0
点赞
收藏
分享

微信扫一扫

一个前端开发工程师的天猫精灵评测报告

虽然从普通用户眼中,使用语音向天猫精灵发起指令,然后收到后者的语音回复,这个流程似乎很简单,但背后实际上有着人工智能中 ASR(语音识别)、NLP(自然语言处理)、TTS(语音合成)等自然语言处理技术的参与和整合。

我们先来看一个典型的用户通过语音同天猫精灵交互的流程图。

  1. 用户用语音唤醒天猫精灵,后者接收到用户语音,上传到智能应用平台。
  2. 平台使用 ASR(音频转文字)和 NLP(自然语言处理)技术,智能解析出用户发出语音包含的意图(通俗的说,即用户当前期望天猫精灵完成什么样的操作)。平台会自动将当前用户指令,匹配到开发人员创建的对应的技能和意图去。具体的匹配过程,就是将平台所有解析到的参数信息,通过 HTTPS 请求访问开发者提供的服务接口。
  3. 开发者负责实现的服务(托管在自己的应用服务器或者阿里云 Serverless 环境),接收到平台发送的请求参数,执行业务逻辑(比如天气预报查询,智力题,语音游戏等),并组装回复结果。
  4. 智能应用平台收到开发者服务执行完业务逻辑返回的响应数据后,使用 TTS(文字转音频)合成音频,并将音频推送回天猫精灵。
  5. 天猫精灵将收到的音频通过麦克风播报出来,本轮同用户的交互就完成了。
  6. 一个前端开发工程师的天猫精灵评测报告_业务逻辑

分析这个交互场景,不难发现,需要开发人员动手操作的流程包含以下两个方面:

  1. 在​​AliGenie 技能应用平台​​上创建新的技能和意图,用于接收用户通过语音发送过来的请求。
  2. 应用开发人员自己选择在应用服务器还是 Serveless 运行环境里实现新的技能需要完成的业务逻辑编写。

新技能的创建和意图的定义

登录 ​​AliGenie 技能应用平台​​​,点击 ​​创建新技能​​,通过向导创建一个新技能。

一个前端开发工程师的天猫精灵评测报告_开发人员_02

下面是天猫精灵技能创建页面。这个页面的 url:

​​https://iap.aligenie.com/console/newskill/89247/basic?id=2022042968002&childType=skill​​

其中 skill id 为 ​​89247​​​,id 为 ​​2022042968002​​ ,取的是技能创建时间。

一个前端开发工程师的天猫精灵评测报告_业务逻辑_03

从开发流程状态迁移图能看出,一个新的语音技能,从创建后,依次要经过下列的步骤,最后才能正式发布给用户使用:

  • 定义语音交互模型
  • 构建后端服务逻辑
  • 添加屏显页面(可选步骤,可跳过)
  • 测试:可以用真机测试或者网页上测试

在技能属性维护的明细页面,我们可以观察到下列信息:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XI038Jh9-1652060198031)(​​https://upload-images.jianshu.io/upload_images/2085791-4d8866c75e1302ca.png?imageMogr2/auto-orient/strip|imageView2/2/w/1240​​)]

技能最重要的属性是维护技能调用词,当用户向天猫精灵发出的语音指令,包含技能调用词时,天猫精灵才会进行相应的技能处理状态。

在我的评测里,我选用的技能调用词为 ​​汪子熙是谁​​,因为该调用词不能和平台已有的调用词相冲突。

一个语音技能可以包含多个意图。意图代表用户同天猫精灵进行交互对话的目的。比如我的自定义技能,包含了三个意图:体重,天气查询和欢迎意图。意图标识即意图 ID,需要在技能开发人员编写的代码实现里使用到。

一个前端开发工程师的天猫精灵评测报告_业务逻辑_04

我们在上图选择一个意图打开,比如 ​​天气查询​​​ 意图,打开其编辑页面,能看到一个 ​​单轮对话表达​​ 的维护界面。因为之前已经说过,一个语音技能可以对应多个意图,所以如果用户向天猫精灵发起的语音指令,同单轮对话表达里维护的语句相同或相似时,就被判定为命中了对应的意图。

比如用户向天猫精灵发起的对话,同下列类型的语句相似时:

  • 杭州今天天气怎么样
  • 今天天气怎么样
  • 杭州天气怎么样

一个前端开发工程师的天猫精灵评测报告_开发人员_05

智能应用平台就会将这些请求参数,比如 ​​今天​​​,​​杭州​​​,以及判定出的意图 id,​​weather​​​,传入应用程序业务接口。在我们自己编写的程序里,拿到 ​​weather​​​ id,就知道当前用户期望 ​​查询​​​ ​​杭州​​​ 这个城市 ​​今天​​ 的天气情况,此时就可以调用天气查询的 Restful API 完成业务逻辑了。

单轮对话表达式的参数定义

我们观察到了在意图的单轮对话表达式维护界面里,​​杭州​​​ 和 ​​今天​​​ 这两个词都通过特殊的颜色进行高亮。这代表它们是对话表达式里的​​参数​​。显然,天气预报业务要针对具体的城市和日期才有意义,因此这些参数也需要被发送到应用开发人员编写的服务接口中去。

一个前端开发工程师的天猫精灵评测报告_ide_06

下图是 ​​weather​​​,天气预报意图的参数列表页面,其中 ​​城市​​​ 的 id 为 ​​city​​​,我们可以在应用接口的代表中使用该 id,获取用户语音请求中包含的 ​​城市​​ 名称。

一个前端开发工程师的天猫精灵评测报告_开发人员_07

上图 ​​参数名称​​​ 右边的一列,叫做 ​​关联实体​​。实体(Entity)是自然语言处理领域里中表示一类短语的集合,包含了应用所在领域的关键词和术语。

比如天气预报领域,关键词为时间,地点,天气状况。在智能应用平台的处理流程里,实体负责告诉平台,当从用户语音请求中解析出参数时,这些参数的可能取值范围。语音技能支持自定义实体或者引用平台提供的公共实体。

上图定义的参数,都有一个一一对应的实体,界面如下:

一个前端开发工程师的天猫精灵评测报告_业务逻辑_08

如果用户发起的请求里,并没有显式说明想知道哪一个城市的天气状况,此时我们可以使用 ​​精灵追问​​​ 功能,向用户发起一个新的提问,比如:​​你问的是哪一个城市​​?从而获取 city 参数的值。

一个前端开发工程师的天猫精灵评测报告_业务逻辑_09

意图编辑页面里的多轮对话编辑也是一个很有用的功能:

一个前端开发工程师的天猫精灵评测报告_ide_10

上图的例子是,如果用户当前的请求已经位于 ​​weather​​​ 意图的处理上下文,在这个情况下用户再次追问:​​那北京呢​​​?此时智能平台会判断出,这一轮的对话仍旧属于天气预报的意图,因此会将 ​​city = 北京​​ 这个参数串,发送给用户定义的业务实现接口。

技能后端编码

技能的后端编码是天猫精灵自定义技能开发的重头戏。点击 ​​代码编辑​​ 面板,可以为该技能针对的业务接口实现,选择对应的服务部署方式。

在线开发模式同阿里云云原生开发即 FAAS,这两种方式均无需搭建自己的应用服务器,区别在于前者作为一款免费的云服务资源和在线开发环境,资源额度有限,更适合快速体验天猫精灵技能应用的开发流程,而不适合用于技能的生产模式下部署。

一个前端开发工程师的天猫精灵评测报告_开发人员_11

因而我选择了阿里云的 Serverless 产品 FAAS,可以直接在浏览器里进行技能后端服务的开发,调试,部署和运行。

一个前端开发工程师的天猫精灵评测报告_业务逻辑_12

依次开通 API 网关,日志服务,函数计算,对象存储四个资源后,基于 Java Spring Boot 应用模板,快速创建一个服务实现:

一个前端开发工程师的天猫精灵评测报告_开发人员_13

一个前端开发工程师的天猫精灵评测报告_开发人员_14

访问 FAAS 环境的控制台 ​​url​​:

这个后台服务接口的 Java 实现代码,托管在 ​​codeup​​​ 代码​​仓库​​上:

一个前端开发工程师的天猫精灵评测报告_ide_15

一个前端开发工程师的天猫精灵评测报告_业务逻辑_16

在开发部署页面,我们可以查看部署日志,对 FAAS 实例的硬件参数进行调整等操作:

一个前端开发工程师的天猫精灵评测报告_ide_17

一个前端开发工程师的天猫精灵评测报告_ide_18

一个前端开发工程师的天猫精灵评测报告_ide_19

API 网关和 FC 计算服务的关系如下图所示:

一个前端开发工程师的天猫精灵评测报告_ide_20

点击 ​​前往开发​​,就可以在浏览器里使用 CloudIDE 进行 Java 开发了:

一个前端开发工程师的天猫精灵评测报告_业务逻辑_21

对于天天用 Visual Studio Code 进行 Angular 开发的笔者,对于这个浏览器里使用的 Cloud IDE 的外观再熟悉不过了:​​https://workbench.aliyun.com/intersys/2022042901718897/develop?orgId=626bfb21cfea268afc21ab8d​​

一个前端开发工程师的天猫精灵评测报告_开发人员_22

在 Cloud IDE 里能完成绝大多数常规的开发操作,比如代码编辑,git 代码仓库提交,Maven 构建,一键部署等等:

一个前端开发工程师的天猫精灵评测报告_开发人员_23

一个前端开发工程师的天猫精灵评测报告_业务逻辑_24

该 Cloud IDE 提供的更多功能,可以通过 ​​视图​​​-> ​​命令面板​​ 里查看:

一个前端开发工程师的天猫精灵评测报告_业务逻辑_25

一个前端开发工程师的天猫精灵评测报告_开发人员_26

接下来,就可以在 Cloud IDE 基于模板生成的项目里,通过实现 GenieEntry 的 execute 方法,来编写自定义技能的业务逻辑了:

一个前端开发工程师的天猫精灵评测报告_ide_27

举报

相关推荐

0 条评论