[Bot Framework Composer]在Composer中使用Orchestrator进行意图识别

开发人员可以使用Bot Framework制作各种对话体验，通过最终用户的一个入口点统一这些体验的入门。这种组合模型通常被称为技能。

在一个组织内，创建一个拥有多个子机器人的父机器人，我们称之为技能，由不同的团队拥有，是一种有效的设计模式。这些技能可以更广泛地利用其他开发人员提供的通用功能，这有助于在整个组织内横向扩展自动化。

Bot框架中有两种组件模型方法，Bot组件和技能。

• Bot Components允许您以源代码形式或通过包和相关的包提要与其他开发人员共享声明性会话资产（对话框、语言模型和语言生成响应）和代码的任何组合。然后将其导入到您的项目中，并可以根据需要进行修改以适应您的场景。这直接类似于共享代码库。
• 技能可以让机器人出现在其他对话体验中，与其他机器人分享，然后机器人将话语传递给远程处理。这与构建web服务网格的方式直接类似。

为您的场景构建正确的架构非常重要。机器人组件提供了一种在项目之间共享通用功能的简单方法，然后可以对其进行修改，技能提供了对给定体验的集中所有权，然后其他对话体验可以按原样使用。

Composer可以帮助利用机器人作为一种技能。需要技能清单和其他更改，Composer可以帮助实现自动化。

对于技能场景，家长机器人负责将用户的话语分派给最适合处理话语的技能。该调度员需要用每种技能的示例话语进行训练，以构建调度模型。这使父机器人能够识别正确的技能，并将此技能和后续话语传递给它。

Orchestrator是现已弃用的Bot Framework Dispatcher的替代品。它为Bot Framework客户提供了一个易于使用的强大技能调度解决方案。使用Composer构建的机器人或直接使用SDK创建的机器人都可以使用它，使现有的Dispatch用户能够轻松切换到Orchestrator。

Orchestrator利用自然语言理解方法，同时简化了语言建模过程。使用它不需要深度神经网络或自然语言处理（NLP）方面的专业知识。这项工作是与该领域的行业专家共同撰写的，其中包括通用语言理解评估（GLUE）领导委员会中使用的一些顶级方法。编排器将继续进化和发展。

开发人员通常需要用很少的训练示例来正确定义语言模型。有了Orchestrator使用的预训练模型，这就不那么令人担忧了。仅仅一个意图或技能的例子往往可以在做出准确预测方面发挥很大作用。例如，仅用一个例子“你好”定义的“问候”意图可以成功预测“你今天怎么样”或“早上好”等例子。

预训练模型的力量及其使用极少数简单简短示例的泛化能力是强大的。这种能力通常被称为少镜头学习，包括单镜头学习，Orchestrator也支持这种学习。得益于在大型数据集上训练的预训练模型，这种能力得以实现。

Orchestrator provides a multi-lingual model alongside English which provides the ability for a model trained with, for example English-only, data to process utterances in other languages.

In this example, using the CLI for ease of demonstration, we pull down the multi-lingual model rather than the default English model. You can retrieve a list of available models through the command bf orchestrator:basemodel:list.

bf orchestrator:basemodel:get --versionId=pretrained.20210205.microsoft.dte.00.06.unicoder_multilingual.onnx --out=model

Then create a snapshot using a .lu file with solely-English utterances.

bf orchestrator:create --in test.lu --model model --out generated

And then test using a German utterance ("book a meeting with Darren") which correctly classifies the intent as the BookMeeting intent.

bf orchestrator:query -i="generated\test.blu" -m=model -q="Buchen Sie einen Termin mit Darren"

[
  {
    "label": {
      "name": "BookMeeting",
      "label_type": 1,
      "span": {
        "offset": 0,
        "length": 34
      }
    },
    "score": 0.24771601762059242,
    "closest_text": "book a meeting with darren"
  }
]

Orchestrator also supports multi-intent detection, whereby if an utterance for a user contains two instructions (for example book a meeting with Darren and add a task to pickup chocolate milk) these can both be identified and provided to the bot for subsequent processing.

The example below, using the CLI for ease of demonstration, shows two intents being extracted from a given utterance.

bf orchestrator:query -i="generated\test.blu" -m=model -q="book a meeting with darren and add a task to pickup chocolate milk"

[
  {
    "closest_text": "add task to pickup chocolate milk",
    "score": 0.7430192247281288,
    "label": {
      "name": "AddTask",
      "label_type": 1,
      "span": {
        "length": 56,
        "offset": 0
      }
    }
  },
  {
    "closest_text": "book a meeting with darren",
    "score": 0.6492044311828292,
    "label": {
      "name": "BookMeeting",
      "label_type": 1,
      "span": {
        "length": 56,
        "offset": 0
      }
    }
  }
]

• See the Create an intent driven bot with Orchestrator article for an example of Orchestrator in Composer.