本文共 872 字，大约阅读时间需要 2 分钟。

   
   
   
   
  
    
    
     
技术文档 - 概念概述
    
     
  
    
   
   
  
    
    
     
概念概述
  
    
   
我们的目标是为AI应用开发人员和研究人员提供:
一个预训练的NLP模型集合
预定义的对话系统组件（基于规则、机器学习或深度学习）
通用的对话流程模板
一个实现与测试对话模型的框架
与邻近基础设施（如信使平台、帮助台软件等）集成的应用工具
一个会话模型的基准测试环境以及相关数据集的统一访问权限
   
关键概念
对话代理（Agent）是由自然语言（文本）与用户进行交互的智能实体
技能（Skill）是在特定领域中帮助实现用户目标的功能模块。通常，这可以通过提供相关信息或完成交易来实现（例如回答常见问题、预订机票等）。但对于某些任务，交互的成功标准则定为持续的用户参与（例如闲聊）。
模型（Model）是指任何不一定用自然语言与用户交互的NLP工具
组件（Component）是模型或技能中可以重用的功能模块
基于规则的模型无法进行训练
机器学习模型只能单独训练
深度学习模型既可以独立训练，也可以按端到端方式加入到对话流程中
技能管理器负责根据用户输入选择合适的技能来生成回答
Chainer是一个构建对话代理/模型管道（基于规则、机器学习或深度学习）的框架。它能够对整个管道进行联合训练与推理操作
库的最小构建单元是组件。组件可以指代任何NLP流程中的功能模块，通常可以实现为神经网络、机器学习模型或基于规则的系统
组件可以连接到模型或技能中。与组件相比，模型通常负责处理更复杂的NLP任务。然而，从实现角度来看，模型与组件没有本质区别。技能和模型的主要区别在于，其输入和输出必须是字符串类型。因此，技能通常与对话任务直接相关。
对话代理是一个多功能对话系统，包含多个技能可供切换，并根据用户输入选择合适的技能来生成回答。它可以同时具备目标导向技能（如回答问题、预订票等）和聊天机器人功能（如闲聊）。
DeepPavlov框架依托TensorFlow和Keras机器学习库构建，此外也支持使用其他外部库来开发基础组件。