虽然从普通用户眼中，使用语音向天猫精灵发起指令，然后收到后者的语音回复，这个流程似乎很简单，但背后实际上有着人工智能中 ASR（语音识别）、NLP（自然语言处理）、TTS（语音合成）等自然语言处理技术的参与和整合。

我们先来看一个典型的用户通过语音同天猫精灵交互的流程图。

1. 用户用语音唤醒天猫精灵，后者接收到用户语音，上传到智能应用平台。

2. 平台使用 ASR（音频转文字）和 NLP（自然语言处理）技术，智能解析出用户发出语音包含的意图(通俗的说，即用户当前期望天猫精灵完成什么样的操作)。平台会自动将当前用户指令，匹配到开发人员创建的对应的技能和意图去。具体的匹配过程，就是将平台所有解析到的参数信息，通过 HTTPS 请求访问开发者提供的服务接口。

3. 开发者负责实现的服务(托管在自己的应用服务器或者阿里云 Serverless 环境)，接收到平台发送的请求参数，执行业务逻辑(比如天气预报查询，智力题，语音游戏等)，并组装回复结果。

4. 智能应用平台收到开发者服务执行完业务逻辑返回的响应数据后，使用 TTS（文字转音频）合成音频，并将音频推送回天猫精灵。

5. 天猫精灵将收到的音频通过麦克风播报出来，本轮同用户的交互就完成了。
![](https://img-blog.csdnimg.cn/img_convert/a87163cd0668619af0acded173255684.png)

分析这个交互场景，不难发现，需要开发人员动手操作的流程包含以下两个方面：

1. 在 [AliGenie 技能应用平台](https://iap.aligenie.com/)上创建新的技能和意图，用于接收用户通过语音发送过来的请求。

2. 应用开发人员自己选择在应用服务器还是 Serveless 运行环境里实现新的技能需要完成的业务逻辑编写。

# 新技能的创建和意图的定义

登录 [AliGenie 技能应用平台](https://iap.aligenie.com/)，点击 `创建新技能`，通过向导创建一个新技能。

![](https://img-blog.csdnimg.cn/img_convert/269e86f980cac9853a2a73ca67ab122b.png)

下面是天猫精灵技能创建页面。这个页面的 url：

https://iap.aligenie.com/console/newskill/89247/basic?id=2022042968002&childType=skill

其中 skill id 为 `89247`，id 为 `2022042968002` ，取的是技能创建时间。
![](https://img-blog.csdnimg.cn/img_convert/05a477c54e2c21c8e3535d2874f959aa.png)

从开发流程状态迁移图能看出，一个新的语音技能，从创建后，依次要经过下列的步骤，最后才能正式发布给用户使用：

- 定义语音交互模型
- 构建后端服务逻辑
- 添加屏显页面(可选步骤，可跳过)
- 测试：可以用真机测试或者网页上测试

在技能属性维护的明细页面，我们可以观察到下列信息：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XI038Jh9-1652060198031)(https://upload-images.jianshu.io/upload_images/2085791-4d8866c75e1302ca.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]

技能最重要的属性是维护技能调用词，当用户向天猫精灵发出的语音指令，包含技能调用词时，天猫精灵才会进行相应的技能处理状态。

在我的评测里，我选用的技能调用词为 `汪子熙是谁`，因为该调用词不能和平台已有的调用词相冲突。

一个语音技能可以包含多个意图。意图代表用户同天猫精灵进行交互对话的目的。比如我的自定义技能，包含了三个意图：体重，天气查询和欢迎意图。意图标识即意图 ID，需要在技能开发人员编写的代码实现里使用到。

![](https://img-blog.csdnimg.cn/img_convert/c4240c11d5dcd80d523d08a5497db4d1.png)

我们在上图选择一个意图打开，比如 `天气查询` 意图，打开其编辑页面，能看到一个 `单轮对话表达` 的维护界面。因为之前已经说过，一个语音技能可以对应多个意图，所以如果用户向天猫精灵发起的语音指令，同单轮对话表达里维护的语句相同或相似时，就被判定为命中了对应的意图。

比如用户向天猫精灵发起的对话，同下列类型的语句相似时：

- 杭州今天天气怎么样
- 今天天气怎么样
- 杭州天气怎么样

![](https://img-blog.csdnimg.cn/img_convert/25d4e45b6a28f30c9dcd258da0dddcc5.png)

智能应用平台就会将这些请求参数，比如 `今天`，`杭州`，以及判定出的意图 id，`weather`，传入应用程序业务接口。在我们自己编写的程序里，拿到 `weather` id，就知道当前用户期望 `查询` `杭州` 这个城市 `今天` 的天气情况，此时就可以调用天气查询的 Restful API 完成业务逻辑了。

# 单轮对话表达式的参数定义

我们观察到了在意图的单轮对话表达式维护界面里，`杭州` 和 `今天` 这两个词都通过特殊的颜色进行高亮。这代表它们是对话表达式里的`参数`。显然，天气预报业务要针对具体的城市和日期才有意义，因此这些参数也需要被发送到应用开发人员编写的服务接口中去。

![](https://img-blog.csdnimg.cn/img_convert/18c1616a71c26c9280c3f6872cb815d2.png)

下图是 `weather`，天气预报意图的参数列表页面，其中 `城市` 的 id 为 `city`，我们可以在应用接口的代表中使用该 id，获取用户语音请求中包含的 `城市` 名称。
![](https://img-blog.csdnimg.cn/img_convert/7242b788456cd2cf03a44086411f26db.png)

上图 `参数名称` 右边的一列，叫做 `关联实体`。实体（Entity）是自然语言处理领域里中表示一类短语的集合，包含了应用所在领域的关键词和术语。

比如天气预报领域，关键词为时间，地点，天气状况。在智能应用平台的处理流程里，实体负责告诉平台，当从用户语音请求中解析出参数时，这些参数的可能取值范围。语音技能支持自定义实体或者引用平台提供的公共实体。

上图定义的参数，都有一个一一对应的实体，界面如下：

![](https://img-blog.csdnimg.cn/img_convert/d08d7797bc1cd91f5c685495171f86d2.png)

如果用户发起的请求里，并没有显式说明想知道哪一个城市的天气状况，此时我们可以使用 `精灵追问` 功能，向用户发起一个新的提问，比如：`你问的是哪一个城市`？从而获取 city 参数的值。

![](https://img-blog.csdnimg.cn/img_convert/f5229f9873d3139815a8022a32bd0fe7.png)

意图编辑页面里的多轮对话编辑也是一个很有用的功能：

![](https://img-blog.csdnimg.cn/img_convert/a8e6f893588eeb12f0aec382a2c76fd4.png)

上图的例子是，如果用户当前的请求已经位于 `weather` 意图的处理上下文，在这个情况下用户再次追问：`那北京呢`？此时智能平台会判断出，这一轮的对话仍旧属于天气预报的意图，因此会将 `city = 北京` 这个参数串，发送给用户定义的业务实现接口。

# 技能后端编码

技能的后端编码是天猫精灵自定义技能开发的重头戏。点击 `代码编辑` 面板，可以为该技能针对的业务接口实现，选择对应的服务部署方式。

在线开发模式同阿里云云原生开发即 FAAS，这两种方式均无需搭建自己的应用服务器，区别在于前者作为一款免费的云服务资源和在线开发环境，资源额度有限，更适合快速体验天猫精灵技能应用的开发流程，而不适合用于技能的生产模式下部署。

![](https://img-blog.csdnimg.cn/img_convert/9d5610d8cbae3b0a431abe9a3028e50a.png)

因而我选择了阿里云的 Serverless 产品 FAAS，可以直接在浏览器里进行技能后端服务的开发，调试，部署和运行。

![](https://img-blog.csdnimg.cn/img_convert/7dacdeb8b3bb03a50c22e3c18964af59.png)

依次开通 API 网关，日志服务，函数计算，对象存储四个资源后，基于 Java Spring Boot 应用模板，快速创建一个服务实现：

![](https://img-blog.csdnimg.cn/img_convert/e5d908345d0c4069b55cc6ad438e9988.png)

![](https://img-blog.csdnimg.cn/img_convert/ab403db654c82c8fc79df43975e7b8e9.png)

访问 FAAS 环境的控制台 [url](https://workbench.aliyun.com/application/detail/2022042901718897/dev?orgId=626bfb21cfea268afc21ab8d&)：

这个后台服务接口的 Java 实现代码，托管在 `codeup` 代码[仓库](https://workbench.aliyun.com/application/detail/2022042901718897/dev?orgId=626bfb21cfea268afc21ab8d)上：

![](https://img-blog.csdnimg.cn/img_convert/d39309c409f0390cf61ea036f796cad5.png)

![](https://img-blog.csdnimg.cn/img_convert/69b0ab730957c3d18f380131b4d2f74a.png)

在开发部署页面，我们可以查看部署日志，对 FAAS 实例的硬件参数进行调整等操作：

![](https://img-blog.csdnimg.cn/img_convert/27af39013f0f15dd2163a25728591410.png)

![](https://img-blog.csdnimg.cn/img_convert/a29b492e46d91515358f7a9335e5361a.png)

![](https://img-blog.csdnimg.cn/img_convert/ef084b289875f6c8c67d2fa65d2f8985.png)

API 网关和 FC 计算服务的关系如下图所示：
![](https://img-blog.csdnimg.cn/img_convert/64554c5fc9a8683a79e2602d25fb1586.png)

点击 `前往开发`，就可以在浏览器里使用 CloudIDE 进行 Java 开发了：

![](https://img-blog.csdnimg.cn/img_convert/fa927cebeb9b458ff1a961e7b0fd7a1a.png)

对于天天用 Visual Studio Code 进行 Angular 开发的笔者，对于这个浏览器里使用的 Cloud IDE 的外观再熟悉不过了：https://workbench.aliyun.com/intersys/2022042901718897/develop?orgId=626bfb21cfea268afc21ab8d
![](https://img-blog.csdnimg.cn/img_convert/0fd1978bc42ea08678f65e2c601b2794.png)

在 Cloud IDE 里能完成绝大多数常规的开发操作，比如代码编辑，git 代码仓库提交，Maven 构建，一键部署等等：

![](https://img-blog.csdnimg.cn/img_convert/6da7b2f17d5c37c169f1a065c2aeec22.png)

![](https://img-blog.csdnimg.cn/img_convert/f2fd9bd66c142c1ec4e9fd4c9007918a.png)

该 Cloud IDE 提供的更多功能，可以通过 `视图`-> `命令面板` 里查看：

![](https://img-blog.csdnimg.cn/img_convert/653a50f3e6dc00dab41a92b6e61c4945.png)

![](https://img-blog.csdnimg.cn/img_convert/c333ccec005e9a4b7b8433d84238a6af.png)

接下来，就可以在 Cloud IDE 基于模板生成的项目里，通过实现 GenieEntry 的 execute 方法，来编写自定义技能的业务逻辑了：

![](https://img-blog.csdnimg.cn/img_convert/c669073401b076a262a2cc24b977de2b.png)

ITPub博客

一个前端开发工程师的天猫精灵评测报告

最新文章