嗨，我是艾娃，如果对我的服务满意，请点赞！——跨领域虚拟助理是如何构造的？...

导语：看过电影《超能陆战队（Big Hero 6）》的朋友，想必对那个健康助手机器人——大白（Baymax）印象深刻吧？这里，也有一款很酷的智能助手——艾娃（AWA），其全名为“跨领域虚拟助理”（Agnostic Virtual Assistant，AWA）。如果说大白还是一个虚幻的角色，那么“艾娃”则是一个真实的、在研的、你我都能参与的开源项目。如果你也想开发一个类似于大白的智能助手，那么“艾娃”这个项目，就是一个绝佳的练手机会（至少让你知道“猪”是怎么跑的）。

以下为“艾娃”项目说明文档部分编译内容，读者朋友可点击此处查看原文。

“艾娃”项目的主要目的在于，为任意领域辅助创建一个聪慧的、快速反映的虚拟助手。这是一个基于NodeJS的开源项目，任何对此项目感兴趣的人，都可以出点力、发点热，让“艾娃”愈发聪明、贴心。

关于语言处理的小故事...以及“艾娃”是如何工作的？

如果你还从没跟虚拟助理/机器人打过交道，那么你需要了解一点这类智能程序的基本运行模式，通常来说，它需要分析一个给定的输入（通常是一句话），然后给出一个语义值（即它的理解和反应）。

要做到这一点，不可避免地，我们要用到自然语言处理（Natural Language Processing，NLP）技术，“艾娃”利用NLP技术，结合上下文场景，做出必要反应。例如，你给“艾娃”下一个指令：

"I need an appointment with the dentist tomorrow at 2pm in London"（明天下午在伦敦我需要预约一个牙医）

为了理解这句话的内涵，“艾娃”就需要为这句话创建一个分析场景，例如：

•主语：我（I）

•行为：需要（need）

•值：1

•宾语：预约（appointment）

•项目：牙医（the dentist）

•何时：周五2016年6月11日14:00:00

•位置：伦敦（London）

“艾娃”据此给出一个上下文信息：

•语言=英语（EN）

•类型=陈述句

•情绪=0（中性）

•分类器=/旅游/过境

•特征文件：如果当前用户以前与“艾娃”聊过，则返回聊天记录

“艾娃”的行为取向，自然取决于“构造者”的设置。接下来的一步是，处理“构造者”设置的所有意图。所谓意图呢，无非就是在理解场景（句子要素之间的关系）和上下文信息基础上，给出一系列的规则。例如：

•有位置信息吗？是的，伦敦

•是负面情绪吗？不，是中性的

•知道在什么时候吗？是的，明天下午2点以后

如果上下文理解是成功的，那么意图就显而易见了。它会落实为一个或多个行为，这些行为，将以应答的模式，反馈给用户。例如说，“艾娃”会自动做到：

•在$ { LOCATION}$ {DATE}和${ITEM}为要素，自动在用户的手机日历中设置预约。

以$开头并以花括号括起来的是变量，在这里，它们分别是伦敦、2016年6月11日14:00:00、牙医。

请注意，在手机日历中设置预约，是“艾娃”在正确理解语意的基础上的自主行为，否则“智能”何以体现？

有点心动吧？心动不如行动，接下来，我们要做到的就是——

安装“艾娃”

“艾娃”（AVA）是可以用npm来安装（注：NPM全称为node package manager，是随同NodeJS一起安装的包管理工具）：

$ npm install --save ava-ia

“艾娃”中的实例方法

intent()

在“艾娃”中，第一个重要的方法就是intent()，intent意为“意图”，顾名思义，这种方法的目的，就是教懂“艾娃”，以用什么样的形式来答复你。如前文介绍，“艾娃”的核心部分，就是由若干“意图”（intents）和“行为”（Actions）构成的。在实现上，这些“意图”和“行为”，实质上，都是一些是简单的函数，它们接收状态参数，通过“运算”，然后据此给出一个内部反应。

intent方法是可链接的（chainable），这意味着，你可以将所有你要表达的意图，层层附加起来。意图越多，遇事时，“艾娃”就会有为多元的表现，看起来就会更聪明。intent方法通常需要两个参数：

• intent: 想要链接的函数
• actions: 行为函数（或者行为函数数组），当“意图”被充分理解后，这些函数就会被调用。

现在举例如下：

import { weather } from `ava-ia/lib/intents`;
import { forecastYahoo } from `ava-ia/lib/actions`;ava.intent(weather, forecastYahoo);

上面代码前两行的功能是，分别从“意图库”导入“天气”，从“行为库”导入“雅虎天气预报”然后第三行代码是用“(天气，雅虎天气预报)”作为参数对，形成intent方法：ava.intent(weather, forecastYahoo)。

如果我们想把同一个intent方法，附加两个行为（action），也非常简单，仅仅需要导入新的行为库，然后在行为参数里用方括号[]将多个“行为”，以逗号“,”隔开，形成一个“行为”数组即可，如下所示：

import { forecastYahoo, forecastMSN } from `ava-ia/lib/actions`;ava.intent(weather, [forecastYahoo, forecastMSN]);

如果你想创建一系列的“意图（intent）”方法，这也非常方便，你需要做的就是导入更多的“意图”库和“行为”库，然后通过“.”操作，追加更多(意图，行为)对，如下所示：

import { weather, movie } from `ava-ia/lib/intents`;
import { forecastYahoo, movieDB } from `ava-ia/lib/actions`;ava.intent(weather, forecastYahoo).intent(movie, movieDB);

listen()

第二个比较重要的方法就是listen()了。这个方法的目的就是，想办法和“艾娃”交谈，让它能听懂我们的话。

listen()方法接收的是一个字符串（string）参数，输出的就是一个“意愿”（Promise），如下所示：

ava.listen('Do you know if tomorrow will rain in Bangkok?').then(state => console.log(state)).catch(error => console.log(state)) 

如果“意愿”得以成功描述，那么将返回一个包括若干状态（state）的对象，这些状态包含了意图的结果。这些状态属性包括：

• rawSentence（原句）:原始句子的字符串。
• language（语言）:原始句子的符合ISO（CCA2）语言规范的字符编码。
• sentence（句子）:原始句子字符串的英文翻译版
• taxonomy（分类）:如果配置文件config.json 包含了AlchemyAPI 编码，则有此项。这套编码包括了一个有关分类的数组
• classifier（分类器）：包含一个单词数组，以确定句子的意义。
• type（类型）:句子有三种类型：陈述句、疑问句或感叹句。
• Topics（主题）：一个数组，包含判断句子主旨的最重要的单词
• Tokens（令牌）：包含一个根词的数组。
• 关系（relations）：描述一个句子中各个对象之间的关系：
  • 主语
  • 副词
  • 行为
  • 宾语
  • 何时
  • 位置
  • 值
• sentiment（情绪）:一个描述情绪的数值（-5为最消极，0表示中性，+5为最积极）。

一个对象的最重要状态，莫过于它的“行为（action）”，这个“行为”对象包括如下属性：

• engine（引擎）: 一个字符串，表明“行为”的名称。
• ms（毫秒）: 一个数字，描述获取一个可用行为的毫秒数。
• entity（实体）: 一个字符串，用以描述行为的内容
• title（标题）: 一个字符串
• text（文本）一个字符串（可选）
• value（值）: 一个对象，用以描述有关内容的显式信息（可选）。
• image（镜像）: 一个字符串超级连接（可选）
• url（超级连接）: 一个包括更多信息的超级链接（可选）。
• related（相关信息）: 一个带有额外信息的对象 （可选）。
• date（日期）: 一个日期（可选）

为了防止“艾娃”找不到某个语句适用的“行为”，listen()方法允许返回一个错误信息，然后用catch方法来“捕获”这个错误信息，以备调试或后期优化。

进一步了解“艾娃”

如果内置的“艾娃”方法，其功能不能满足你的需求，你还可以扩展“艾娃”的功能。“艾娃”的功能扩展，也是非常容易的。我们知道，所有预定义的“意图”和“行动”，其实都是一些具有固定特征的函数。所以，只要你遵循的函数的输入接口标准，就可以轻松地创建属于自己的“艾娃”，详见文档说明。如果你想了解更多有关“艾娃”信息，请看看相关的维基信息。

千里之行，始于足下。“大白”也不是一日构建起来的。现在的“艾娃”可能看起来还比较幼稚，但正是因为如此，才更加期待你的参与，只有这样，“艾娃”的成长，才会更加茁壮。

译者介绍：张玉宏，著有《品味大数据》一书