一个智能对话场景的实现，往往包含两部分非常重要的工作，一部分是对话技能的搭建，另一部分是对话流程处理。今天，让我们用UNIT平台的对话流编辑器Taskflow演示如何快速实现购物场景下的智能对话流程。

1. 创建对话技能与问答技能

新建⼀个购物客服的对话技能，创建响应意图、词槽，并添加训练数据，并经过效果评估合格后，训练⼀个可⽤的模型。

本次对话技能新增四个意图，分别为：

ELECTRONIC_RPODUCT，代表购买电⼦产品的意图；

INTENT_NO，代表没有的意图；

INTENT_SATISFIED，代表可以，满意的意图；

INTENT_DISSATISFIED，代表不⾏，不满意的意图。

其中购买意图包含user_type(商品类型)、user_type(商品型号)、user_price(商品价格)、user_product_name(商品名)、user_function(功能⽤途)等词槽。

另外需新建⼀个服务规定的问答技能，并添加类似于退货规定等的问答对。

以上技能的配置与训练需要在百度大脑UNIT平台上完成，针对每个对话意图输出一套可用的对话模型。

2. 对话流程配置

在对话技能和问答技能配置完成以后，就要进入对话流程配置。在配置对话流程时，首先新建机器⼈，对话流程控制选择Taskflow类型。其次，将已创建的对话技能和问答技能添加到机器⼈中，点击左侧功能栏的“对话流程”，就可以进⾏Taskflow的配置。

在购物场景中，以6个对话流为例详细为大家演示，对话流程的实现方法。

场景1:首先实现一段最简单的购买场景的对话

“我想买台电脑”

“您有价位，型号，⽤途之类的要求吗？”

“没有。”

“好的，那我为您推荐这台戴尔的最新款吧。”

1）新建⼀个 “询问需求”的对话答复节点，并在答复内容中选择默认的⾃定义话术答复，内容为“您有价位，型号，⽤途之类的要求吗？”

2）将开始节点与“询问需求”的对话答复节点连接起来，命名为“购买电⼦产品”，连线的条件设置成意图等于ELECTRONIC_RPODUCT。

3）新建⼀个 “产品推荐”的对话答复节点，并在答复内容中选择默认的⾃定义话术复，内容为“好的，那我为您推荐这台戴尔的最新款吧。”

4）将“询问需求”的节点与“产品推荐”连接起来，命名为“没有需求”，连线的条件设置为意图等于INTENT_NO。即可实现上述对话内容。

场景2:根据客户要求针对性推荐的情况

真实情况下对话可能会有更复杂的情况，⽐如说推荐时需要根据不同⽤户的不同需求做针对性推荐。不可能提前将所有的内容都预置到Taskflow的回复话术中，这就需要去查询业务系统了。当然，如果根据不同的时间存在推荐的动态更新，⽆论⽤户提没提要求，都可以通过经过业务系统给出对应的话术。

“我想买台电脑”

“您有价位，型号，⽤途之类的要求吗？”

“我想买来打游戏。”

“好的，那我为您推荐外星⼈游戏本。”

1）对话中提到了功能⽤途为打游戏，此时我们需要新建⼀个 “推荐内容查询”的资源调⽤节点，配置好业务系统的API，将⽤户的功能⽤途作为参数传给API，并设置好出参赋值给名为recommendation的全局变量，Taskflow的全局变量不需要声明，直接将名称填在全局变量中，后续调⽤即可。

2）将“询问需求”的节点与“推荐内容查询”连接起来，命名为“存在要求”，连线的条件设置为user_function已填充或者user_price已填充或者user_product_name已填充。

3）新建一个“产品推荐”的对话答复节点，并在答复内容中选择默认的⾃定义话术答复，这⾥需要进⾏话术的动态拼接了。假设资源调用中返回的Json格式，推荐内容都保存在result中。则此处的答复话术为“好的，为您推荐{$recommendation.result}。”

还有⼀种可能性，⽤户直接指定了具体型号，此时就不存在推荐的问题了，我们需要调⽤业务系统查询是否有货，然后回复⽤户。

“我想买台电脑”

“您有价位，型号，⽤途之类的要求吗？”

“我想买Mookbook最新款”

“这款价格是18888，我们有现货，可以马上发货“

1）新建一个“指定型号”的对话答复节点，并在答复内容中选择默认的⾃定义话术答复，这⾥需要进⾏话术的动态拼接了。假设资源调⽤中返回的Json格式，推荐内容都保存在result中。则此处的答复话术为“这款价格是18888，我们有现货，可以马上发货”

2）将“推荐内容查询”的节点与“产品推荐”连接起来，此处连线设置为user_product_name未填充。

3）将“推荐内容查询”的节点与“指定型号”连接起来，此处连线条件设置为user_product_name已填充。点击发布，就可以与机器⼈进⾏对话了。

场景3:⽤户直接说出要求情况

真实情况下⽤户的说法多种多样，可能不需要询问，就说出来了⾃⼰的要求。

“我想买台打游戏的电脑”

“好的，那我为您推荐外星⼈游戏本。”

只需要将开始节点和“推荐内容查询”节点连接，条件设置为意图等于ELECTRONIC_RPODUCT且user_function已填充，或者user_price已填充，或者user_product_name已填充。

场景4:添加意图确认

当推荐完成后，需要追问⽤户是否满意，来完成此次对话。

“我想买台打游戏的电脑”

“好的，那我为您推荐外星⼈游戏本。”

“您觉得这个推荐符合您的要求吗？”

“可以。”

“好的，很⾼兴为您服务，您可以添加到购物车中直接购买。”

可以很明显的看到，这⾥的对话已经不是简单的⼀问⼀答了。推荐的时候会紧跟着询问⼀句是否满意，这⾥就需要新增⼀个对话节点，将“产品推荐”和“指定型号”两个节点的⾼级选项中是否等待⽤户输⼊项改为否，就可以实现答复多句的功能了。最后再配置⼀个结束语的节点，就完成了这个对话状态的配置。

场景5:⽤户切换对话意图的情况

当⽤户询问完产品后，经常会话题⼀转，询问商城的各种服务政策。⽽且还要求回到原话题中继续对话。

“我想买台电脑。”

“您有价位，型号，⽤途之类的要求吗？”

“没有。“

“好的，那我为您推荐外星⼈游戏本。”

“您觉得这个推荐符合您的要求吗？”

“收到不满意我可以退货吗？”

“除⼈为因素及特价商品外，本店售出的电⼦产品3⽇内可⽆条件退货，7⽇内可⽆条件换货。”

“那您喜欢这款推荐的产品嘛？”

1）Taskflow默认⽀持意图的切换跳转。只需要在开始节点直接拖拽出另外⼀条询问规定的流程即可。

2）新增“规定回复”的 对话回复节点，因为问答技能本⾝已经包含了问题和答案，这⾥选择使⽤技能应答。

3）将开始节点和“规定回复”连接起来，命名为“规定咨询”，条件设置为问答技能的问答对ID不为空。

4）Taskflow还预置了打断回复的能⼒。当节点被打断后可以⾃动回复，重复之前的回复内容，我们也可以在⾼级选项中配置打断回复话术，使对话更⾃然。

场景6:推荐后⽤户不满意的情况

现实对话中经常存在这种情况，当我们询问了⽤户的要求做了推荐之后，他有可能对推荐满意，有可能会提出新的要求，⽐如嫌弃价格太⾼，不想要这个品牌的设备等等，此时我们就需要再去询问⽤户更多的信息，⽐如下⾯的对话。

“我想买台电脑。”

“您有价位，型号，⽤途之类的要求吗？”

“我想打游戏。“

“好的，那我为您推荐外星⼈游戏本。”

“我不想要外星⼈。”

“⾮常抱歉没能达到您的要求，我给您重新推荐。”

“您价格上有要求吗？”

“⼀万五以内都能接受。”

“您有想买的型号吗？”

“戴尔吧。”

“好的，那我为您推荐戴尔今年的最新款。”

1）我们拖拽⼀个对话答复节点，配置内容为“⾮常抱歉没能达到您的要求，我给您重新推荐。”并将⾼级选项-是否等待⽤户输⼊设置为否。

2）我们拖拽三个词槽收集节点，对应user_price(商品价格)、user_product_name(商品名)、user_function(功能⽤途)三个词槽，对应的澄清话术分别为“您价格上有要求吗？”，“您有想买的型号吗？”，“您准备买来做什么⽤呢？”，且为了保证对话体验，将⾼级选项-是否强制填充设置为否。

3）然后将开始节点与对话答复节点连接，命名为“不满意”，条件设置为意图等于INTENT_DISSATISFIED

4）并将最后⼀个节点与“推荐内容查询”连接，默认⽆条件。

5）在这⾥要讲⼀下词槽收集节点的特性，如果该词槽已填充，则会直接跳过进⼊到下⼀个对话节点，所以虽然我们配置了三个词槽收集节点，因为最开始已经说了⽤途为打游戏，该词槽的澄清会直接跳过。

6）这样就可以实现当推荐后⽤户不满意时，可以再次补充详细的信息，进⾏第⼆轮推荐。