以针对返回的结果进行调用，调用方式为${functionOutput}，如果涉及返回结果的具体某个值，那么可以用${functionOutput.XXX.XXX}的方式进行调用。上面内容可以在回复节点里面对文档综合使用
## 4.8 联调测试
上述内容填充完毕后，我们点击保存草稿、测试，即可将对话流上传测试。
点击调试窗，进入调试页面，我们可以按照我们梳理的意图，进行问答的测试，看配置的流程是否有问题。在配置的过程中可能会出现如下问题：
1. 名称冲突：当对话流中各个节点出现重名的时候，是没有办法保存的；
2. 最终节点不是回复节点：最终节点必须是回复节点（报错为：叶节点只能为 response 节点）；
3. 函数调用异常：可能是调用的方式出现异常，或者上传的字段出现异常，或者鉴权的方式出现异常等，具体分析建议可以让开发看下。
4. 其他异常：按 case 进行沟通。例如，流程可能出现异常，跳转错误、系统超时等；
## 4.9 导入对话流
除了自己编写创建对话流之外，我们还可以将对应的对话流进行导出导入。点击对话工厂- 某个对话流右上角-点击导出，即可导出对应对话流。注意，只有发布过的对话流才可以进行导出设置。
导出之后的对话流可以备份或者导入到其他的对话工厂中，点击对话工厂右上角“导入对话流”，选择导出的字符串，则可以导入对应的对话流。对话流导入后是未发布状态，需要进入对话流之后测试发布。
# 五、 高级设置
## 5.1 视角
项目实际实施过程中，针对不同的渠道，我们可能会有不同的处理方案，比如在钉钉上给的答案和在 WEB 上给的答案不一致的情况，我们通过视角来对不同渠道的咨询进行答案的区 分，这样从不同的视角咨询过来后，就可以给他吐当前渠道的答案，以此区分。前端调用的时候，可以根据不同视角的参数来区分。
A.创建视角：点击高级设置-视角-新增视角，创建视角名称，点击确认：
B. 编辑视角:点击新增视角下的编辑，可以对当前意图进行更名、关闭等操作。关闭后该视角不可调用。
所有已经创建的视角可以在维护 FAQ 的时候对当前创建的视角进行创建。
# 六、 数据洞察
## 6.1 接待概况
我们可以对某个机器人的接待情况进行数据监控梳理。我们可以搜索、点选某个机器人，选 择某个时间段（可以点选时间，如昨天、前天、近 7 天等），还可以直接选某段时间。
我们可以看某个数据的趋势，还可以直接把数据列表下载下来。
接待人次：按 session 量计算
对话轮次：用户发出一次对话，记为一个对话轮次
会话平均轮次：对话轮次/接待人次
知识对话轮次：直接命中知识的对话轮次
对话工厂对话轮次：触发对话工厂的对话轮次
解决接待量：排除转人工（如有）、无答案、最后一次推荐未点击、点踩（如有）的服务 session量（接待人次）
上述指标主要是业务的量的指标，可以看看机器人承载了多少业务量。
## 6.2知识分析
该数据主要对整体的知识进行分析，通过知识数量、有效知识占比、命中占比等数据，来看我们数据维护的粒度、广度是否合适。
我们可以下载知识明细，看下整体知识的运行情况。
## 6.3服务能力
服务能力主要是考察无答案率、推荐未点击率的识别效果。可以选择某个时段 ，看这个时段的无答案率。无答案率、推荐未点击率越高，整体的机器人的服务能力越差。我们可以根据无答案聚类、推荐未点击聚类等结果，进行结果的优化。
## 6.4 会话历史
整体的会话历史可以在此下载，我们可以对下载的数据进行标注、聚类、分析，提升整体机器人的表现。
