自然語言理解 (NLU) 是自然語言處理 (NLP) 的子領域，NLU可以將語言的結構分析、語法解析 、意圖識別和實體提取等操作，轉換為機器可離解的內容，使機器人可以理解和解釋人類語言中的意圖和含意。

工作階段如下：

1. 文本預處理 (Text Preprocessing)：處理用戶輸入的內容，進行分詞、去除無意義詞彙、詞形還原。
2. 意圖識別 (Intent Recognition)：理解使用者表達的意圖，判斷使用者想要達成的目標，使用訓練數據建立分類器或根據文本將其分配到定義的意圖類別，例如：「查詢天氣」、「預訂航班」等。
3. 實體識別 (Entity Recognition, NER)：識別出句子中的關鍵信息（實體），以便正確處理用戶的請求，例如：「地點」、「時間」、「人名」、「數量」等。
4. 對話上下文管理 (Context Management)：多輪對話，要理解上下文對話內容，確保對話有連貫性。
5. 生成回應 (Response Generation)：根據解析後的語義和後端的處理結果，生成合適的自然語言回應。
6. 持續優化 (Continuous Improvement)：根據用戶的反饋和交互數據持續改進，以提高準確性和用戶體驗。

NLU 能夠顯著提高聊天機器人的智能程度，使其能夠更自然、更準確的理解和回應使用者，接下來幾天會學習NLU 在聊天機器人中的應用：

• 建立 NLU 資料庫：使用 ChromaDB 來儲存意圖和實體的向量資料。
• 實現意圖與實體識別：通過範例程式學習如何進行意圖和實體的識別，並將其嵌入向量資料庫中。
• 查詢與測試：測試不同用戶輸入的意圖和實體識別效果，以優化聊天機器人對自然語言的理解能力。