機器人服務應該是個比較容易上手的AI服務，發展也非常的快。距離我之前寫的隨筆沒多久吧，已經從原來的獨立站點，變爲Azure中的Bot Services了。而且支持的機器人種類也更加清晰和增多了。
更新的Bot Service的文檔可以看到，現在機器人可以分爲五類。之前我嘗試的應該是Basic類和Form類，而上次沒來得及嘗試的語義識別單列了Language類，主動觸發機器人服務是Proactive類，而今天想玩的是QnA Maker類機器人。
| Template | Description |
|---|---|
| Basic | Creates a bot that uses dialogs to respond to user input. |
| Form | Creates a bot that collects input from a user via a guided conversation that is created using FormFlow in C# or waterfalls in Node.js. |
| Language understanding | Creates a bot that uses natural language models (LUIS) to understand user intent. |
| QnA Maker | Creates a bot that uses the QnA Maker service to answer user’s FAQs. |
| Proactive | Creates a bot that uses Azure Functions to alert users of events. |
QnA Maker的站點在：https://qnamaker.ai/ 這個站點很簡潔，但是需要的信息都有了。QnA機器人應用場景類似問題和答案簡單匹配，其實大部分的對話機器人和這個類似。結合其他的功能，比如Card，比如分支，就會讓機器人流光溢彩。我覺得QnA應該是快速讓機器人具備回答問題的最佳選擇吧，至少比我上次寫一堆代碼來做人機交互快多了。站點提供了一張圖來說明QnA機器人的邏輯，可從多種來源輸入問題/回答，並將機器人服務連接到不同的頻道。問題/回答可以提供索引和評分，便於機器人不斷學習和優化回答。
對於QnA機器人，我初步打算做兩個測試，第一，嘗試使用QnA機器人建立一個KB自動答覆。對於常見的問題，構建一個框架讓機器人自動根據提問提供解決問題的KB文章。第二，嘗試把這個機器人放到Azure的Bot Service上。
QnA Maker使用兩個UUID管理不同的機器人，首先要有一個訂閱ID，才能夠訪問QnA的服務。其次每個QnA服務都有個KB ID，這樣就能把不同用處的機器人分開了。每個服務都可以對指定的用戶進行授權。
爲機器人準備問題/答案並訓練它再簡單不過了，在QnA Maker網站上就可以導入QnA的文本文件。文本文件的格式也非常簡單，前面是問題，使用Tab分隔，然後是答案。導入文件後，點擊“保存並訓練”，導入的內容就被服務接受了。然後你在服務中就能夠看到導入的問題/答案了。有了問題和答案，馬上就能在TEST頁面進行測試。
看到這裏，估計你會說，這哪裏看得出人工智能了？我寫個腳本按照輸入查找輸出字符串不就搞定了？請仔細觀察上圖哦~ 第一次提問，我是按照導入的完整問題輸入的，很準確的給出了預設的答案。第二次提問，我只輸入了幾個關鍵字哦，QnA服務自己進行了匹配，給出了最接近的答案。
實際上QnA服務確實會對答案進行評分，從它返回的JSON格式就能看出來。對於QnA的Service使用方法，給了一個非常好的說明站點和Swagger實現。例如，調用服務來做應答，就可以使用POST方法，具體可以參考：
除了在QnA站點的Test頁面，使用Swagger可以也很快的驗證你的機器人。
輸入你的訂閱ID和機器人對應的KB ID，內容類型使用JSON。
頁面會按照提供的信息自動構造HTTP請求。
點擊發送後，QnA Maker Bot服務就會給出響應，對於可能的響應都給出了具體說明。
方法很簡單，所以寫一個Python的實現也不難（雖然Pylint給示例代碼打了個無比負的分哈哈）
可以看到，代碼返回的HTTP響應和之前Swagger測試的一致，同樣包含問題、答案和評分。
回到導入問題/答案導入的環節。需要注意的是，開始我發現每次導入文件時，中文都變成了亂碼，我立即意識到，默認的notepad使用的ANSI編碼可能有問題。改成UNICODE就正常了。
除了使用TXT導入之外，QnA Maker的Service還支持添加URL，對於自動導入以前的QnA頁面也非常方便。這個方式我是在測試Create Knowledge Base的POST方法時發現的，示例直接添加了文檔的QnA頁面：https://docs.microsoft.com/en-in/azure/cognitive-services/qnamaker/faqs
我還奇怪它是如何識別問題和答案的，後來發現起作用的是問號~ 爲了驗證，我把TXT文本改成類似的格式，導入也成功了。
限於篇幅，後續再繼續寫Azure Bot Service部分和學習Node.JS部分。