在16年3月30號微軟的全球開發者大會Build上發布了Bot Framework，微軟認為下一個big thing是Conversation as a Platform，簡稱CaaP，中文應該叫做"對話即平台"。在我們的下個時代，我們將會處在對話即平台的時代，不管是一個屏幕，一個桌子，一個冰箱，甚至是人，都是一個app，都是一個對話的窗口，所有的交互都通過對話來完成。起床，你用自然語言喚起梳妝台的鏡子顯示今日的天氣，還有新聞。家里的小娜（Cortana）提醒你要趕緊出門，路上因為限號4，9，根據歷史的預測，會提早堵車，需要提前20分鍾出發。
那這個時代，將是如何實現的呢？人工智能不是簡單一個團隊，一小段時間就能完成的，需要經過大量的科研人員，進行大量的研究才能實現的。那怎么樣才能實現物物智能，智能眾生的構想呢？微軟將微軟亞太研究院多年的研究技術開放出來，讓各個開發者，不管是大公司，小公司甚至是個人都可以借助"智能"的"洪荒之力"，實現智能對話平台的未來。
打造這樣的智能服務需要涉及到微軟的兩個技術，Bot Framework和Cognitive Services（認知服務）。
Bot Framework就是幫你快速搭建智能服務的后端，快速在各種終端和服務上提供服務。包括三大組件。
Bot Builder SDKs：
這個是Bot的生成器，快速生成一個ASP.NET和Node.js的后端服務，提供了像Dialog、FormFlow幫你管理與用戶的會話。
Bot Connector：
這是個Bot的Channel，幫你把你的服務快速發布到各個渠道，比如說Skype，Facebook Messager等等。這樣用戶就可以在Skype等Channel上使用你的服務了。
Bot Directory：
這個算是Bot 的商店，在這里可以找到各個bot，你也可以把自己的Bot發布出來，從而大家都可以看到你的Bot。
Cognitive Services(認知服務)的前身是Project Oxford（牛津計划），正式發布的時候更名的。這是微軟將研究院研究的技術以API和SDK的形式開放給開發者的一系列智能化服務。
主要包括5大類的服務：視覺、語言、語言、知識和搜索。
其實就包括我們今天要講的"語言理解（Language Understanding Intelligent Service，簡稱LUIS）"。
我們今天以一個例子舉例，來詳細介紹怎么利用Bot Framework和LUIS（"擼以si"）打造一個智能陪護機器人。
一、下載Bot Framework的SDK
首先，請下載Bot Framework的SDK，建議下載Bot Framework的Visual Studio的模板Bot Application。
下載下來的模板（不用解壓）請直接放置到C:\Users\你的用戶名\Documents\Visual Studio 2015\Templates\ProjectTemplates\Visual C# 下面，這樣你在C#下面就可以看到有Bot Application的模板了。
如果是使用NuGet來下載SDK，請參考：
-
右鍵你的C#項目，選擇"Manage NuGet Packages".
-
在"Browse"的tab頁，輸入"Microsoft.Bot.Builder".
-
點擊"Install"的按鈕.
如果你使用的是Node.js，請使用以下命令：
npm install botbuilder
二、在Azure上創建bot服務
咱們現在創建一個Bot Application的應用。我准備創建一個叫做"萌萌"的機器人。
在Azure上創建Bot服務：搜索bot，選擇"Web App Bot"。
點擊創建，填寫相關的信息：
選擇基本模板即可，其他默認選項即可。
配置完成后，點擊創建，等待幾分鍾即可創建完成。
創建完成你可看到Bot服務幫你創建了5個相關服務。
點擊第一個Web App Bot服務，即可配置Bot相關服務。
"Name"：你的bot的名字，比如我的叫做"萌萌"。
"句柄（Bot Handle）"：比如我的寫"mengmeng"，其實就是你的Bot的id，記下來。
"Description"：你的Bot的描述，會在你的publish之后主頁上顯示。
點擊"信道"，其實就是配置各個平台，里頭可以看到"Web Chat"，這個是網頁端的channel，已經幫你寫好的一個iframe，咱們點擊"Edit"。
生成Web Chat的密鑰之后，把密鑰復制，點擊"I'm done configuring Web Chat"。
在資源組中，選擇你創建的資源組，點擊"部署"：
請記下APPID和AppSecret兩個參數，后面會用到。
三、准備你的機器人后端服務代碼
從我的GitHub地址下載代碼：https://github.com/cheneyszp/MengmengBot
在你的Web.config里，填上你的BotId，剛才創建的App ID和AppSecret。
打開網站的起始頁default.htm
復制以下代碼：
<!DOCTYPE html>
<meta name="viewport" content="width=device-width, initial-scale=1, maximum-scale=1">
<html>
<head>
<title>萌萌</title>
<meta charset="utf-8" />
</head>
<body style="font-family:'Segoe UI'">
<iframe name="myframe" scrolling="auto" width="100%" height="100%"
onload="document.all['myframe'].style.height=myframe.document.body.scrollHeight"
src="https://webchat.botframework.com/embed/你自己的Bot句柄?s=你 自 己 的 Web Chat 密 鑰 " style="height: 502px; max-height: 502px;"></iframe>
</body>
</html>
然后右鍵項目工程，點擊"publish"，之后你就可以擁有一個簡單的Bot啦。
四、新建LUIS服務
請先登錄：https://www.luis.ai/ ，這是語言理解服務的portal。如果還沒注冊的話用live id注冊以下就可以了。
點擊"App"這一欄，咱們先點擊"new App"新建一個app。
新建完成后，點擊應用的名稱，進入編輯這個應用。
我們先看以下左邊的tab，可以看到有儀表盤，意圖（Intents），實體（Entities），功能。。。。
Intents：就是意圖，比如咱們現在要提供天氣查詢的服務，那么咱們就創建一個"查詢天氣"的Intent。
實體里頭有兩類：
Entities：實體，比如在查詢天氣的時候需要有地理位置信息，需要把用戶的語言里頭的地點提取出來，這個地點就是這個句子里頭的實例，咱們創建一個"地點"的實例。
Pre-built Entities(預建實體)：這個是預置好的實例，比如說時間，數字等等，我加了一個datetime的預置實例。
在功能里頭會有：
Phrase List（短語列表功能）：固定的一些短語，能夠直接識別，比如說航空公司的名字等已知信息
Pattern Features（模式功能）：正則表達式，可以匹配出相應的一些字段，比如說航班號。
咱們現在來創建一個能夠識別查詢天氣的語言理解服務。
首先，查詢天氣需要地點信息，咱們先創建一個"地點"的實例。
點擊到"實體"里頭，"添加自定義實體"：
添加一個"預建實體" datetime：
再創建一個叫做"查詢天氣"的Intent。
點擊Done之后，點擊"查詢天氣"會進入以下界面：
輸入幾個例子，比如說"北京天氣怎么樣"，可以多輸入幾個句子的類型，比如"北京今天有霧霾嗎？"等等，每輸入完一句按一下回車。
如果北京等地點信息沒有顯示標記的話，選中北京兩個字，然后選擇"地點"標注。然后點擊"保存"。
隨手點擊該界面右上角的"Train"按鈕進行訓練。
可以點擊Test進行測試。
隨手點擊"Publish"的tab頁面，進入到一下界面，點擊"Publish to production slot"
點擊Publish之后，你可以在Publish的tab頁面底下，可以看到"Resources and Keys" ，
試用的話會給你自動生成一個Starter Key，右邊的鏈接就是Publish出來的鏈接地址啦
如：https://westus.api.cognitive.microsoft.com/luis/v2.0/apps/LUIS_APP_ID?subscription-key=LUIS_subscription-key&timezoneOffset=0.0&verbose=true&q=
如果商用的話，需要在Azure Portal創建一個LUIS服務，然后點擊"Add Key"，把LUIS的Key添加進來。
url后面加上查詢語句就是API了。
https://westus.api.cognitive.microsoft.com/luis/v2.0/apps/LUIS_APP_ID?subscription-key=LUIS_subscription-key&timezoneOffset=0.0&verbose=true&q=北京今天天氣怎么樣？
把LUIS的ID(就是apps后面那串字符)和subscription-key記下來，后面需要用到。
在URL后面可以輸入相關的語句，然后回車，就可以看到返回的json字符串了。
四、在Bot中集成LUIS服務
現在我們就把LUIS集成到你的Web服務里頭來就可以了。
咱們用Dialog的方式來完成，比較好管理會話。
在MessagesController.cs里頭的public class MessagesController : ApiController添加MengmengDialog的類。
[LuisModel("你LUIS的ID", "你LUIS的subscription-key ")]
[Serializable]
public class MengmengDialog : LuisDialog<object>
{
public MengmengDialog()
{
}
public MengmengDialog(ILuisService service)
: base(service)
{
}
[LuisIntent("")]
public async Task None(IDialogContext context, LuisResult result)
{
string message = $"萌萌不知道你在說什么，面壁去。。。我現在只會查詢股票和查詢天氣。。T_T" + string.Join(", ", result.Intents.Select(i => i.Intent));
await context.PostAsync(message);
context.Wait(MessageReceived);
}
public bool TryToFindLocation(LuisResult result, out String location)
{
location = "";
EntityRecommendation title;
if (result.TryFindEntity("地點", out title))
{
location = title.Entity;
}
else
{
location = "";
}
return !location.Equals("");
}
[LuisIntent("查詢天氣")]
public async Task QueryWeather(IDialogContext context, LuisResult result)
{
string location = "";
string replyString = "";
if (TryToFindLocation(result, out location))
{
replyString = await GetWeather(location);
await context.PostAsync(replyString);
context.Wait(MessageReceived);
}
else
{
await context.PostAsync("親你要查詢哪個地方的天氣信息呢，快把城市的名字發給我吧");
context.Wait(AfterEnterLocation);
}
}
}
GetWeather這個函數需要自己實現，調用相關的API返回相應的天氣信息。
然后在Task<HttpResponseMessage> Post([FromBody]Activity activity)下創建MengmengDialog來處理對話的內容。
public async Task<HttpResponseMessage> Post([FromBody]Activity activity)
{
if (activity.Type == ActivityTypes.Message)
{
await Conversation.SendAsync(activity, () => new MengmengDialog());
}
else
{
HandleSystemMessage(activity);
}
var response = Request.CreateResponse(HttpStatusCode.OK);
return response;
}
然后發布，這樣我們的天氣查詢機器人就完成啦！
測試一下：
換着問法問天氣，發現都沒問題，都能夠正確地識別出來。
在LUIS Portal里頭，點擊"Review endpoint utterances"，可以看到所有調用LUIS API發過來的消息，也就是說，你可以在這里看到所有用戶發來的消息。
你可以看看LUIS標注得對不對，如果錯了勾選，然后選擇"重新分配意圖"，然后保存，之后LUIS會學習到這個知識，變得越來越准。
重新標注之后記得重新train一下然后publish哈。
比如說，輸入"北京現在天氣怎么樣"，發現只識別出來Intent，但是沒有識別出來地點。
重新標注，train，重新publish一下。
發現已經能夠正確識別。
試試吧，有問題留言：）
代碼已經發布到GitHub，請參考：https://github.com/cheneyszp/MengmengBot