【TechWeb】2月14日，百度将积累多年的自然语言理解与交互技术对外开放，推出智能对话定制与服务平台U NIT，将业界领先的技术能力输出给广大的开发者，大大降低对话系统的研发门槛。经过长时间的技术积累，UNIT近期推出了新一代图形化对话流编辑器Taskflow，以图形化拖拽界面与编程相结合的方式，助力对话系统开发者轻松搞定复杂对话系统。

智能对话系统使得用户能够通过自然语言的方式和机器进行交互来满足自身的需求，在对话系统的研究中，多轮对话一直都是研究人员的重点研究方向。在多轮对话过程中，系统需要理解用户当前所说的话，且综合历史对话信息给出合理答复返回给用户，这就是对话管理要解决的问题。

对话管理是对话系统的重要组成部分，它的对话状态跟踪、对话策略选择、话术生成等功能是实现人机对话，尤其是多轮对话的关键。自1.0版本开始，UNIT向广大开发者提供了基于词槽收集与规则触发的对话管理定制能力。随着业务的发展，开发者也不断向UNIT对话管理功能提出了更多的要求，包括对话流程的灵活配置、应答话术的动态生成、外部业务资源的接入与调用，不同对话流程之间的跳转与返回等等。为了更好地满足这些需求，UNIT推出的新一代图形化对话流编辑器Taskflow，以图形化拖拽界面与编程相结合的方式，能够帮对话系统开发者轻松搞定复杂对话系统。

图形化对话流编辑器Taskflow能帮业务解决哪些问题

⼀个完整的对话流程，涉及到多个⽅⾯的功能，很多⼈与⼈习以为常的对话，机器人处理起来难度会⾼很多。这⾥我们以查询⼿机流量的场景为例：

用户：“我想查询这个⽉的流量。”

客服：“您好，您的当⽉流量剩余500兆。请问还有什么需要帮您的吗?”

用户：“好的，没有了。”

用户：“我想查询这个⽉的流量。”

客服：“您好，您的当⽉流量剩余50兆。考虑到您的剩余流量不⾜，建议您续订⼀个流量加油包。"

用户：“有什么流量包?”

看起来很⾃然的两段对话，在智能对话系统⾥⾯其实包含了很多逻辑和流程。

1.在查询流量时，机器人需要访问业务系统接口，获取相应的数据。

2.获取到数据后，机器人需要基于数据动态⽣成答复话术。并且，根据不同的数据反馈（剩余流量的多少），对话需要进⼊不同的分⽀流程，就要求机器人根据条件判断控制流程分⽀。

3.除此之外，对话系统还需要应对随时可能插⼊的新话题，在多个对话流程之间灵活切换。

如果不借助⼯具，完全由业务系统处理，是⼀份不⼩的⼯作量，而图形化对话流编辑器Taskflow，采⽤了组件化的思路，开发者只需要拖拽出相应的功能节点，完善节点配置项，⽆需⼀⾏代码，即可实现⼀个复杂的完整对话流程。

零代码配置，让多轮对话流程更简单

最基本的多轮对话为⼀问⼀答，⽽真实对话场景中的多轮对话则复杂的多。比如客服场景中需要在接听的同时主动发起对话，再等待⽤户输⼊。

机器人："很⾼兴为您服务，请问有什么可以帮您?"(主动发起对话，进⾏问候)

用户："查下我这个⽉的流量。"(此时⽤户才表达⾃⼰的对话意图)

更多场景中对话不是⼀问⼀答的，需要同时回复⽤户多句话，多句回复的选择有时还需要结合⼀些条件判断。

机器人：”您好，您的剩余流量50兆。“

机器人：(剩余流量较少时) “考虑到您的剩余流量不⾜，建议您续订⼀个流量加油包。”

针对各种各样的对话流程，Taskflow预置了多项对话能⼒，开发者通过不同的设置项，完成不同的对话需求：

可以⽆意图进⼊对话流程，主动向⽤户发起对话

配置⽆条件进⼊的连线，与开始节点连接，后续连接⼀个对话回复节点，从⽽实现进⼊对话意图后主动发起对话的效果。

通过配置选择是否等待⽤户输⼊，同时回复⽤户多句答复

在⼀个对话回复中，选择不等待⽤户输⼊，后续连接另⼀个对话回复节点，从⽽实现同时回复⽤户多句答复的效果。

相关文章