Utiliser plusieurs modèles LUIS et QnA avec Orchestrator

S'APPLIQUE À : SDK v4

Si un bot utilise plusieurs modèles LUIS (Language Understanding) et QnA Maker base de connaissances s, vous pouvez utiliser Bot Framework Orchestrator pour déterminer quel modèle LUIS ou QnA Maker base de connaissances le mieux correspond à l’entrée utilisateur. Vous pouvez utiliser la bf orchestrator commande CLI pour créer un fichier d’instantané Orchestrator, puis utiliser le fichier d’instantané pour router l’entrée utilisateur vers le modèle approprié au moment de l’exécution.

Cet article explique comment utiliser un base de connaissances QnA Maker existant avec Orchestrator.

• Pour les nouveaux bots, envisagez d’utiliser les fonctionnalités de workflow de réponse aux questions et d’orchestration d’Azure AI Language.
• Pour plus d’informations sur Orchestrator, consultez La reconnaissance des intentions avec Orchestrator dans Composer.
• Pour plus d’informations sur la bf orchestrator commande, consultez bot Framework CLI README.

Prérequis

• Un compte luis.ai pour créer des applications LUIS.
• Un compte QnA Maker et une base de connaissances QnA Maker existante.
• Copie du NLP avec l’exemple Orchestrator en C# (archivé) ou JavaScript (archivé).
• Connaissances des concepts de base des bots, de LUIS et de QnA Maker.
• Installez l’interface CLI BF de ligne de commande.

À propos de cet exemple

Cet exemple est basé sur un ensemble prédéfini de projets LUIS et QnA Maker. Toutefois, pour utiliser QnA Maker dans votre bot, vous avez besoin d’un base de connaissances existant dans le portail QnA Maker. Votre bot peut alors utiliser la base de connaissances pour répondre aux questions de l’utilisateur.

Pour le nouveau développement de bots, envisagez d’utiliser Copilot Studio. Si vous devez créer une nouvelle base de connaissances pour bot du kit de développement logiciel (SDK) Bot Framework, consultez les articles suivants sur les Azure AI Services :

• Qu’est-ce que la réponse aux questions ?
• Créer un Bot de FAQ
• Bibliothèque de client des réponses aux questions Azure Cognitive Language Services pour .NET

Le gestionnaire appelle le service LUIS ou QnA Maker, puis retourne le résultat généré à l’utilisateur.

Créer des applications LUIS

Avant de pouvoir créer un fichier d’instantané Orchestrator, vous avez besoin d’applications LUIS et des base de connaissances QnA créés et publiés. L’exemple de bot référencé dans cet article utilise les modèles suivants, inclus dans l’exemple NLP With Orchestrator dans le \CognitiveModels dossier :

Créer les applications LUIS

Créez des applications LUIS à partir des fichiers HomeAutomation et Weather .lu dans le répertoire des modèles cognitifs de l’exemple.

1. Exécutez la commande suivante pour importer, entraîner et publier l’application dans l’environnement de production.

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

2. Enregistrez les ID d’application, les noms d’affichage, la clé de création et l’emplacement.

Pour plus d’informations, consultez comment créer une application LUIS dans le portail LUIS et obtenir des valeurs pour vous connecter à votre application LUIS dans Ajouter une compréhension du langage naturel à votre bot et à la documentation LUIS sur l’apprentissage et la publication d’une application dans l’environnement de production.

Obtenir des valeurs pour connecter votre bot à la base de connaissances

Vous avez besoin d’un base de connaissances existant et de votre nom d’hôte QnA Maker et de votre clé de point de terminaison.

Créer le fichier d’instantané Orchestrator

L’interface CLI de l’outil Orchestrator crée le fichier d’instantané Orchestrator pour le routage vers l’application LUIS ou QnA Maker correcte au moment de l’exécution.

1. Installer la dernière version prise en charge du package Redistribuable Visual C++

2. Ouvrez une invite de commandes ou une fenêtre de terminal, puis remplacez les répertoires par l’exemple de répertoire

3. Vérifiez que vous disposez de la version actuelle de npm et de l’interface CLI Bot Framework.

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

4. Télécharger le fichier de modèle de base Orchestrator

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

5. Créer le fichier d’instantané Orchestrator

   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>

Vous connecter aux services à partir de votre bot

Pour vous connecter aux services LUIS et QnA Maker, votre bot extrait les informations du fichier de paramètres.

Appeler les services à partir de votre bot

Pour chaque entrée de votre utilisateur, la logique du bot passe l’entrée utilisateur à Orchestrator Recognizer, recherche l’intention la plus retournée et utilise ces informations pour appeler le service approprié pour l’entrée.

Utiliser les résultats de reconnaissance

Tester votre bot

1. À l’aide de votre environnement de développement, démarrez l’exemple de code. Notez l’adresse localhost affichée dans la barre d’adresse de la fenêtre du navigateur ouverte par votre application : https://localhost:<Port_Number>.

2. Ouvrez Bot Framework Emulator, cliquez sur le bouton Ouvrir le bot .

3. Dans la boîte de dialogue Ouvrir un bot , entrez l’URL de votre point de terminaison de bot, par http://localhost:3978/api/messagesexemple . Cliquez sur Connecter.

4. À titre de référence, voici quelques-unes des questions et commandes couvertes par les services générés pour votre bot :

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

Acheminer l’énoncé utilisateur vers QnA Maker

1. Dans l’émulateur, entrez le texte hi et envoyez l’énoncé. Le bot envoie cette requête à Orchestrator et retourne une réponse indiquant quelle application enfant doit obtenir cet énoncé pour un traitement ultérieur.

2. En sélectionnant la Orchestrator Recognition Trace ligne dans le journal, vous pouvez voir la réponse JSON dans l’émulateur. Le résultat de l’orchestrateur s’affiche dans l’inspecteur.

   {
   "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"
   }
   

   Étant donné que l’énoncé, fait hipartie de l’intention QnAMaker d’Orchestrator et est sélectionné en tant que topScoringIntent, le bot effectue une deuxième requête, cette fois à l’application QnA Maker, avec le même énoncé.

3. Sélectionnez la QnAMaker Trace ligne dans le journal de l’émulateur. Le résultat QnA Maker s’affiche dans l’inspecteur.

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

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