天猫精灵—天气小蜜简单回复

简介: 第一次接触天猫精灵,ai智慧语音助手,本人比较菜实现简单的对话。

天猫精灵—天气小蜜简单回复

1、注册登录、填写信息。

登录

image-20220414230007487

点击登录,进入登录成功页面

image-20220414230041597

提示进行实名认证,跟着提示内容,完成实名认证

image-20220414230131805

实名认证完成

image-20220414230429278

2、创建语音技能

1.认证通过后进入技能应用平台,我们要创建一个语音技能,选中语音技能分类:点击创建技能

image-20220414230719735

2.填写技能基本信息

选中语音技能 中的 自定义技能 填写技能创建信息:技能名称调用词

  • 技能名称:展示在技能市场的技能名称,在发布时将进行唯一性检测。
  • 技能属性选择 公有技能 / 私有技能。技能属性选择,建议您先参考【公有&私有】,由于我们要开发一个面向所有天猫精灵用户的应用,所以技能属性这里选择公有技能。
  • 技能调用词

    也称为唤醒词,是用户使用这个技能所需要说的关键字。如“天猫精灵,天气小蜜”,则使用了调用词为“天气小蜜”的技能。

image-20220414231328882

image-20220414231429449

技能创建成功。

image-20220414231520011

3、配置语音交互模型

创建技能成功后,需配置语音交互模型,才可与用户进行语音对话,语音交互模型包含意图、实体、问答三块,本节课先配置意图。

首先了解下什么是意图:意图是用户使用语音技能的目的,语音技能至少要有一个意图(至少向用户提供一个功能,也可以是多个)只说调用词会进入默认意图所以有调用词的技能需要有默认意图

了解什么是意图后,接下来开始创建语音交互模型。

第一步,点击创建意图按钮进入创建意图页面;

image-20220414232004376

第二步,设置意图名称、意图标识,并将这条意图设置为默认意图,设置好后点击提交。

image-20220414232058115

image-20220414232119048

4、配置后端服务

1.顶部导航栏中选择后端服务,并在左侧导航栏中选择服务部署

image-20220414232246976

2.单击编辑部署,选择 阿里云云原生开发 的方式,点击关联阿里云账号

image-20220414232416760

3.选择阿里云账号的登录方式;

image-20220414232430961

4.登陆阿里云账号(如果没有阿里云账号就注册一个);

5.登陆成功后需要您签署《云开发平台服务协议》,签署之后就可以免费使用云开发平台进行服务开发了;

image-20220414232724623

6.签署协议后,在团队注册页翻到页面底部,单机同意授权,授权后单机下一步

image-20220414232810881

7.完成并返回技能开发平台;

image-20220414232939289

image-20220414233221602

8.单击开通阿里云资源;

image-20220414233233038

9.依次开通阿里云服务资源;

image-20220414233319003

image-20220414233526830

10.点击创建技能应用按钮;

image-20220414233704281

11.选择开发语言和开发模板进行创建,这里以 Java 空白模板为例 创建应用;

image-20220414233913178

12.创建应用后,点击保存按钮保存阿里云服务器配置;

image-20220414234054926

13.点击前往开发,跳转云阿里开发平台;

image-20220414234121167

14.跳转到阿里云开发平台后,会自动进入 CloudIDE,平台会自动生成模板代码,查看代码路径:src/main/GenieEntry.java,您可以直接在示例代码上进行开发;

image-20220414234751896

package com.alibaba.ailabs;

import com.alibaba.ailabs.common.AbstractEntry;
import com.alibaba.da.coin.ide.spi.meta.ExecuteCode;
import com.alibaba.da.coin.ide.spi.meta.ResultType;
import com.alibaba.da.coin.ide.spi.standard.ResultModel;
import com.alibaba.da.coin.ide.spi.standard.TaskQuery;
import com.alibaba.da.coin.ide.spi.standard.TaskResult;
import com.alibaba.fastjson.JSON;
import com.aliyun.fc.runtime.Context;

import java.util.Map;
import java.util.stream.Collectors;

/**
 * @Description 天猫精灵技能函数入口,FC
 * handler:com.alibaba.ailabs.GenieEntry::handleRequest
 * @Version 1.0
 **/
public class GenieEntry extends AbstractEntry {
    @Override
    public ResultModel<TaskResult> execute(TaskQuery taskQuery, Context context) {
        context.getLogger().info("taskQuery: " + JSON.toJSONString(taskQuery));
        ResultModel<TaskResult> res = new ResultModel<>();
        TaskResult taskResult = new TaskResult();
        // 从请求中获取意图参数以及参数值
        Map<String, String> paramMap = taskQuery.getSlotEntities().stream().collect(Collectors.toMap(slotItem -> slotItem.getIntentParameterName(), slotItem -> slotItem.getStandardValue()));
        taskResult.setReply("你的意图是:" + taskQuery.getIntentName() + ",参数是:" + paramMap);
        taskResult.setExecuteCode(ExecuteCode.SUCCESS);
        taskResult.setResultType(ResultType.RESULT);
        res.setReturnCode("0");
        res.setReturnValue(taskResult);
        return res;
    }
}

15.完成代码编写后,要把代码提交到仓库中,不然再进来就没有了,提交步骤:点击源代码管理,然后点击提交按钮;

image-20220414234909818

提交到仓库时需要填写本次提交的内容介绍;

16.提交完成后要选择部署环境,打开 CloudIDE 左侧的 部署调试插件,进入到部署面板,选择预发环境进行部署;

image-20220414235233136

17.环境选择好之后,我们要检查路由、函数映射表,第一个字段是应用访问的路径,格式为:/skill-78623/entry,其中数字 67954 为智能应用平台上此应用的技能id,技能id显示在技能概览页中的基本信息表中,这个字段一般系统会默认自动填好

image-20220414235327535

image-20220414235337577

18.第二个字段表示某个文件的函数入口,如果选择Java语言, 此数据为:com.alibaba.ailabs.GenieEntry::handleRequest,表示当应用发布之后,天猫精灵这边的请求会发送到 com.alibaba.ailabs.GenieEntry类的handleRequest方法,handleRequest是从AbstractEntry类中继承的方法, 请不要重写此方法。如果选择NodeJS语言或Python语言,此数据为:index.handler,表示含义和前面类似;由于我们选的是java语言, 所以第二个字段我们要填com.alibaba.ailabs.GenieEntry::handleRequest。

image-20220414235412098

19.第三个字段表示请求的类型,这里只能是post类型。

image-20220414235436127

20.第三个字段表示请求的类型,这里只能是post类型。

image-20220414235514818

21、在 部署日志 标签页可以看到部署的进度以及部署是否成功。

image-20220414235704174

5、测试

第一步,进入测试模块,打开在线测试;

image-20220414235801088

第二步,输入创建技能时设置的调用词“天气小蜜”并发送,测试欢迎意图是否配置成功,系统回复默认欢迎语则技能测试成功;

image-20220414235835813

相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
目录
相关文章
在NestJS中构建超时拦截器
使用 Nest.js 构建超时拦截器
409 0
在NestJS中构建超时拦截器
|
Java 关系型数据库 MySQL
IDEA(Community版)数据库插件Database Navigator的安装与使用教程
IDEA(Community版)数据库插件Database Navigator的安装与使用教程
IDEA(Community版)数据库插件Database Navigator的安装与使用教程
|
6月前
|
机器学习/深度学习 设计模式 人工智能
深度解析Agent实现,定制自己的Manus
文章结合了理论分析与实践案例,旨在帮助读者系统地认识AI Agent的核心要素、设计模式以及未来发展方向。
1920 103
深度解析Agent实现,定制自己的Manus
|
人工智能 Oracle 关系型数据库
全球CRM系统市场份额分析:领导者与挑战者
随着全球企业对CRM系统的依赖性增加,CRM市场正经历快速增长和激烈竞争。本文分析了全球CRM市场的份额,介绍了市场领导者如Salesforce、Oracle、SAP、纷享销客等,以及挑战者如HubSpot CRM、Zoho CRM等,并预测了未来市场趋势,包括云计算的普及、人工智能的融合和本土化需求的增加。
|
弹性计算 tengine 负载均衡
云原生 - 负载均衡(SLB)配置 HTTPS 访问设置
云原生 - 负载均衡(SLB)配置 HTTPS 访问设置
2516 0
云原生 - 负载均衡(SLB)配置 HTTPS 访问设置
|
6月前
|
存储 人工智能 安全
MCP 规范新版本特性全景解析与落地实践
MCP Specification 在 2025-03-26 发布了最新的版本,本文对主要的改动进行详细介绍和解释
1462 145
|
6月前
|
人工智能 安全 API
不到100行代码,实现一个简易通用智能LLM Agent
本文将分享如何使用不到 100 行的 Python 代码,实现一个具备通用智能潜力的简易 LLM Agent。你将看到整个实现过程——从核心原理、提示(Prompt)调优、工具接口设计到主循环交互,并获得完整复现代码的详细讲解。
1340 101
不到100行代码,实现一个简易通用智能LLM Agent
|
6月前
|
人工智能 监控 JavaScript
MCP实战之Agent自主决策-让 AI玩转贪吃蛇
MCP服务器通过提供资源、工具、提示模板三大能力,推动AI实现多轮交互与实体操作。当前生态包含Manus、OpenManus等项目,阿里等企业积极合作,Cursor等工具已集成MCP市场。本文以贪吃蛇游戏为例,演示MCP Server实现流程:客户端连接服务端获取能力集,AI调用工具(如start_game、get_state)控制游戏,通过多轮交互实现动态操作,展示MCP在本地实践中的核心机制与挑战。
694 39
MCP实战之Agent自主决策-让 AI玩转贪吃蛇
|
人工智能 定位技术 API
旅行规划太难做?5 分钟构建智能Agent,集成地图 MCP Server
MCP(Model Coordination Protocol)是由Anthropic公司提出的开源协议,旨在通过标准化交互方式解决AI大模型与外部数据源、工具的集成难题。阿里云百炼平台上线了业界首个全生命周期MCP服务,大幅降低Agent开发门槛,实现5分钟快速搭建智能体应用。本文介绍基于百炼平台“模型即选即用+MCP服务”模式,详细展示了如何通过集成高德地图MCP Server为智能体添加地图信息与天气查询能力,构建全面的旅行规划助手。方案涵盖智能体创建、模型配置、指令与技能设置等步骤,并提供清理资源的指导以避免费用产生。