机器人服务应该是个比较容易上手的AI服务，发展也非常的快。距离我之前写的随笔没多久吧，已经从原来的独立站点，变为Azure中的Bot Services了。而且支持的机器人种类也更加清晰和增多了。
更新的Bot Service的文档可以看到，现在机器人可以分为五类。之前我尝试的应该是Basic类和Form类，而上次没来得及尝试的语义识别单列了Language类，主动触发机器人服务是Proactive类，而今天想玩的是QnA Maker类机器人。
QnA Maker的站点在：https://qnamaker.ai/这个站点很简洁，但是需要的信息都有了。QnA机器人应用场景类似问题和答案简单匹配，其实大部分的对话机器人和这个类似。结合其他的功能，比如Card，比如分支，就会让机器人流光溢彩。我觉得QnA应该是快速让机器人具备回答问题的最佳选择吧，至少比我上次写一堆代码来做人机交互快多了。站点提供了一张图来说明QnA机器人的逻辑，可从多种来源输入问题/回答，并将机器人服务连接到不同的频道。问题/回答可以提供索引和评分，便于机器人不断学习和优化回答。
对于QnA机器人，我初步打算做两个测试，第一，尝试使用QnA机器人建立一个KB自动答复。对于常见的问题，构建一个框架让机器人自动根据提问提供解决问题的KB文章。第二，尝试把这个机器人放到Azure的Bot Service上。
QnA Maker使用两个UUID管理不同的机器人，首先要有一个订阅ID，才能够访问QnA的服务。其次每个QnA服务都有个KB ID，这样就能把不同用处的机器人分开了。每个服务都可以对指定的用户进行授权。
为机器人准备问题/答案并训练它再简单不过了，在QnA Maker网站上就可以导入QnA的文本文件。文本文件的格式也非常简单，前面是问题，使用Tab分隔，然后是答案。导入文件后，点击“保存并训练”，导入的内容就被服务接受了。然后你在服务中就能够看到导入的问题/答案了。有了问题和答案，马上就能在TEST页面进行测试。
看到这里，估计你会说，这哪里看得出人工智能了？我写个脚本按照输入查找输出字符串不就搞定了？请仔细观察上图哦~ 第一次提问，我是按照导入的完整问题输入的，很准确的给出了预设的答案。第二次提问，我只输入了几个关键字哦，QnA服务自己进行了匹配，给出了最接近的答案。
实际上QnA服务确实会对答案进行评分，从它返回的JSON格式就能看出来。对于QnA的Service使用方法，给了一个非常好的说明站点和Swagger实现。例如，调用服务来做应答，就可以使用POST方法，具体可以参考：
https://westus.dev./docs/services/58994a073d9e04097c7ba6fe/operations/58994a073d9e041ad42d9ba9
除了在QnA站点的Test页面，使用Swagger可以也很快的验证你的机器人。
输入你的订阅ID和机器人对应的KB ID，内容类型使用JSON。
页面会按照提供的信息自动构造HTTP请求。
点击发送后，QnA Maker Bot服务就会给出响应，对于可能的响应都给出了具体说明。
方法很简单，所以写一个Python的实现也不难（虽然Pylint给示例代码打了个无比负的分哈哈）
可以看到，代码返回的HTTP响应和之前Swagger测试的一致，同样包含问题、答案和评分。
回到导入问题/答案导入的环节。需要注意的是，开始我发现每次导入文件时，中文都变成了乱码，我立即意识到，默认的notepad使用的ANSI编码可能有问题。改成UNICODE就正常了。
除了使用TXT导入之外，QnA Maker的Service还支持添加URL，对于自动导入以前的QnA页面也非常方便。这个方式我是在测试Create Knowledge Base的POST方法时发现的，示例直接添加了文档的QnA页面：/en-in/azure/cognitive-services/qnamaker/faqs
我还奇怪它是如何识别问题和答案的，后来发现起作用的是问号~ 为了验证，我把TXT文本改成类似的格式，导入也成功了。
限于篇幅，后续再继续写Azure Bot Service部分和学习Node.JS部分。
本文转自HaoHu 51CTO博客，原文链接：/haohu/2064359，如需转载请自行联系原作者
如果觉得《从零开始玩人工智能-机器人服务-03》对你有帮助，请点赞、收藏，并留下你的观点哦！
