在程式中設定config.ts

要使用LUIS SDK來透過LUIS應用程式預測用戶的意圖，我們需要預測端點App ID, predictionResourceName, authoringKey 等重要參數。
在Day [15]時我們將Chatbot會使用到的重要設定參數交由config.ts程式管理，現在我們把LUIS的金耀等重要資訊也寫入config.ts，完成後目前的程式如下：

export const LINE = {
    channelSecret: "<YOUR_CHANNEL_SECRET>",
    channelAccessToken: "<YOUR_CHANNEL_ACCESS_TOKEN>"
};

export const REDIS = {
    REDISCACHEHOSTNAME: '<YOUR_AZURE_REDIS_REDISCACHEHOSTNAME>',
    REDISCACHEKEY: '<YOUR_AZURE_REDIS_REDISCACHEKEY>'
}

export const LUIS = {
    appId: "<PEPLACE-WITH-YOUR-APPID>",
    authoringKey: "<REPLACE-WITH-YOUR-ASSIGNED-AUTHORING-KEY>",
    predictionResourceName: "<REPLACE-WITH-YOUR-PREDICTION-RESOURCE-NAME>"
}

appID可在LUIS入口網站點選Settings取得：

authoringKey＆predictionResourceName可點選Azure Resources中Prediction Resources找到：

在程式中新增LUISService.ts預測服務

設定config.ts完成後，我們新增一隻LUISService.ts程式來負責Chatbot中的語意理解功能

const msRest = require("@azure/ms-rest-js");
const LUIS_Prediction = require("@azure/cognitiveservices-luis-runtime");
import { LUIS } from "../config"

const predictionEndpoint = `https://${LUIS.predictionResourceName}.cognitiveservices.azure.com/`;


const luisAuthoringCredentials = new msRest.ApiKeyCredentials({
    inHeader: { "Ocp-Apim-Subscription-Key": LUIS.authoringKey }
});

const luisPredictionClient = new LUIS_Prediction.LUISRuntimeClient(
    luisAuthoringCredentials,
    predictionEndpoint
);


export const languageUnderStanding = async (query: string) => {

    const request = { query: query };
    const response = await luisPredictionClient.prediction.getSlotPrediction(LUIS.appId, "Production", request);
    // console.log(JSON.stringify(response.prediction, null, 4));
    return response

}

明天就可以使用今天的程式來完成整合Chatbot與LUIS。