導(dǎo)讀：智能對話是搜索引擎的未來形態(tài)仰禽。阿里的“神馬搜索”在發(fā)展全網(wǎng)搜索、國內(nèi)信息流纺蛆、國際信息流等大數(shù)據(jù)業(yè)務(wù)的同時吐葵，智能對話的探索和沉淀也逐漸浮出水面。過去一年基于搜索推薦多年的積累桥氏，我們完成了平臺架構(gòu)温峭、生產(chǎn)體系、算法體系字支、運(yùn)營體系的建設(shè)凤藏，為阿里集團(tuán)多個業(yè)務(wù)方提供了智能信息中臺服務(wù)占遥，承載了天貓精靈音箱后臺的對話問答，并在個人語音助手上大幅前進(jìn)窗市。本文主要介紹神馬搜索智能對話的內(nèi)容體系和平臺架構(gòu)林束，篇幅有限一些細(xì)節(jié)不做過多展開。

術(shù)語對齊

TaskBot引擎： 核心處理對象是“技能”蹄梢，我們把技能定義成結(jié)構(gòu)化(query+content)疙筹、垂直場景化的任務(wù)，比如實(shí)時場景查詢禁炒、工具類而咆、控制類等

QABot引擎：包括KG-QA引擎、QAPair引擎幕袱、DeepQA引擎暴备。KG-QA主要是百科和圍繞全網(wǎng)知識圖譜的精準(zhǔn)問答；QAPair引擎以問答對生產(chǎn)消費(fèi)為主们豌；DeepQA引擎基于url索引涯捻、分類聚類、焦點(diǎn)詞玛痊、摘要的多級系統(tǒng)

ChatBot引擎：包括基于檢索和生成的閑聊引擎

內(nèi)容體系

網(wǎng)頁搜索與智能對話是信息服務(wù)的不同承載方式汰瘫，在數(shù)據(jù)、算法擂煞、架構(gòu)上一脈相承混弥。也正因此積累，谷歌等搜索引擎公司可以快速推出其AI平臺&產(chǎn)品对省，以信息服務(wù)為基礎(chǔ)To B/C蝗拿。

行業(yè)技能庫

第一階段：團(tuán)隊用了半年的時間將大搜索100+的垂直行業(yè)進(jìn)行結(jié)構(gòu)化升級，涉及行業(yè)大到大娛樂蒿涎、大出行哀托、新聞資訊，中到汽車劳秋、體育仓手、旅游，小到股票玻淑、翻譯嗽冒、古詩詞等等

第二階段：進(jìn)一步進(jìn)行技能的結(jié)構(gòu)化升級，精細(xì)的Query結(jié)構(gòu)化补履、多輪對話建設(shè)添坊，并輸出到天貓精靈音箱

全網(wǎng)知識圖譜

阿里唯一全網(wǎng)知識圖譜，以知識卡片箫锤、實(shí)體推薦贬蛙、精準(zhǔn)問答等產(chǎn)品輸出雨女；

問答庫

社區(qū)問答庫：基于UGC問答社區(qū)的問答庫，1B doc的量級阳准；

UPGC生產(chǎn)：神馬"騎士團(tuán)"建立的校園生產(chǎn)體系氛堕，騎士團(tuán)是該項目的code name，充分利用校園對存量知識進(jìn)行整理溺职、加工岔擂、審核，提升問答的生產(chǎn)效率和質(zhì)量浪耘；目前參與學(xué)生人數(shù)萬級別；

高質(zhì)量庫：社區(qū)問答庫覆蓋高但質(zhì)量參差不齊塑崖，社會化生產(chǎn)質(zhì)量高但數(shù)量相對較少七冲，通過機(jī)器對社區(qū)問答庫的清洗和對社會化生產(chǎn)庫的擴(kuò)展，最終沉淀成高質(zhì)量庫规婆；

蛋清庫：蛋清是產(chǎn)品策略澜躺。用戶與bot對話時最希望得到直接的答案即"蛋黃"，但是有時候機(jī)器能get(或部分get)到用戶的問題但是無法給與完美的答案抒蚜，這個時候給用戶"蛋清"也是一種優(yōu)雅的手段表示我理解你掘鄙；目前已完成第一版蛋清上線，主要覆蓋“描述/方式”問題類型嗡髓；

核心庫

為了凈化互聯(lián)網(wǎng)環(huán)境操漠、提升內(nèi)容質(zhì)量，我們以運(yùn)營+挖掘的方式運(yùn)轉(zhuǎn)了一套核心庫的流程饿这；

技能庫+知識庫+問答庫+閑聊庫浊伙，構(gòu)成了信息服務(wù)場景下智能對話的基礎(chǔ)設(shè)施，舉幾個例子說明下不同庫對不同query（詢問）的滿足长捧，小馬同學(xué)正在看一場NBA比賽嚣鄙，他說：

"現(xiàn)在火箭領(lǐng)先多少分了？" -> 技能庫

"籃球是誰發(fā)明的串结？" -> 知識庫

"哈登能進(jìn)名人堂嗎?" -> 問答庫

"咱們聊聊NBA吧?" -> 閑聊庫

通用信息服務(wù)始終在追求問答的覆蓋和質(zhì)量哑子，這也是業(yè)界的難點(diǎn)，包括半結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)的處理肌割、內(nèi)容生產(chǎn)模式卧蜓、內(nèi)容敏感問題、用戶滿足等等声功；神馬搜索在一年的探索中積累出的多級QA系統(tǒng)烦却、MOPU(Machine/OGC/PGC/UGC)多元化生產(chǎn)、流程化規(guī)南劝停化可持續(xù)的生產(chǎn)體系走在了業(yè)界的前沿其爵；在最近一次天貓精靈理想query集合評測上冒冬，觸發(fā)率達(dá)到73%，準(zhǔn)確率達(dá)到了91%摩渺；這個數(shù)據(jù)是什么概念简烤，可以參考業(yè)界代表性產(chǎn)品的指標(biāo)：

根據(jù)Stone Temple最近的調(diào)查，谷歌虛擬助理可以回答68％的用戶問題摇幻，其中90.6％的答案是正確的横侦，而微軟Cortana能夠回答的用戶問題比例為56.5％，準(zhǔn)確率為81.9％绰姻；而蘋果Siri回答的用戶問題比例為21.7%枉侧，準(zhǔn)確率為62.2％，亞馬遜Alexa回答的用戶問題比例為20.7％狂芋，準(zhǔn)確率為87％

架構(gòu)體系

上圖為架構(gòu)體系整體大圖榨馁。"引擎"負(fù)責(zé)數(shù)據(jù)的構(gòu)建和計算的承載，"平臺"負(fù)責(zé)以引擎為核心構(gòu)建的閉環(huán)解決方案(生產(chǎn)帜矾、多租戶消費(fèi)翼虫、運(yùn)營、需求管理等)屡萤。系統(tǒng)的落地珍剑，得以于搜索多年的積累沉淀。該系統(tǒng)完全與搜索業(yè)務(wù)解耦死陆，承載了天貓精靈等業(yè)務(wù)方的流量(以及雙十一晚會直播問答)招拙。下面會分別介紹神降臨平臺、TaskBot引擎翔曲、QABot引擎迫像。

神降臨平臺

神降臨平臺是TaskBot引擎的平臺化延展，解決技能生產(chǎn)瞳遍、消費(fèi)闻妓、運(yùn)營等問題。對于外部開發(fā)者它是BotFramework掠械；對于外部調(diào)用者它是神馬整個智能對話的出入口由缆；對于內(nèi)部RD它是生產(chǎn)和運(yùn)營平臺。目前該平臺主要服務(wù)集團(tuán)內(nèi)部業(yè)務(wù)猾蒂。神降臨由技能開放平臺均唉、技能生產(chǎn)平臺、統(tǒng)計分析平臺肚菠、運(yùn)營管理平臺組成舔箭。

技能開放平臺

開放有兩個層面：內(nèi)容開放+能力開放。對應(yīng)的技能開放平臺也承擔(dān)兩個角色：

1.能力開放(BotFramework)：對標(biāo)類api.ai的技能構(gòu)建平臺，外部開發(fā)者構(gòu)建自己的技能层扶；

2.內(nèi)容消費(fèi)(OpenAPI)：通過創(chuàng)建應(yīng)用箫章、選擇技能/問答，直接通過API進(jìn)行智能對話镜会；

目前我們尚未對外主推BotFramework：雖然開放平臺產(chǎn)品眾多檬寂，但目前的模式很難滿足開發(fā)者需求，一個技能從產(chǎn)品規(guī)劃到生產(chǎn)可用需要大量和較長鏈路的工作戳表，不是提交點(diǎn)語料配置點(diǎn)上下文和輸出就可以搞定的(簡單控制類勉強(qiáng)可以)桶至。在我們技能一期專項完成的20+技能下大約有300+種不同意圖，建立了語料收集匾旭、標(biāo)注镣屹、審核、建模价涝、測試的完善流程野瘦。所以我們的精力主要放在打磨真正可用的內(nèi)置技能，產(chǎn)生實(shí)際的價值飒泻。

技能生產(chǎn)平臺

技能生產(chǎn)平臺用于生產(chǎn)內(nèi)置技能。它與技能開放平臺的角色一致最終都是將物料投遞給TaskBot引擎吏廉，但用戶是內(nèi)部RD泞遗，涵蓋了從產(chǎn)品PRD到技能上線的全鏈路流程，涉及在線編寫結(jié)構(gòu)化PRD席覆、需求管理史辙、語料管理、實(shí)體管理佩伤、技能構(gòu)建聊倔、技能訓(xùn)練、技能驗(yàn)證生巡、技能發(fā)布耙蔑。

為了技能的普適性，每個技能我們都以技能組的方式支持多場景：標(biāo)準(zhǔn)無屏孤荣、手機(jī)屏甸陌、大屏，標(biāo)準(zhǔn)無屏針對天貓精靈音箱類似場景盐股，手機(jī)針對神馬的個人助理場景钱豁，他們在多輪需求、結(jié)構(gòu)化展現(xiàn)疯汁、排序策略上都不盡相同牲尺；另外內(nèi)置技能的物料除了實(shí)體、語料幌蚊、劇本之外谤碳，支持投遞c++動態(tài)庫以支持不同的排序策略溃卡、NLG策略等。

通過該平臺將技能建設(shè)在線化估蹄、PD/RD/QA/運(yùn)營分工明確pipeline生產(chǎn)塑煎。

統(tǒng)計分析平臺

多維度的打點(diǎn)統(tǒng)計、報表臭蚁、指標(biāo)分析最铁。涉及問題包括生產(chǎn)消費(fèi)效率(通過統(tǒng)計引導(dǎo)內(nèi)容生產(chǎn)的方向領(lǐng)域)、內(nèi)容控制反饋垮兑、整體和獨(dú)立技能的準(zhǔn)召冷尉。

運(yùn)營管理平臺

運(yùn)營管理平臺分兩塊：內(nèi)容運(yùn)營、應(yīng)用運(yùn)營系枪。

內(nèi)容運(yùn)營：關(guān)鍵域和模塊的實(shí)時干預(yù)雀哨；

應(yīng)用運(yùn)營：應(yīng)用/技能等增刪改查以及訓(xùn)練；

注1：中間橙色為TaskBot引擎私爷，下文展開介紹

注2：大圖中TaskBot引擎雾棺、QABot引擎、ChatBot引擎為邏輯架構(gòu)衬浑；物理架構(gòu)上QABot和ChatBot級聯(lián)到TaskBot中捌浩，有多個模塊進(jìn)行多路召回和pk判定

TaskBot引擎

TaskBot引擎是技能構(gòu)建和消費(fèi)的內(nèi)核。它涉及離線計算工秩、內(nèi)容管理尸饺、調(diào)度、在線服務(wù)助币。

離線計算?將外部平臺的物料一一構(gòu)建成對應(yīng)的內(nèi)部數(shù)據(jù)浪听；包括實(shí)體詞典、分類模型眉菱、意圖識別&抽槽插件/pattern/模型迹栓、NLG策略和模板、DM劇本插件倍谜、US排序插件迈螟、webHook邏輯插件等等。

內(nèi)容管理?按應(yīng)用/技能分版本的管理上述數(shù)據(jù)尔崔。內(nèi)容管理要做到無狀態(tài)答毫，可快速移植、回滾季春、分發(fā)洗搂。

調(diào)度?分為數(shù)據(jù)調(diào)度、環(huán)境管理、服務(wù)管理耘拇。數(shù)據(jù)調(diào)度負(fù)責(zé)離線到在線的數(shù)據(jù)分發(fā)撵颊，一套SDS引擎包含多個Role，每個Role都會加載對應(yīng)的數(shù)據(jù)惫叛；環(huán)境管理負(fù)責(zé)迭代倡勇、驗(yàn)證、預(yù)發(fā)嘉涌、生產(chǎn)環(huán)境的自動化管理妻熊；服務(wù)管理負(fù)責(zé)運(yùn)維方面工作包括分行分列(按照應(yīng)用流量分行，按照技能消耗分列)仑最，擴(kuò)縮容上下線等扔役；

在線引擎：SDS引擎，見下圖

SDS引擎是任務(wù)式對話的核心警医。它接受用戶的query亿胸，以DM為控制中樞、以NLU為理解中樞预皇、通過US做召回和rank侈玄、以NLG包裝后輸出。目前資訊播報吟温、時區(qū)拗馒、限行、歷史上的今天溯街、單位換算、油價洋丐、日歷呈昔、nba、lbs等技能天貓精靈上線技能觸發(fā)率97-98%友绝，準(zhǔn)確率95%+堤尾；

DM(Dialog Manager)：即對話管理，是對話系統(tǒng)的關(guān)鍵部分迁客，負(fù)責(zé)維護(hù)對話上下文郭宝，管理對話流程，保持對話過程的流暢掷漱。用戶的輸入通過NLU處理后產(chǎn)生意圖粘室、槽位等信息，DM根據(jù)這些數(shù)據(jù)以及當(dāng)前對話的上下文做出對應(yīng)的決策和行為卜范，包括調(diào)用NLG模塊生成自然語言衔统、通過外部服務(wù)接口獲取對話過程中所需要的額外信息。DM以任務(wù)樹的方式管理對話，樹的每個節(jié)點(diǎn)都是一個Agent(詢問锦爵、執(zhí)行舱殿、回應(yīng))；考慮到對話系統(tǒng)的通用性和可擴(kuò)展性险掀，我們在對話管理模塊的設(shè)計上沪袭，將對話引擎部分和領(lǐng)域相關(guān)部分做了明確的隔離，包括可重用的對話Agent組件樟氢、可編輯的對話控制選項冈绊、通用的外部調(diào)用機(jī)制等，可方便地自定義不同功能的Agent嗡害，實(shí)現(xiàn)不同的對話場景焚碌。

對話引擎在流程控制上有兩個重要的組成部分：

對話執(zhí)行棧： 通過棧的形式維護(hù)Agent的執(zhí)行狀態(tài)，根據(jù)上下文對對話流程進(jìn)行控制霸妹。對話棧將Agent放入棧中十电，由棧頂?shù)腁gent執(zhí)行并選擇出合適的子Agent繼續(xù)入棧執(zhí)行。對話棧存儲對話的上下文信息叹螟，對應(yīng)著一個具體的對話場景鹃骂。對話棧頂?shù)腁gent可形象的理解為對話焦點(diǎn)，對話棧結(jié)合Agent關(guān)系樹和話題議程表可實(shí)現(xiàn)對話焦點(diǎn)的跟蹤和管理罢绽，可靈活的保持畏线、切換、回溯對話主題良价。

話題議程表： 負(fù)責(zé)維護(hù)和管理對話過程的參數(shù)信息寝殴，用于收集系統(tǒng)期望得到的用戶輸入。議程分為多個層次明垢，每個級別對應(yīng)于對話框堆棧中的一個Agent蚣常，因此對于不同的運(yùn)行棧信息，議程表代表了在這個對話場景下所期望的輸入痊银。當(dāng)用戶保持或轉(zhuǎn)移話題時抵蚊，能找到相應(yīng)的期望參數(shù)并更新。

DM的執(zhí)行單元是"劇本"溯革，用戶在開放平臺或生產(chǎn)平臺通過拖拽方式構(gòu)建的劇本樹最終會被構(gòu)建成c++的so被加載執(zhí)行贞绳。目前通過DM與NLU的結(jié)合已在多個技能上完成了省略替換、指代消解致稀、話題轉(zhuǎn)移冈闭、錯誤處理等多輪對話。

NLU：NLU有兩種不同的設(shè)計理念：

圍繞BotFramework的NLU：將用戶query結(jié)構(gòu)化為Domain/Intent/Slot后返回給開發(fā)者(帶上置信度)抖单，有些BotFramework產(chǎn)品需要用戶自己判斷是否接受這個結(jié)果拒秘，在技能較多的情況下會更麻煩号显，因?yàn)檫@種設(shè)計下核心幫助用戶解決的是語義理解的問題

圍繞對話產(chǎn)品的NLU：結(jié)合NLU的分類和召回的結(jié)果做多維NBest策略，這在信息服務(wù)場景尤為重要躺酒，比如用戶說了個李白押蚤，它可能是詩人李白、可能是撒貝寧的妻子李白羹应、也可能是李榮浩的《李白》揽碘，這里有不同的處理方式，比如借助大搜索用戶點(diǎn)擊园匹、借助用戶的歷史行為雳刺、甚至可以DM上直接反問哪個李白

上述2自然涵蓋1，神馬的NLU是2的模式裸违。今年NLU系統(tǒng)經(jīng)歷了兩次大的升級掖桦，一次是整個SDS的NBest升級，一次是子NLU化供汛，子NLU可以讓不同的Domain根據(jù)自身特別內(nèi)部個性化定制意圖識別和抽槽策略枪汪、并提升RD并行度。

NLG/US/Skill-Gateway 不再展開怔昨。

QABot引擎

業(yè)界對問答有不同的劃分維度雀久，按照內(nèi)容維度可劃分為結(jié)構(gòu)化數(shù)據(jù)問答、非結(jié)構(gòu)化數(shù)據(jù)問答趁舀、以及基于問答對的問答赖捌。而從技術(shù)角度看，業(yè)界一般分為基于檢索式的問答系統(tǒng)和基于生成式的問答系統(tǒng)矮烹。前者是將信息檢索系統(tǒng)構(gòu)建于大規(guī)模對話數(shù)據(jù)集之上越庇，通過建立有效的問句匹配和問答相關(guān)度量化模型實(shí)現(xiàn)對用戶問題的合理回復(fù)；后者則試圖通過構(gòu)建端到端(End-to-End)的深度學(xué)習(xí)模型奉狈，從海量對話數(shù)據(jù)中自動學(xué)習(xí)query和response之間的語義關(guān)聯(lián)悦荒，從而達(dá)到對于任何用戶問題都能夠自動生成回復(fù)的目的。

我們當(dāng)前主要專注于基于海量數(shù)據(jù)的檢索式QA系統(tǒng)嘹吨，而在系統(tǒng)層面劃分為：KG-QA、Baike-QA境氢、DeepQA蟀拷、PairQA，它們都是對既有知識的搬運(yùn)整理萍聊，但是在數(shù)據(jù)來源/要求问芬、加工方式、匹配方式寿桨、覆蓋場景又不盡相同此衅。筆者認(rèn)為世界的理想終局是結(jié)構(gòu)化的(知識庫)强戴，但是這個永遠(yuǎn)無法真正實(shí)現(xiàn)，比如信息的持續(xù)產(chǎn)生和更新以及自然語義處理的難度挡鞍，所以需要兩個方向同時并行前進(jìn)骑歹。

KG-QA和Baike-QA準(zhǔn)確高但是覆蓋有限，基于非結(jié)構(gòu)化的Deep-QA覆蓋高但是污染大墨微，Pair-QA的社會化生產(chǎn)大幅提升生產(chǎn)力但是需要好的場景和問題道媚，諸多的挑戰(zhàn)決定了問答的難度和壁壘。

這里主要介紹PairQA和DeepQA系統(tǒng)如下圖所示：

問題理解

問題理解是問答系統(tǒng)理解用戶意圖的關(guān)鍵一環(huán)翘县，特別是DeepQA最域。這里我們復(fù)用了大搜索基礎(chǔ)NLP的能力(語義擴(kuò)展，權(quán)重分析锈麸，實(shí)體識別镀脂，改寫糾錯等)；問題分類結(jié)合機(jī)器學(xué)習(xí)分類算法和人工的方式忘伞，來實(shí)現(xiàn)提問的分類薄翅，比如：無意義、閑聊虑省、人物匿刮、組織、時間等探颈；焦點(diǎn)詞識別熟丸，主要完成信息需求的精準(zhǔn)定位，指問句的主要背景或者對象伪节、有關(guān)主題的內(nèi)容光羞，能夠體現(xiàn)對話題的描述性作用，比如實(shí)體怀大、屬性纱兑、動作、實(shí)例等化借。

信息檢索

信息檢索負(fù)責(zé)從全局語料中檢索相關(guān)/候選信息潜慎，傳遞給最終的答案生成模塊。信息語料的不同蓖康，以及業(yè)務(wù)場景的不同铐炫，檢索的方法也有多種形式，目前我們主要使用的是基于倒排的文本檢索和基于向量的語義檢索蒜焊。前者是傳統(tǒng)的全文搜索引擎采用的方式倒信，優(yōu)點(diǎn)是實(shí)現(xiàn)簡單、準(zhǔn)確率高泳梆，但對建庫語料依賴大鳖悠，后者則是語義搜索引擎一種較好的實(shí)現(xiàn)方式榜掌，優(yōu)點(diǎn)是泛化能力強(qiáng)，但有一定誤觸發(fā)率乘综。兩套索引機(jī)制各有優(yōu)缺點(diǎn)憎账，結(jié)合不同的語料和業(yè)務(wù)場景，使用不同索引機(jī)制瘾带，同時也會相互結(jié)合使用鼠哥，發(fā)揮各自的優(yōu)勢。

答案生成

基于檢索端的候選答案看政，需要通過進(jìn)一步的精排朴恳、答案抽取、置信度計算允蚣，最終得到準(zhǔn)確于颖、簡潔的答案。PairQA嚷兔，更多的是通過CNN森渐、DSSM、GBDT等機(jī)器學(xué)習(xí)模型和方法做嚴(yán)格的排序 + 置信度計算冒晰；DeepQA同衣，面向的是非結(jié)構(gòu)化的文檔/社區(qū)語料，則需要做更深層次的處理壶运，包括結(jié)合Bi-LSTM RNN模型的簡潔摘要抽取耐齐、同義問題答案間交叉驗(yàn)證、答案相關(guān)性驗(yàn)證等蒋情。

語料建設(shè)

語料庫的建設(shè)是QABot的基礎(chǔ)埠况，不管是面向特定領(lǐng)域的問答（比如：母嬰、三國棵癣、街舞）辕翰，還是面向開放域的問答（比如閑聊），都離不開高質(zhì)量語料的支持狈谊。針對天貓精靈場景喜命，我們實(shí)現(xiàn)了一整套面向口語化問答的數(shù)據(jù)挖掘和運(yùn)營生產(chǎn)流程，包含開放問題挖掘河劝、場景問題挖掘壁榕、社會化答案生產(chǎn)、高質(zhì)量答案自動抽取丧裁。

圖譜引擎

知識圖譜是神馬搜索的核心基礎(chǔ)設(shè)施，借助搜索大數(shù)據(jù)和自然語言處理含衔、深度學(xué)習(xí)技術(shù)打造煎娇，也是歷史最悠久的數(shù)據(jù)產(chǎn)品二庵，在搜索知識化、智能化發(fā)展歷程中發(fā)揮了關(guān)鍵作用缓呛〈呦恚基于知識圖譜和自然語言理解，我們構(gòu)建了知識卡片哟绊、實(shí)體推薦因妙、精準(zhǔn)問答三個主要產(chǎn)品。在智能對話業(yè)務(wù)票髓，針對音箱的場景攀涵，還重點(diǎn)建設(shè)了菜譜、古詩詞洽沟、三國以故、世界之最等特色技能，輸出到天貓精靈裆操。而在生產(chǎn)側(cè)怒详，一方面持續(xù)引入知識抽取、知識推理的前沿新技術(shù)踪区，另一方面也建立了圖譜的社會化生產(chǎn)模式昆烁，來持續(xù)建設(shè)和補(bǔ)充專業(yè)領(lǐng)域的知識，使知識圖譜更好地為業(yè)務(wù)賦能缎岗。

詳情可閱讀這兩篇文章：

知識圖譜數(shù)據(jù)構(gòu)建的“硬骨頭”静尼，阿里工程師如何拿下？

首次公開密强！深度學(xué)習(xí)在知識圖譜構(gòu)建中的應(yīng)用

總結(jié)

去年一年茅郎，智能對話團(tuán)隊初步完成了從搜索到智能對話的技術(shù)升級，在實(shí)戰(zhàn)中沉淀出AI+信息服務(wù)的架構(gòu)或渤、算法系冗、運(yùn)營、內(nèi)容體系薪鹦。感恩時代掌敬，AI對話的路很長，我們一起努力池磁。

關(guān)注「技術(shù)邊城」? ?把握前沿技術(shù)脈搏