【TechWeb】2月14日，百度將積累多年的自然語言理解與交互技術對外開放，推出智能對話定製與服務平臺U NIT，將業界領先的技術能力輸出給廣大的開發者，大大降低對話系統的研發門檻。經過長時間的技術積累，UNIT近期推出了新一代圖形化對話流編輯器Taskflow，以圖形化拖拽界面與編程相結合的方式，助力對話系統開發者輕鬆搞定複雜對話系統。

智能對話系統使得用戶能夠通過自然語言的方式和機器進行交互來滿足自身的需求，在對話系統的研究中，多輪對話一直都是研究人員的重點研究方向。在多輪對話過程中，系統需要理解用戶當前所說的話，且綜合歷史對話信息給出合理答覆返回給用戶，這就是對話管理要解決的問題。

對話管理是對話系統的重要組成部分，它的對話狀態跟蹤、對話策略選擇、話術生成等功能是實現人機對話，尤其是多輪對話的關鍵。自1.0版本開始，UNIT向廣大開發者提供了基於詞槽收集與規則觸發的對話管理定製能力。隨着業務的發展，開發者也不斷向UNIT對話管理功能提出了更多的要求，包括對話流程的靈活配置、應答話術的動態生成、外部業務資源的接入與調用，不同對話流程之間的跳轉與返回等等。爲了更好地滿足這些需求，UNIT推出的新一代圖形化對話流編輯器Taskflow，以圖形化拖拽界面與編程相結合的方式，能夠幫對話系統開發者輕鬆搞定複雜對話系統。

圖形化對話流編輯器Taskflow能幫業務解決哪些問題

⼀個完整的對話流程，涉及到多個⽅⾯的功能，很多⼈與⼈習以爲常的對話，機器人處理起來難度會⾼很多。這⾥我們以查詢⼿機流量的場景爲例：

用戶：“我想查詢這個⽉的流量。”

客服：“您好，您的當⽉流量剩餘500兆。請問還有什麼需要幫您的嗎?”

用戶：“好的，沒有了。”

用戶：“我想查詢這個⽉的流量。”

客服：“您好，您的當⽉流量剩餘50兆。考慮到您的剩餘流量不⾜，建議您續訂⼀個流量加油包。"

用戶：“有什麼流量包?”

看起來很⾃然的兩段對話，在智能對話系統⾥⾯其實包含了很多邏輯和流程。

1.在查詢流量時，機器人需要訪問業務系統接口，獲取相應的數據。

2.獲取到數據後，機器人需要基於數據動態⽣成答覆話術。並且，根據不同的數據反饋（剩餘流量的多少），對話需要進⼊不同的分⽀流程，就要求機器人根據條件判斷控制流程分⽀。

3.除此之外，對話系統還需要應對隨時可能插⼊的新話題，在多個對話流程之間靈活切換。

如果不借助⼯具，完全由業務系統處理，是⼀份不⼩的⼯作量，而圖形化對話流編輯器Taskflow，採⽤了組件化的思路，開發者只需要拖拽出相應的功能節點，完善節點配置項，⽆需⼀⾏代碼，即可實現⼀個複雜的完整對話流程。

零代碼配置，讓多輪對話流程更簡單

最基本的多輪對話爲⼀問⼀答，⽽真實對話場景中的多輪對話則複雜的多。比如客服場景中需要在接聽的同時主動發起對話，再等待⽤戶輸⼊。

機器人："很⾼興爲您服務，請問有什麼可以幫您?"(主動發起對話，進⾏問候)

用戶："查下我這個⽉的流量。"(此時⽤戶才表達⾃⼰的對話意圖)

更多場景中對話不是⼀問⼀答的，需要同時回覆⽤戶多句話，多句回覆的選擇有時還需要結合⼀些條件判斷。

機器人：”您好，您的剩餘流量50兆。“

機器人：(剩餘流量較少時) “考慮到您的剩餘流量不⾜，建議您續訂⼀個流量加油包。”

針對各種各樣的對話流程，Taskflow預置了多項對話能⼒，開發者通過不同的設置項，完成不同的對話需求：

可以⽆意圖進⼊對話流程，主動向⽤戶發起對話

配置⽆條件進⼊的連線，與開始節點連接，後續連接⼀個對話回覆節點，從⽽實現進⼊對話意圖後主動發起對話的效果。

通過配置選擇是否等待⽤戶輸⼊，同時回覆⽤戶多句答覆

在⼀個對話回覆中，選擇不等待⽤戶輸⼊，後續連接另⼀個對話回覆節點，從⽽實現同時回覆⽤戶多句答覆的效果。

相關文章