11月6日，腾讯智能对话平台产品团队在开发者大会动手实验室上，由腾讯高级工程师孙栎倩老师分享了在腾讯智能平台上操作机器人开发步骤：

六大步骤

Step 1 语义模型定义

语义模型定义是对话机器人开发的最核心环节，即教机器怎样去理解人的自然语言。开发者需要在平台上定义和管理任务型机器人的意图、槽位和词典；定义和管理问答型机器人的标注问题、相似问题及回复。

Step 2 后端服务开发

在定义完语义模型后，开发者需要在平台上直接配置好处理机器人业务逻辑的后端服务，或者直接编写机器人回复。

Step 3 机器人测试

平台提供网页模拟器和小程序供开发者进行机器人测试，开发者完成开发后可对机器人效果进行测试。

Step 4 发布上线

平台提供版本管理工具，方便开发者管理机器人版本。开发者完成机器人测试后，可对当前进行版本发布上线。

Step 5 连接应用

平台推行于“一次开发、无处不在”的机器人开发原则，提供多渠道应用集成能力，可使开发者大幅度减少多平台开发的工作量，实现开发者轻松将其开发完成后的机器人集成到移动 App、网站、IoT 设备等多终端；并与微信公众号运营平台进行打通，支持零代码接入微信公众号；也支持为腾讯小微开发对话交互技能，发布技能至腾讯小微。

Step 6 数据验证

开发者可在平台数据中心查看机器人效果，进行业务验证

栎倩老师讲解机器人开发流程

现场精彩回顾

大会现场

智能对话连接生活与商业

首先，腾讯智能对话平台高级产品经理刘晓倩从日常生活中的智能对话引入，详细介绍了智能对话在各个行业的需求和应用；以及腾讯智能对话平台架构与特性，为开发者动手开发机器人提供思路。

晓倩提到，人机交互方式的变革主要经历三个阶段：PC时代、移动时代以及人工智能时代，而我们现在的生活正在步入人工智能时代，在人工智能时代，用户可以直接通过自然语言与机器交互，更为方便与快捷，极大程度的提升了信息获取与服务满足的效率。

其实不仅仅是日常生活，智能对话已经渗透到智慧行业的方方面面。比如在文旅行业，对话机器人可以帮助客户查询酒店信息、订机票；在电商行业，对话机器人可以减少顾客咨询等待时间、快速回答顾客提问，提升商家运营效率、减少人工成本；在金融行业，通过对银行业务数据的挖掘、训练与开发，对话机器人可盘活金融机构业务知识与数据资产价值，实现手机银行、个人网银、企业网银、银行智能网点的全面智能化，解决银行现场办理业务排队时间久、过程复杂的情况.....除此上述行业之外，智能对话技术几乎渗透在教育、电信、媒体、游戏、企业服务等行业的方方面面。智能对话技术从提升用户体验、提升运营效率、提升商业营收三个方面极大的提升企业商业价值，为传统行业转型智能化提供了新的动力。

腾讯智能对话平台应用场景

随着人工智能技术在行业中的加速渗透，很多开发者都在思考，如何在自己的项目中运用对话系统，对于开发者而言，对话系统冷启动技术难点较多、资源壁垒较高、导致ROI较低，腾讯为满足业界诉求，全面开放内部对话系统核心技术，为大型企业客户，开发者和生态合作伙伴，提供机器人开发平台，实现企业开发者和业务人员便捷、低成本构建人机交互体验。对于生态合作伙伴，腾讯也以开放的姿态，提供机器人中间件能力，实现合作伙伴高效赋能。

腾讯智能对话平台产品功能全景图

腾讯是如何打造对话平台的

紧接着，腾讯高级研究员徐岱老师，为大家讲解了智能对话系统的技术原理，以及腾讯是如何打造智能对话平台的。

腾讯智能对话平台全面开放腾讯智能语音与对话系统技术，包括：语音识别、语音合成、意图识别、实体抽取、知识图谱、多轮对话状态跟踪、自然语言生成、服务决策与分发等。腾讯智能对话平台团队结合智能对话应用的使用场景，将底层对话系统技术抽象和封装出多种机器人开发类型(如常用的任务型机器人和问答型机器人)，以满足不同开发中需求，在不同类型的机器人种，开发中可通过意图管理、实体管理和问答管理自定义语义模型。除语义模型构建外，平台还为开发者提供服务连接与部署、网页模拟器测试、版本控制与发布、线上数据洞察与运营等机器人开发全流程工具。同时，平台提供了强大的内置对话能力和丰富的内置实体库，并将业内最领先的语义理解模型，囊括 Transformer, BERT, LSTM，VDCNN 等，广泛应用于意图识别，实体识别，槽位抽取, 知识问答，对话生成等业务流程。

开发者与徐岱老师交流