你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
使用包含自然语言处理 (NLP) 的 Azure AI 服务来扩充机器人对话
注意
QnA Maker 服务将于 2025 年 3 月 31 日停用。 问答功能的较新版本现已作为 Azure AI 语言的一部分提供。 有关语言服务中的问答功能，请参阅问答。 从 2022 年 10 月 1 日开始，你将无法创建新的 QnA Maker 资源。 有关将现有 QnA Maker 知识库迁移到问题解答的信息，请参阅迁移指南。
Azure AI 服务提供两种自然语言处理服务：语言理解和 QnA Maker，每项服务具有不同用途。 本文介绍每个服务的使用时机，以及两者如何相辅相成。
自然语言处理 (NLP) 可让客户端应用程序（例如聊天机器人）使用自然语言来与用户交互。 用户输入句子或短语。 用户输入的文本可能存在语法、拼写和标点符号不当的情况。 Azure AI 服务始终可以处理用户的句子，并返回聊天机器人为用户提供帮助所需的信息。
使用 NLP 的 Azure AI 服务
语言理解 (LUIS) 和 QnA Maker 提供 NLP。 客户端应用程序提交自然语言文本。 服务提取文本，对其进行处理，然后返回结果。
每个服务的使用时机
语言理解 (LUIS) 和 QnA Maker 解决不同的问题。 LUIS 确定用户文本（称为言语）的意向，QnA Maker 确定用户文本（称为查询）的答案。
要选取正确的服务，需要理解来自客户端应用程序的用户文本，以及客户端应用程序需要从 Azure AI 服务获取哪些信息。
如果聊天机器人收到文本 How do I get to the Human Resources building on the Seattle North campus?，请使用以下图表来理解每个服务如何处理该文本。
| 服务 | 客户端应用程序确定 |
|---|---|
| LUIS | 确定文本中的用户意图 - 服务不会返回问题的答案。 例如，此文本分类为与 FindLocation 意向匹配。 |
| QnA Maker | 从自定义知识库返回问题的答案。 例如，此文本已确定为一个问题，其答案是静态文本 Get on the #9 bus and get off at Franklin street。 |
何时使用 LUIS？
需要了解聊天机器人进程中的言语的意图时，请使用 LUIS。 沿用示例文本 How do I get to the Human Resources building on the Seattle North campus?。知道用户的意图是查找某个地点后，可将有关言语的详细信息（使用实体提取）传递给另一服务（例如交通服务器）来获取答案。
无需结合使用 LUIS 和 QnA Maker 即可确定意向。
如果聊天机器人需要根据意图和实体处理文本（使用 LUIS），并需要查找具体的静态文本答案（使用 QnA Maker），则你可以对言语结合使用这两个服务。
何时使用 QnA Maker？
如果拥有静态回答知识库，请使用 QnA Maker。 此知识库根据你的需要自定义，其内容使用 PDF 和 URL 等文档生成。
沿用示例言语 How do I get to the Human Resources building on the Seattle North campus?。将该文本作为查询发送到已发布的 QnA Maker 服务，然后接收最佳答案。
无需结合使用 LUIS 和 QnA Maker 即可确定问题的答案。
如果聊天机器人需要根据意图和实体处理文本（使用 LUIS），并需要查找答案（使用 QnA Maker），则你可以对言语结合使用这两个服务。
如果知识库不完整，请使用这两个服务
如果你正在生成 QnA Maker 知识库，但知道主题域会发生更改（例如，需要及时提供信息），则可以结合使用 LUIS 和 QnA Maker 服务。 这样就可以使用知识库中的信息，同时还可以使用 LUIS 来确定用户的意图。 客户端应用程序获得意图后，可以从另一个源请求相关信息。
客户端应用程序需要监视 LUIS 和 QnA Maker 响应中的评分。 如果 QnA Maker 的评分低于某个任意阈值，请使用 LUIS 返回的意向和实体信息并将其传递给第三方服务。
沿用示例文本 How do I get to the Human Resources building on the Seattle North campus?。假设 QnA Maker 返回了较低的置信度评分。 使用 LUIS 返回的意向、FindLocation 和提取的任何实体（例如 Human Resources building 和 Seattle North campus），将此信息发送到地图或搜索服务以获取其他答案。
可将此第三方答案提供给用户进行验证。 获得的用户批准后，可以返回 QnA Maker 来添加信息，以扩充知识。
当聊天机器人需要更多信息时，请使用这两个服务
如果聊天机器人所需的信息超过了服务能够提供的信息，请在客户端应用程序中使用这两个服务并处理两者的响应，这样才能在决策树中递进。
借助 Bot Framework Dispatch CLI 工具生成一个流程来处理这两个服务。 此工具将为意向生成一个顶层 LUIS 应用，用于调度充当子应用的 LUIS 和 QnA Maker。 详细了解如何与 LUIS、QnA Maker 和 Bot Framework 集成。
使用以 C# 或 Node.js 编写的机器人生成器示例具有调度功能的 NLP 可以实现此类聊天机器人。
最佳做法
实施适用于每个服务的最佳做法：