搭配 Orchestrator 使用多個 LUIS 和 QnA 模型

適用於： SDK v4

如果 Bot 使用多個 Language Understanding （LUIS） 模型和 QnA Maker 知識庫，您可以使用 Bot Framework Orchestrator 來判斷哪個 LUIS 模型或 QnA Maker 知識庫 最符合使用者輸入。 您可以使用 bf orchestrator CLI 命令來建立 Orchestrator 快照集檔案，然後使用快照集檔案，在運行時間將使用者輸入路由至正確的模型。

本文說明如何搭配 Orchestrator 使用現有的 QnA Maker 知識庫。

• 針對新的 Bot，請考慮使用 Azure AI 語言的問答工作流程功能。
• 如需 Orchestrator 的詳細資訊，請參閱 Composer 中的 Orchestrator 意圖辨識。
• 如需命令的詳細資訊 bf orchestrator ，請參閱 Bot Framework CLI 自述檔。

必要條件

• 用來 撰寫 LUIS 應用程式的 luis.ai 帳戶。
• QnA Maker 帳戶和現有的 QnA Maker 知識庫。
• C# 中具有 Orchestrator 範例的 NLP 複本（已封存）或 JavaScript（已封存）。
• Bot 基本概念、LUIS 和 QnA Maker 的知識。
• 安裝命令行 BF CLI。

關於此範例

此範例是以一組預先定義的 LUIS 和 QnA Maker 專案為基礎。 不過，若要在 Bot 中使用 QnA Maker，您需要 QnA Maker 入口網站中的現有 知識庫。 接著，您的 Bot 可以使用 知識庫 來回答用戶的問題。

針對新的 Bot 開發，請考慮使用 Copilot Studio。 如果您需要為 Bot Framework SDK Bot 建立新的 知識庫，請參閱下列 Azure AI 服務文章：

• 什麼是問題解答？
• 建立常見問題 Bot
• 適用於 .NET 的 Azure 認知語言服務問題解答用戶端連結庫

處理程式會呼叫 LUIS 或 QnA Maker 服務，並將產生的結果傳回給使用者。

建立 LUIS 應用程式

您必須先建立和發行 LUIS 應用程式和 QnA 知識庫，才能建立 Orchestrator 快照集檔案。 本文中參考的範例 Bot 會使用下列模型，並隨附於資料夾中的 NLP With Orchestrator 範例 \CognitiveModels ：

建立 LUIS 應用程式

在範例的認知模型目錄中， 從 HomeAutomation 和 Weather .lu 檔案建立 LUIS 應用程式。

1. 執行下列命令，將應用程式匯入、定型和發佈至生產環境。

   bf luis:build --in CognitiveModels --authoringKey <YOUR-KEY> --botName <YOUR-BOT-NAME>
   

2. 記錄應用程式識別碼、顯示名稱、撰寫金鑰和位置。

如需詳細資訊，請參閱如何在 LUIS 入口網站中建立 LUIS 應用程式和取得值，以將自然語言理解新增至 Bot 中的 LUIS 應用程式，以及有關如何將應用程式定型和發布至生產環境的 LUIS 檔。

取得值，以將 Bot 連線至 知識庫

您需要現有的 知識庫 和 QnA Maker 主機名和端點金鑰。

建立 Orchestrator 快照集檔案

Orchestrator 工具的 CLI 介面會建立 Orchestrator 快照集檔案，以在運行時間路由至正確的 LUIS 或 QnA Maker 應用程式。

1. 安裝最新支援的 C++ 可轉散發套件 套件版本

2. 開啟命令提示字元或終端機視窗，並將目錄變更為範例目錄

3. 請確定您有目前版本的 npm 和 Bot Framework CLI。

   npm i -g npm
   npm i -g @microsoft/botframework-cli
   

4. 下載 Orchestrator 基底模型檔案

   mkdir model
   bf orchestrator:basemodel:get --out ./model
   

5. 建立 Orchestrator 快照集檔案

   mkdir generated
   bf orchestrator:create --hierarchical --in ./CognitiveModels --out ./generated --model ./model
   

"QnAKnowledgebaseId": "<knowledge-base-id>",
"QnAEndpointKey": "<qna-maker-resource-key>",
"QnAEndpointHostName": "<your-hostname>",

"LuisHomeAutomationAppId": "<app-id-for-home-automation-app>",
"LuisWeatherAppId": "<app-id-for-weather-app>",
"LuisAPIKey": "<your-luis-endpoint-key>",
"LuisAPIHostName": "<your-dispatch-app-region>",

npm install

QnAKnowledgebaseId="<knowledge-base-id>"
QnAEndpointKey="<qna-maker-resource-key>"
QnAEndpointHostName="<your-hostname>"

WeatherLuisAppId=<app-id-for-weather-app>
HomeAutomationLuisAppId=<app-id-for-home-automation-app>
LuisAPIKey=<your-luis-endpoint-key>
LuisAPIHostName=<your-dispatch-app-region>

從 Bot 連線到服務

若要連線到 LUIS 和 QnA Maker 服務，您的 Bot 會從配置檔提取資訊。

從 Bot 呼叫服務

針對使用者的每個輸入，Bot 邏輯會將使用者輸入傳遞至 Orchestrator 辨識器、尋找最上方傳回的意圖，並使用該資訊來呼叫輸入的適當服務。

使用辨識結果

測試您的機器人

1. 使用您的開發環境，啟動範例程序代碼。 請注意 app 開啟之瀏覽器視窗網址列中顯示的 localhost 位址：https://localhost:<Port_Number>。

2. 開啟 Bot Framework 模擬器，按兩下 [ 開啟 Bot] 按鈕。

3. 在 [ 開啟 Bot ] 對話框中，輸入您的 Bot 端點 URL，例如 http://localhost:3978/api/messages。 按一下 [連線]。

4. 如需參考，以下是針對 Bot 建置的服務所涵蓋的一些問題和命令：

   • QnA Maker
     • hi, good morning
     • what are you, what do you do
   • LUIS （家庭自動化）
     • turn on bedroom light
     • turn off bedroom light
     • make some coffee
   • LUIS （天氣）
     • whats the weather in redmond washington
     • what's the forecast for london
     • show me the forecast for nebraska

將使用者語句路由傳送至 QnA Maker

1. 在模擬器中，輸入文字 hi 並提交語句。 Bot 會將此查詢提交至 Orchestrator，並取得回應，指出哪些子應用程式應該取得此語句以進行進一步處理。

2. 藉由選取 Orchestrator Recognition Trace 記錄中的行，您可以在模擬器中看到 JSON 回應。 Orchestrator 結果會顯示在 Inspector 中。

   {
   "type": "trace",
   "timestamp": "2021-05-01T06:26:04.067Z",
   "serviceUrl": "http://localhost:58895",
   "channelId": "emulator",
   "from": {
     "id": "36b2a460-aa43-11eb-920f-7da472b36492",
     "name": "Bot",
     "role": "bot"
   },
   "conversation": {
     "id": "17ef3f40-aa46-11eb-920f-7da472b36492|livechat"
   },
   "recipient": {
     "id": "5f8c6123-2596-45df-928c-566d44426556",
     "role": "user"
   },
   "locale": "en-US",
   "replyToId": "1a3f70d0-aa46-11eb-8b97-2b2a779de581",
   "label": "Orchestrator Recognition",
   "valueType": "OrchestratorRecognizer",
   "value": {
     "text": "hi",
     "alteredText": null,
     "intents": {
       "QnAMaker": {
         "score": 0.9987310956576168
       },
       "HomeAutomation": {
         "score": 0.3402091165577196
       },
       "Weather": {
         "score": 0.24092200496795158
       }
     },
     "entities": {},
     "result": [
       {
         "Label": {
           "Type": 1,
           "Name": "QnAMaker",
           "Span": {
             "Offset": 0,
             "Length": 2
           }
         },
         "Score": 0.9987310956576168,
         "ClosestText": "hi"
       },
       {
         "Label": {
           "Type": 1,
           "Name": "HomeAutomation",
           "Span": {
             "Offset": 0,
             "Length": 2
           }
         },
         "Score": 0.3402091165577196,
         "ClosestText": "make some coffee"
       },
       {
         "Label": {
           "Type": 1,
           "Name": "Weather",
           "Span": {
             "Offset": 0,
             "Length": 2
           }
         },
         "Score": 0.24092200496795158,
         "ClosestText": "soliciting today's weather"
       }
     ]
   },
   "name": "OrchestratorRecognizerResult",
   "id": "1ae65f30-aa46-11eb-8b97-2b2a779de581",
   "localTimestamp": "2021-04-30T23:26:04-07:00"
   }
   

   由於語句 hi是 Orchestrator QnAMaker 意圖的一部分，且已選取為 topScoringIntent，因此 Bot 會發出第二個要求，這次會使用相同的語句向 QnA Maker 應用程式提出。

3. 選取模擬器記錄中的行 QnAMaker Trace 。 QnA Maker 結果會顯示在 Inspector 中。

   {
       "questions": [
           "hi",
           "greetings",
           "good morning",
           "good evening"
       ],
       "answer": "Hello!",
       "score": 1,
       "id": 96,
       "source": "QnAMaker.tsv",
       "metadata": [],
       "context": {
           "isContextOnly": false,
           "prompts": []
       }
   }
   

[Python （archived）]： （https://github.com/microsoft/BotBuilder-Samples/tree/main/archive/samples/python/14.nlp-with-orchestrator