雲小蜜主頁：https://help.aliyun.com/product/59495.html
雲小蜜試用：https://www.aliyun.com/product/beebot
需要先“獲取使用資格”，提交申請之后，預計需要7個工作日審批。
總結：將對話流中的概念進行了簡化和抽象，通過拖拽的GUI可以配置一個復雜的對話流。在一些技術細節方面也有一些指導。不錯的平台。
雲小蜜快速入門：https://help.aliyun.com/document_detail/60459.html
- 開通雲小蜜服務（目前處於公測階段，需要提交申請才能使用。）
- 創建會話機器人
- 初始化會話機器人
- 創建或導入知識包／知識類目，如果創建的知識包和已有的存在沖突，平台會處理。
- 為機器人配置需要綁定的知識包／知識類目
- 在“對話工廠”配置對話流
- 為機器人配置插件，自定義語聊和系統預置語聊。
- 自定義語聊，就是閑聊，小蜜提供了18個常見主題。無法自定義問法，可以自定義回復。
- 系統預置語聊，系統預定義了幾萬條。
- 測試窗（示例中的主動提醒挺不錯）
知識庫：https://help.aliyun.com/document_detail/113778.html
- 知識庫：就是問答對。
- 知識類目／問答知識的增刪改查。
- 問答知識：就是keys-values pair，keys就是標題以及相似問，以及生效時間，答案和視角（視角就是平台，例如微信，微博，AP，支付寶，PC端等等）
- 知識：失效，刪除，轉移（修改類目），歷史，編輯，查詢（標題，相似問發，核心詞，知識ID）
對話工廠：https://help.aliyun.com/document_detail/92353.html
- 好平台好工具？
- 高度抽象復雜對話中的基本元素，使其能夠成為所有對話構建的基石；
- 找到元素之間組裝和拼接的規律，幫助對話開發者或者對話運營人員理清思路，找到方法，駕馭智能對話；
- 簡單高效易用，降低新手成本，一些通用的對話原材料，盡可能多的預置好，開箱即用。
- 三個基本概念：entry／觸發，function／函數，response／回復。幾乎所有對話流都可以用以上三個基本元素拼裝組合而成，包括經典的slotfilling機制，包括非依賴性平行槽、依賴槽，甚至針對填槽過程中獲取到的參數值進行分支判斷，例如重名校驗、合理性校驗等等。
- 組裝對話流的原理，就是人類和機器對話的本質，一問一答間，盡顯大道至簡之風。我們將三種對話現象高度抽象提煉，成為組成對話流的三個基本元素：觸發節點、函數節點、回復節點。
- 入門1 最簡對話流：https://help.aliyun.com/document_detail/92374.html
- 以請假為例（請假人，時間）
- 入門2 分之對話流：https://help.aliyun.com/document_detail/92375.html
- 比如用戶來到一家生鮮店，發現你是一名機器人導購，有海鮮和水果可以選，兩類商品對應的導購流程不一樣。
意圖：https://help.aliyun.com/document_detail/84653.html
- 基於規則匹配的方式，包括意圖和意圖參數兩部分，包含一些規則設計的技巧
專有名詞：https://help.aliyun.com/document_detail/84654.html
- 專有名詞是同類型單詞的合集，如：城市、日期、顏色等。語義通過專有名詞進行理解，然后抽取並輸出機器可以理解的格式。例如用戶說「我喜歡綠色」，我們都知道綠色是一種顏色，但如果我們不預先告訴機器，機器是不會知道的。為了讓機器能夠理解綠色，我們可以創建一個詞庫，把常見的顏色列舉，這樣機器再遇到這些詞，就能知道是一種顏色。
- 系統預置名詞
- 正則名詞
觸發節點：https://help.aliyun.com/document_detail/84655.html
- 對話流的關鍵觸發節點，當滿足該節點包含的條件時，才能順利的觸發該節點對應的對話流。
- 生命周期：生命周期的輪數，就是最多允許用戶打斷幾輪，如果在最大限制之內，用戶可以隨時接着聊該Dialog的話題，整個對話將會自動恢復。
填槽節點：https://help.aliyun.com/document_detail/84656.html
- slots是一個組合節點，如果用戶第一句觸發意圖的句子缺失槽位，slots將會逐個進行反問，直到收集齊為止。
- 必填：這個參數在改意圖里面是否一定需要被填寫，如果不是必填參數，那么用戶可以不必回答我們預設的問題
- 參數名：參數在這個意圖里面的唯一標示，可以在后面的調用中使用
- 來源實體：這個參數屬於哪一個實體類型
- 生命周期：當反問該實體的時候，被其他對話打斷，最多允許幾輪，在限度之內，對話依然可自動恢復
- 數組：當需要識別的信息不止一個，而是一個列表時，需要選擇數組類型的參數
- 反問：必填情況下，如果用戶沒有回答該參數所需的值，會觸發反問的邏輯
函數節點：https://help.aliyun.com/document_detail/84657.html
回復節點：https://help.aliyun.com/document_detail/84658.html
- 主要用來定義透傳給用戶回復信息的一種樣式類型，可以是很豐富的消息類型。
- 目前支持純文本一種編輯模式，可支持編輯純文本（包括中文、英文、標點符號等等），也可以支持編輯JSON格式的數據，由觸達用戶的機器人端自行渲染。
對話流狀態：https://help.aliyun.com/document_detail/84660.html
- 草稿／測試／發布／下線／刪除
如何定義對話流元素
- 定義意圖：https://help.aliyun.com/document_detail/92377.html
- 定義專有名詞：https://help.aliyun.com/document_detail/92376.html
機器人訓練：https://help.aliyun.com/document_detail/84604.html
- 機器人訓練（AIBoost）是一個輔助人工智能訓練師，進行智能產品數據挖掘、知識優化的智能訓練工具平台。
- 數據閉環：充分利用真實的線上反饋數據進行智能訓練及評測，優化效果真實可靠、可感知。
- 智能輔助處理：通過數據清洗、聚類、推薦等智能輔助手段，提升訓練的科學合理性。
- 線上化一體操作：無線下流程，保障數據安全及數據准確性
