昨天花一天的篇幅在講「問」與「答」的判斷跟回應要怎麼用、怎麼整合在 Bottender 中，但除了問與答以外，其實還有更常見的「意圖」與「實體」的應用方式。

今天要來介紹並試用的是 Google 的 Dialogflow。

在官網上的介紹上看得出來，這個服務很適合串接「Google Assistant/Action on Google」，畢竟是他們自家相關的服務，因此在這個服務中文字、語音是處理的重點。

基本概念

在 Dialogflow 上，他們使用的概念幾乎都是現在一般處理自然語言理解時的常用概念，包括 Intents（意圖）、 Entity（實體）、Context（情境）還有 Fulfillment（執行要求）。

接下來來簡單介紹一下這些概念：

Intent（意圖）

就是要判斷一句話背後的用意，這跟「問」與「答」的問題分類很像似，舉例來說，下面這句話：

我想預約下禮拜二晚上 8 點的晚餐

背後的意圖就是「預約餐廳」。

Entity（實體）

就是句子中有提到的一些重要資訊，舉例來說，下面這句話：

我想預約下禮拜二晚上 8 點的晚餐

裡面的實體「日期」就是「下禮拜二」，時間是「晚上 8 點」。

Context（情境）

因為人的對話會有上下文，所以有時候一句話根據情境會有不同的意思，例如說了一句「ok」那到底是什麼東西 ok？必須要看情面的情境。

這個部分可以用 Bottender 來處理，也可以讓 Dialogflow 處理一部分，比較複雜今天就先不講。

Fulfillment（執行要求）

Dialogflow 上能編輯的回應非常有限，主要是靜態文字回應，但很多時候，其實必須要執行一些程式或是查詢資料庫，這時候就必須要用 Fulfillment，你可以在它的介面上寫程式部署到「Cloud Functions for Firebase」或是讓它打 HTTP API 到 Webhook。

這兩個方式我都不喜歡，所以基本上我不會去使用 Fulfillment，我還是會希望我的程式擁有主控權，而且能好好的進行版控跟測試，所以不管是在介面上寫程式還是去接這個 Webhook 都是把事情變複雜。我基本上還是推薦用程式去呼叫 Dialogflow API。

建立 Agent

從 Dialogflow 的頁面登入後，我們就可以前往 Dialogflow Console：

（這邊有點小尷尬是 Dialogflow 已經登入一次了，為什麼進 Dialogflow Console 還要再 Sign in....）

如果沒有使用過，應該近來會看到沒有 Agent 的畫面：

這時候就點「Create Agent」來建立 Agent：

預設語系選「zh-tw」，而時區沒看到「Asia/Taipei」所以選了一樣是 +8 時區的香港。

過了大約 30 秒，新的 Agent 就建好了：

（注意：在機器人或是 Bottender App 裡面不一定只能接一個 Agent，也是有依照情況使用不同 Agent 的可能）

裡面預設會有兩個意圖，Welcome Intent 跟 Fallback Intent，Welcome Intent（歡迎意圖）通常是當使用者第一次互動時觸發、Fallback Intent 則是當判斷不出意圖時觸發。

建立意圖

接著我們要來建立一個新意圖，按下「Create Intent」就會進入這個畫面：

接著把意圖名稱填一下，加一下訓練句，在訓練句上標記一下實體。反白就可以標記：

@sys. 開頭的表示是 Dialogflow 內建的實體類別。這邊直接採用上面那個訂餐的範例：

這邊另一個重點是要設定一下 Action（動作） 跟 Parameter（參數），因為打 API 時會需要這幾個變數。其他 Context、Event、Response、Fulfillment 等等的我們都不需要用，所以不用動它。

時間太趕了來不及加很多訓練句，雖然我想兩句應該是有點少...。

建完可以直接在右邊「Try it now」的地方測試一下句子：

開放 Dialogflow API

除了上面的步驟外，我們需要到 - 「快速入門導覽課程：使用 API 與代理程式互動
」這頁的，「設定 GCP 專案和驗證
」這個部分來下載私密金鑰的 JSON 檔，先同意一下條款後就可以下載檔案囉：

載完還不是結束，還必須把 JSON 的路徑放到環境變數：

// .env

GOOGLE_APPLICATION_CREDENTIALS=你的 JSON 檔案路徑

這樣接下來我們寫程式時，Dialogflow SDK 才能讀到這個 JSON 檔。

接上 Bottender

因為 Dialog 有自己的 Node SDK，所以我們可以直接安裝來用

const dialogflow = require('dialogflow'); // 記得安裝
const { format } = require('date-fns'); // 記得安裝

// 這個要填自己的
const PROJECT_ID = 'YOUR-PROJECT_ID';

const sessionClient = new dialogflow.SessionsClient();

module.exports = async function App(context) {
  if (context.event.isText) {
    const sessionPath = sessionClient.sessionPath(
      PROJECT_ID,
      context.session.id
    );

    const request = {
      session: sessionPath,
      queryInput: {
        text: {
          text: context.event.text,
          languageCode: 'zh-tw',
        },
      },
      queryParams: {
        timeZone: 'Asia/Taipei',
      },
    };

    // 偵測意圖
    const responses = await sessionClient.detectIntent(request);
    const { intent, parameters } = responses[0].queryResult;

    if (intent.displayName === '預約餐廳') {
      const { fields } = parameters;
      const date =
        fields.date && fields.date.stringValue
          ? new Date(fields.date.stringValue)
          : new Date();
      const time =
        fields.time && fields.time.stringValue
          ? new Date(fields.time.stringValue)
          : new Date();

      await context.sendText(
        `你想預約的是：${format(date, 'yyyy-MM-dd')} ${format(time, 'p')}`
      );
    } else {
      await context.sendText('聽不懂喔');
    }
  }
};

今天時間有點趕，草率的試試看，好像還 ok 喔：

之後有空會來提供一下更好的整合方式，這還有點小粗糙。

結語

雖然「意圖」與「實體」應用起來比「問」與「答」更靈活，但要去設計、思考有哪些「意圖」與「實體」並撰寫例句並不是一件簡單的事，而且需要持續地維護以及補強。要怎麼要去使用這些服務沒有唯一的答案，更多時候是要用混合式的解法，看何種方式跟你的程式去結合最合理順暢。Dialogflow 在很多概念上的設計都不錯，但由於它是跟 Google Assistant 做整合的，主要還是在處理文字跟語音上最適合，看起來雖然可以處理比較複雜的互動但那部分就沒有那麼好用了。