Verwenden mehrerer LUIS- und QnA-Modelle mit Orchestrator

GILT FÜR: SDK v4

Wenn ein Bot mehrere Luis-Modelle (Language Understanding) und QnA Maker Wissensdatenbank s verwendet, können Sie Bot Framework Orchestrator verwenden, um zu ermitteln, welches LUIS-Modell oder QnA Maker Wissensdatenbank den Benutzereingaben am besten entspricht. Sie können den bf orchestrator CLI-Befehl verwenden, um eine Orchestrator-Momentaufnahmedatei zu erstellen. Verwenden Sie dann die Momentaufnahmedatei, um benutzereingaben zur Laufzeit an das richtige Modell weiterzuleiten.

In diesem Artikel wird beschrieben, wie Sie einen vorhandenen QnA Maker-Wissensdatenbank mit Orchestrator verwenden.

• Berücksichtigen Sie für neue Bots die Verwendung der Workflowfeatures für die Frageantwort und die Orchestrierung von Azure AI Language.
• Weitere Informationen zu Orchestrator finden Sie unter "Intent Recognition with Orchestrator in Composer".
• Weitere Informationen zum bf orchestrator Befehl finden Sie unter Bot Framework CLI README.

Voraussetzungen

• Ein luis.ai Konto zum Erstellen von LUIS-Apps.
• Ein QnA Maker-Konto und ein vorhandener QnA Maker-Knowledge Base.
• Eine Kopie des NLP mit Orchestrator-Beispiel in C# (archiviert) oder JavaScript (archiviert).
• Kenntnisse über Botgrundlagen, LUIS und QnA Maker
• Installieren Sie die Befehlszeile BF CLI.

Informationen zu diesem Beispiel

Dieses Beispiel basiert auf einem vordefinierten Satz von LUIS- und QnA Maker-Projekten. Um QnA Maker jedoch in Ihrem Bot zu verwenden, benötigen Sie im QnA Maker-Portal eine vorhandene Wissensdatenbank. Ihr Bot kann dann die Wissensdatenbank verwenden, um die Fragen des Benutzers zu beantworten.

Für die entwicklung neuer Bots sollten Sie Copilot Studio verwenden. Wenn Sie einen neuen Knowledge Base für einen Bot-Framework-SDK-Bot erstellen müssen, lesen Sie die folgenden Artikel zu Azure KI Services:

• Was ist „Fragen und Antworten“?
• Erstellen eines Bots für häufig gestellte Fragen
• Azure Cognitive Language Services Question Answering-Clientbibliothek für .NET

Der Handler ruft den LUIS- oder QnA Maker-Dienst auf und gibt das generierte Ergebnis an den Benutzer zurück.

Erstellen von LUIS-Apps

Bevor Sie eine Orchestrator-Momentaufnahmedatei erstellen können, benötigen Sie LUIS-Apps und QnA-Wissensdatenbank erstellt und veröffentlicht. Der Beispiel-Bot, auf den in diesem Artikel verwiesen wird, verwendet die folgenden Modelle, die im NlP With Orchestrator-Beispiel im \CognitiveModels Ordner enthalten sind:

Erstellen der LUIS-Apps

Erstellen Sie LUIS-Apps aus den Dateien HomeAutomation und Weather .lu im Verzeichnis der kognitiven Modelle des Beispiels.

1. Führen Sie den folgenden Befehl aus, um die App in der Produktionsumgebung zu importieren, zu trainieren und zu veröffentlichen.

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

2. Notieren Sie die Anwendungs-IDs, Anzeigenamen, Erstellungsschlüssel und Speicherort.

Weitere Informationen finden Sie unter Erstellen einer LUIS-App im LUIS-Portal und Abrufen von Werten zum Herstellen einer Verbindung mit Ihrer LUIS-App unter Hinzufügen von Kenntnissen in natürlicher Sprache zu Ihrem Bot und in der LUIS-Dokumentation zum Trainieren und Veröffentlichen einer App in der Produktionsumgebung.

Ermitteln der Werte zum Verbinden Ihres Bots mit der Wissensdatenbank

Sie benötigen eine vorhandene Wissensdatenbank und Ihren QnA Maker-Hostnamen und Endpunktschlüssel.

Erstellen der Orchestrator-Momentaufnahmedatei

Die CLI-Schnittstelle für das Orchestrator-Tool erstellt die Orchestrator-Momentaufnahmedatei zum Routing an die richtige LUIS- oder QnA Maker-App zur Laufzeit.

1. Installieren der neuesten unterstützten Version des Visual C++-Redistributable-Pakets

2. Öffnen einer Eingabeaufforderung oder eines Terminalfensters und Ändern von Verzeichnissen in das Beispielverzeichnis

3. Stellen Sie sicher, dass Sie über die aktuelle Version von npm und die Bot Framework CLI verfügen.

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

4. Herunterladen der Orchestrator-Basismodelldatei

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

5. Erstellen der Orchestrator-Momentaufnahmedatei

   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>

Herstellen einer Verbindung mit den Diensten über Ihren Bot

Um eine Verbindung mit den LUIS- und QnA Maker-Diensten herzustellen, ruft Ihr Bot Informationen aus der Einstellungsdatei ab.

Aufrufen der Dienste über Ihren Bot

Für jede Eingabe des Benutzers übergibt die Botlogik die Benutzereingabe an die Orchestrator-Erkennung, findet die oberste zurückgegebene Absicht und verwendet diese Informationen, um den entsprechenden Dienst für die Eingabe aufzurufen.

Verwenden der Erkennungsergebnisse

Bot testen

1. Starten Sie den Beispielcode in Ihrer Entwicklungsumgebung. Beachten Sie die localhost-Adresse , die in der Adressleiste des Browserfensters angezeigt wird, das von Ihrer App geöffnet wird: https://localhost:<Port_Number>.

2. Öffnen Sie den Bot Framework-Emulator, klicken Sie auf die Schaltfläche "Bot öffnen".

3. Geben Sie im Dialogfeld "Bot öffnen" Ihre Bot-Endpunkt-URL ein, z http://localhost:3978/api/messages. B. . Klicken Sie auf Verbinden.

4. Zu Referenzzwecken sind hier einige Fragen und Befehle aufgeführt, die von den für Ihren Bot erstellten Diensten verarbeitet werden:

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

Weiterleiten der Benutzerutterung an QnA Maker

1. Geben Sie im Emulator den Text hi ein, und übermitteln Sie die Äußerung. Der Bot sendet diese Abfrage an Orchestrator und ruft eine Antwort zurück, die angibt, welche untergeordnete App diese Äußerung zur weiteren Verarbeitung erhalten soll.

2. Wenn Sie die Orchestrator Recognition Trace Zeile im Protokoll auswählen, können Sie die JSON-Antwort im Emulator sehen. Das Orchestrator-Ergebnis wird im Inspektor angezeigt.

   {
   "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"
   }
   

   Da die Äußerung Teil hider QnAMaker-Absicht von Orchestrator ist und als der topScoringIntentBot ausgewählt wird, wird der Bot eine zweite Anforderung stellen, diesmal an die QnA Maker-App mit derselben Äußerung.

3. Wählen Sie die QnAMaker Trace Zeile im Emulatorprotokoll aus. Das QnA Maker-Ergebnis wird im Inspektor angezeigt.

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

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