随著苹果Core ML的最新版本发佈，开发人员更容易构建人工智能应用程式，除了图像识别和文本检测是利用AI建置APP的好例子，另一种善于展现机器学习Power的应用程式类型则是chatbots。在本教程中，我们将使用Google的Dialogflow（以前称为API.AI）构建在iOS上运行的chatbot应用程式！
听起来很酷吧！接下来开始进入本教程的重点。
Intents(意图)和Entities(关键字)快速概览
在开始之前，我先解释Dialogflow和chatbots的一般基本知识。 在构建chatbots时，你必须知道两个术语：Intents(意图)和Entities(关键字)。
An entity represents a term or object in the user’s input that provides clarification or specific context for a particular intent.
(entity表示用户输入中的术语或对象，为intent提供说明或使用情境。)An intent, on the other hand, represents something that the user wants to do. If intents represent verbs, then entities represent nouns.
(另一方面，intent代表用户想要做的事情，如果intent代表动词，则entities代表名词。)
来看一个例子，在我们的项目中，可能会告诉我们的机器人以下声明：
“Book me a room at the La Grande Hotel”(替我在La Grande Hotel订一间房)
在这句话中，我们的intent(意图)是”预定一个房间”，entity(关键字)是”La Grande Hotel”，现在，自然语言处理（NLP）算法可以计算两种不同类型的对话内容。
- 基于意图(Intent-based)的对话：这是当NLP算法使用intents和entities进行对话时，通过识别用户声明中的名词和动词，然后与它的dictionary交叉引用，让bot可以执行有效的操作，这种类型的对话是Dialogflow使用的。
- 基于流程(Flow-based)的对话：基于流程的对话是智能通信的下一个级别。在这里，我们会给予两个人之间对话的许多不同样本的RNN（循环神经网络），创建的机器人将根据你训练的ML模型进行响应。Wit.ai是在这个领域取得巨大进展的少数网站之一，不用担心，我们不需要做到这个程度。
注意：如果想了解更多有关Intent-based和Flow-based的对话信息，可以查看这篇文章。
在本教程中，我们将创建一个可帮助你预订hotel的机器人。
One of the most important rules when developing a chatbot is that it MUST have a personna. This means that it must behave like a real person. Therefore, let’s name out bot – Chip!
(开发chatbot最重要的规则之一，就是它必须有一个personna，意味著它必须像真人一样行事。 因此，让我们来替bot命名 – Chip！)
接下来，就进入本文重点！
熟悉Dialogflow
进入到Dialogflow，在右上角点击”Go to Console(前往控制台)”。
系统会要求你使用Google帐户登录，并授权使用Dialogflow在Google云端平台服务中查看和管理你的资讯，接受条款，你应该看到一个初始啟动页面。
观看介绍影片可以让你更快速了解Dialogflow，但如果你不想花时间看也没关係！点击”Create Agent”按钮，在Dialogflow中，一个agent(代理)意味著iOS应用将使用chatbot通过无线方式进行通讯以接收回应。
填写代理名称（比如Chip），然后点击Create按钮进行下一步，Dialogflow将为你创建agent。现在，让我们来确认一下，你应该有2个预设intents：”Default Welcome Intent”和”Default Fallback Intent”。在左侧栏位中，你应该可以看到Intents和Entities的tabs(选项)。
我们也会在下方看到其他tabs。现在，该开始创建机器人了！
添加Entities
首先，让我们开始添加entities，如果你还记得，entities就像NLP算法可以理解的名词，拿出一个可能经常用于我们机器人的entities名单，我已经把我整理的list放在下面，并且随时可以添加它。
- Hotel
- Room
- Payment
选择entities选项，然后点击”Create Entity”按钮。并将这个entity命名为”Hotel”，并点击第一行，输入”Hotel”当做参考值，当用户使用你的机器人时，他们可能会使用Hotel以外的其他名称。 因此，应该输入关键字的一些同义词，即使用户使用”Hotel”以外的字，机器人仍然可以理解用户在说什么，看下面的图片，我使用了一些同义词。
现在，储存你的entity，并按照刚才建置Hotel entity的步骤创建以下的entities。
小建议：要查找单词的同义词，只需Google搜寻”synonyms of [word]”。
现在我们已经创建了entities，接著来讨论intents。
添加Intents
进入Intents页面并点击Default Welcome Intent，这个intent就是我们机器人在第一次啟动时会抓取的东西，你应该看到网页呈现如下：
我们可以制定用户应该说出哪个字去触发intent。在本页面的最底部，我们也可以制定回应的文本内容，由于这是一个Welcome intent，用户可能会说”Hello!”或”How’s it going?” 因此，让我们将这些短语（和任何类似的同义词）添加到’User says’部分，以下是一些范例，你可以随意地添加更多的讯息，设定你的用户可能会对机器人说的字汇。
如果向下滚动，会找到* Response *部分。intent带有一些内置的回应，我们添加一个follow up question(关联性问题)：”What can I do for you?”，我们最终Welcome intent应该是这样的：
在我们开始创建下一个intent之前，如果你想在任何时候测试你的agent，请查看右侧栏位，你可以输入想要的任何内容，然后查看你的agent是否回应。输入”Hello”，然后检查agent是否回应了预期的回应。
到目前为止，agent只有一个intent，由于我们的机器人是为处理预订hotel而设计的，因此我们必须创建另一个处理intent这些查询，用户可能会问：“能替我预订一家旅馆吗？” 或类似的问句。
让我们创建一个新的intent，并将其命名Begin Order。在User says栏位中，添加上面的表达式然后按下enter。一旦你输入了这个表达式，将会看到agent已经在该语句中识别了一个@Hotel关键字。与entities类似，用户不会只用这个问句来表达预订酒店的需求。所以这里添加一些变化，以agent理可以了解用户的意思，增加的变化越多，agent也就越聪明，以下是一个范例展示。
agent应该做的下一件事是搜索附近的hotel，并询问用户他/她需要几间房。但是，如果我们要真正搜寻附近的酒店，则需要调用API并使用JavaScript将webhook与api.ai整合在一起，这超出了本教程的范围，所以让我们在Response栏位创建一些虚拟酒店，这是我创建的回应内容：
储存intent并返回到主页面，在右侧栏位中测试你的agent，到目前为止，如果读者有跟著前面的步骤，它应该按预期工作！正如你所看到的，不必提出确切的问题，Dialogflow将从你的陈述中学习并理解变化。
现在，我们来添加一些follow-up intent，将鼠标移动在你刚创建的intent上，你应该看到一个选项”Add follow-up intent”，选择它并点击Custom，将產生一个新的intent，并显示”Begin Order – custom”，让我们编辑这个intent！
请记住，我们agent对我们说的最后一件事情是”How many rooms do we want?”，用户可能会回覆一个数字，他/她可能会说：”I would like 1 room”或简单地回答”4″，你应该要预测用户会说什么，并填写所有可能的答案，请参考以下我填写的范例：
正如你所看到的，Dialogflow有一个内置的数字entity，不管你输入一个数字还是一个单词，它都能够处理它并理解它的含义。
接下来，我们要让机器人回应确认价格总额，并询问用户喜欢什么付款方式。同样的，于这些是hotel虚拟资料，我们可以在机器人的反应中添加虚拟的价格。
保存这个intent，现在给读者一个挑战，创建最后一个intent，即询问用户使用何种付款方式付款，这应该是非常简单的，因为我们已经做了两次！
所以我们将回到intent的主页面，然后点击Create Intent。
注意： 没有创建另一个follow-up intent，因为当机器人第一次触发时，用户不太可能会说出付款方式的名称，这就是为什么我要创造一个normal intent，就像我们在刚开始时所做的。
将这个intent命名为Payment并添加用户可能会说的内容，这是我们的Payment关键字(entity)使用的地方！
最后，让机器人回应一些确认讯息。以下是一些范例：
- Done! You have rent the rooms!
- Success! We received your payment.
就是这样！请记住保存Payment意图，Chip现在可以使用了，在我们转到本教程的iOS端之前，你可以在右侧栏位中对其进行测试。
还有几件事
在开始真正的编程之前，让我花点时间来解释Dialogflow控制台左侧栏位中的其他tabs，在Entities下，有一个名为Training的tab，如果点击此选项，你将收到所有发送给agent的回覆讯息以及agent回覆的内容，如果你告诉你的agent一些回应文本，但它回应你不喜欢的输出，这就非常有用，若你稍后意识到忘记了某个关键字的同义词，并且用户正在使用这个关键字，那么也可能会有所帮助，可以去告诉你的代理在这种情况下应该做什么。
在Training下方，你可以看到Integrations。在这里，可以管理你的agent去串接不同的服务，例如Google Assistant，Twitter，Slack，Messenger，Cortana，Alexa等等。Integrations之后，还有Analytics，基本上用来显示建议名称，之后还有Fulfillment，如果你要调用一个API并实现一个webhook，这就是你会需要来的地方。
最后两个选项功能非常简单，但很有用。第一个是Prebuilt Agents，在这里，你可以import一个预先存在的代理框架，有很多例子，如食物传递机器人，音乐机器人，甚至（抱歉，但你真的需要知道这个）hotel预订机器人！ 最后一个选项是Small Talk，如果你将代理设计为像Siri或Google Assistant这样的每日伙伴(daily companion)，这个选项非常有用，Small Talk允许你添加常见问题的答案，我们都喜欢问我们的机器人，如”你几岁？”或”你住哪里？”，以及更热门的问题”你愿意嫁给我吗？”
现在你已经知道Dialogflow是什么，并且对于如何操作有很好的观念了，现在是时候移动到另一端，开始编写Swift代码！
使用API.AI SDK连接到Dialogflow
现在我们移动到本教程Swift的部分，首先[下载初始项目]（https://github.com/appcoda/ChatbotHotel/raw/master/ChatbotStarter.zip），我已经构建了基本的UI并绑定了API.AI SDK。如果你从头构建应用程序，则可以使用CocoaPods安装API.AI SDK（这是用于连接到Dialogflow的SDK），只需在Podfile中添加以下讯息：
pod 'ApiAI'
一旦你unzip初始项目，确保你打开了Chatbot Starter Project.xcworkspace文件。进入Main.storyboard，已经有一个UILabel，UIButton和UITextField，它们的outlets也连接到ViewController.swift。
先来看看AppDelegate.swift，我们需要让APP连接到Dialogflow的servers，在import UIKit的正下方，输入以下代码来导入framework：
import ApiAI
现在，需要使用client access token来初始化我们的配置，请参照下面范例更新didFinishLaunchingWithOptions方法：
func application(_ application: UIApplication, didFinishLaunchingWithOptions launchOptions: [UIApplicationLaunchOptionsKey: Any]?) -> Bool {
let configuration = AIDefaultConfiguration()
configuration.clientAccessToken = "YOUR_CLIENT_ACCESS_TOKEN"
let apiai = ApiAI.shared()
apiai?.configuration = configuration
return true
}
将字符串”YOUR_CLIENT_ACCESS_TOKEN”替换你自己的机器人的client access token，如果你不知道在哪里可以找到，请移动到Dialogflow中的chatbot settings。 在”General”选项下，你应该在”API keys栏位下找到client access token。
现在，当我们的应用程式啟动时，它将使用client access token连接到Chip bot。
让装置开始说话
前往ViewController.swift，并且在import UIKit之下，import ApiAI和AVFoundation框架：
import ApiAI
import AVFoundation
我们需要导入AVFoundation框架，因为我们需要bot与用户交谈，该框架附带了能够从文本转为合成语音的“AVSpeechSynthesizer”类别，为了让装置与我们的用户交谈，在ViewController类中插入以下几行代码：
let speechSynthesizer = AVSpeechSynthesizer()
func speechAndText(text: String) {
let speechUtterance = AVSpeechUtterance(string: text)
speechSynthesizer.speak(speechUtterance)
UIView.animate(withDuration: 1.0, delay: 0.0, options: .curveEaseInOut, animations: {
self.chipResponse.text = text
}, completion: nil)
}
让我告诉你上面的代码做了哪些事。首先，我们定义一个常数speechSynthesizer，并初始化一个 AVSpeechSynthesizer的实例。AVSpeechSynthesizer是一个提供自文本转换为语音的object，并允许存取控制正在进行的访问，然后创建一个新的函数speechAndText(text: String)，根据用户输入的内容执行更改。
在函数内部，我们创建一个AVSpeechUtterance的实例，最简单的说，它是一个将被宣读的文本块。然后，我们要求装置读出这段文字，同时，我们想向用户展示机器人的response，这就是为什么我们将label的text设置为机器人的response。
我使用UIView.animate方法为label转换为微妙的动画，当你正在开发自己的应用程式，但不具备创建高品质的动画知识，则这种方法可以实现这一效果。
发送请求
我们只剩下最后一部分，当用户点击按钮时，应发送request给我们的代理，让我们看看我们该怎么做！在sendMessage操作方法中插入以下几行代码：
let request = ApiAI.shared().textRequest()
if let text = self.messageField.text, text != "" {
request?.query = text
} else {
return
}
这段code是相当基本的，但是可能部分读者不太理解这段代码，还是让我解释一下。基本上，我们以用户提供的query条件来準备API.AI文本请求，从messageField中检索文本并执行基本验证，确保文本字段不是空白，一旦我们得到了这段text，就将它丢给request的query属性。
好的，文本request已经準备好了，下一步是发起请求并发送给机器人。当然，我们需要处理API.AI代理回应的任何内容，有两种可能性：success或failure，如果代理程序返回成功讯息，那么我们希望应用程式说出回应并将其显示在萤幕上，如果出现失败讯息，那么应用程式只是打印错误到控制台，我们可以通过使用下面的代码来实现：
request?.setMappedCompletionBlockSuccess({ (request, response) in
let response = response as! AIResponse
if let textResponse = response.result.fulfillment.speech {
self.speechAndText(text: textResponse)
}
}, failure: { (request, error) in
print(error!)
})
request执行完成后，应用程式需要做什么，你可以调用setMappedCompletionBlockSuccess方法并在闭包中指定动作，一旦请求完成，完成处理程序将被调用，并将回应作为参数传递，在闭包中，我们调用前面创建的speechAndText(text: )方法来说出并显示回应内容，如果response显示失败，我们只需将其打印到logs即可。
剩下最后一件事，我们还没有发起对API.AI的request，为此，我们调用enqueue函数并放入指定request，这可以通过使用下面代码来完成：
ApiAI.shared().enqueue(request)
messageField.text = ""
我们将请求发送到API.AI并清除textfield中的文字，你的整个sendMessage方法应该如下所示
@IBAction func sendMessage(_ sender: Any) {
let request = ApiAI.shared().textRequest()
if let text = self.messageField.text, text != "" {
request?.query = text
} else {
return
}
request?.setMappedCompletionBlockSuccess({ (request, response) in
let response = response as! AIResponse
if let textResponse = response.result.fulfillment.speech {
self.speechAndText(text: textResponse)
}
}, failure: { (request, error) in
print(error!)
})
ApiAI.shared().enqueue(request)
messageField.text = ""
}
是时候了！现在运行应用程式（在iPhone X上），一切都应该按预期工作！
下一步是什么
本教程包含很多的资讯，希望对读者会是非常有益的，那么，接下来你应该做什么？我会建议你继续扩展这个机器人，甚至创建你自己的机器人，期待你分享如何创建自己的机器人，欢迎发表在下面的评论！
以供参考，你可以在Github下载完成的项目。
关于Dialogflow的更多资讯，你你可以参考他们的documentation。
勇敢大胆的尝试吧！你可以在Dialogflow上创建自己的聊天机器人，并把它放在Google Assistant上。如果你想尝试一下，请查看这个影片，可以打开Google Assistant并透过”Talk to Max the Programmer”来测试我用Dialogflow製作的聊天机器人！鼓励大家继续研究Dialogflow，因为你可以在Google Assistant，Alexa，Twitter，Cortana，Facebook Messenger，Telegram等平台部署聊天机器人！
原文：Building a Chatbot App for iOS with Dialogflow (API.AI) and Text-to-Speech
简宝玉写作群日更打卡第 29 天