客服机器人在解析用户query的第一步是在去判断用户的意图。意图检测是由叫做“Route bot（路由机器人）”的系统来完成，比如，当用户输入“我银行卡余额”时，可以识别出用户此时是想完成“查询银行卡余额”这一任务；而当用户询问“银行卡余额在哪儿可以查”时，则需要识别出用户需要一个查询银行卡余额的路径。确认用户意图后，路由机器人再将此query交给不同的“子机器人（Botlets）”去处理。最后，Botlets生成的回复将在策略中心完成融合、去重和重排序等过程，最终产生一个或一组最优解。
botlets中列举了多类型机器人，我们着重介绍最为常见的三类：
检索型机器人：FAQ-Bot
任务型机器人：Task-Bot
闲聊型机器人：Chitchat-Bot
1、检索型机器人
知识库检索型机器人，围绕的是基础的问答型知识，例如“密码忘记了怎么办？” ，此类问题可以标准化的回复来解决。
1.1 技术原理
算法实现的步骤，概括如下：
1、问题理解阶段，运用NLP技术进行问题的分析。
基础的技术包括分词、词性识别、命名实体识别，语义归一等技术，目的是为了在粗排阶段尽可能的把相关问题进行找回。
2、由于query和候选的问题包含的词数量一般较少，此时会利用同义词和复述技术，对问题进行扩展与改写；
3、基于问题的分析，在知识库中找回相关的候选问题；
4、由于候选问题可能是比较宽泛的，此时需要更精确的算法，来匹配最相近的结果。这里会运用到深度学习模型进行文本的特征表示，进行文本相似度的精排计算，从而返回最好的一个或几个结果。
1.2 知识维护
检索型机器人通常需要维护对应的QA知识库，作为问题检索的基本素材库，针对结构化知识库的基本说明，详见“知识体系构建”一文。
2、任务型机器人
在实际咨询场景中，用户某些问题的解决，涉及到用户身份、信息状态等限定条件，例如 “帮我查一下我的物流到哪了？”
针对该问题，客服通常需要了解用户ID、订单ID等具体信息，才能协助用户查询到具体结果
处理此类问题的核心步骤：
1）识别意图（intent）：用户要表达的诉求是什么？
2）识别参数（slot）：为解决这个问题，需要的“限定条件”是什么？是否已提供？
往往一个问题中，需要用户提供的参数不止一个，且用户通常不会在一个问题中囊括所有有效信息，因此需要机器人主动进行多轮对话引导，直到收集完所有的必备参数。
2.1 几个核心概念的解释
多轮对话：
（封闭域）多轮对话是一种，在人机对话中，初步明确用户意图之后，获取必要信息以最终得到明确用户指令的方式。多轮对话与一件事情的处理相对应。
参数（slot）：
业内通常称之为“槽”，它是完成用户意图所必备的“限定条件”
Q：所谓的“参数”，必须通过多轮对话的形式获取吗？
不一定。参数可分为显性参数，与隐性参数。
在用户与我们开始对话前，其实我们已经能够获取到其登录状态、用户身份、地理位置等“画像”信息，这些就是典型的“隐性参数”；
而显性参数则是与访客提问的意图直接相关，回到上文的例子“查询物流进展”，此时我们就必须定位到用户具体咨询的哪一个订单，也即“订单号”这个参数。
Q：显性参数，必须通过对话交互获取吗？
也是不一定的，在实际对话设计中，获取参数的方式通常有如下几种：
1）贴心的用户可能已经在表达意图时，已帮我们指定好具体参数，例如：“订单号123456，查一下这个物流到哪了”；
2）从用户行为中去获取，例如用户从某一订单详情页接入对话，咨询“这个订单物流到哪了？”，此时我们可以默认将“这个”指代为当前接入页所对应的“订单号”；
3）从上下文中去获取，例如用户当前咨询主题，主要围绕某一订单开展，咨询了关于该订单的发票、金额、物流等一系列信息，此时我们可以始终对“订单号”这一参数进行记录，保持语境的统一；
4）如以上方式，均无法定位用户具体参数，那么才需要交互手段出面获取
2.2 技术原理
1）目前，业内主流的做法是将意图识别作为一个文本分类问题，不过这种方法存在的问题是，每新增一个意图都需要重新训练模型，且意图数量较多的情况下可能无法获得比较好的效果。将意图识别作为一个排序问题，根据用户问句和该意图下用户表述的相似度排序来进行意图的判断，也是业内广泛采用的方法之一；
2）对参数的抽取。“参数”可以是一类词典的集合，如地点名词集、景点名词集；也可以是某一规则的表达式，如订单号生成规则：“年份+日期+随机6位数”
3）在实际对话设计中，还需要综合考虑隐性参数获取、上下文语境、用户跳出等综合因素，会在具体应用案例中说明，在此不赘述。
2.3 对话流程设计
在对话设计中值得思考的是：准确识别用户的意图，其实到这只是我们的第一步，最短路径，快速直接解决用户问题，才是我们的最终目的。
在获取到所需信息后，“我们能为用户做什么” 才是产品产生价值和差异的核心。
2.4 知识维护
意图的训练需要大量！的语料
内部团队人力有限，标注数量比较尴尬的情况下，目前采用的方式是运用算法进行同义词扩展和复述技术，对语料进行发散扩展（本质还是需要人工进行特征的定义），以达到训练所需的数量要求
3. 闲聊型机器人
在客服机器人的对话场景中，闲聊起到的是日常寒暄、情感维系的作用，并不属于业务解决的范畴，仅作简单介绍
3.1 闲聊在客服场景中的存在价值
个人认为最基础在于两点：
1）日常基本的寒暄交流，用户与客服的对话，经常是由一句“你好 ” “我问一下”开始的，能够顺利回应此类开场白，是对话能顺利延续的基础；
2）在机器人无法顺利解决问题时，起到缓和用户情绪的作用。这需要在话术上下功夫，“我已经拿小本本记下了，会尽快学会哒 ”
3.2 技术原理
通常使用机器翻译中的深度学习seq2seq框架来产生答复
