用Azure Bot Service和QnA Maker创建可查看招生信息和备考资料的机器人

 

本月初2021年考研录取分数线公布了，2022年考研周期也随之启动在当今自动化席卷生产领域的潮流之下，Azure机器人能为教育，具体说为考研提供什么样的玩法呢？1. 项目背景近几年，由于考生个人对自身发展的要求提高，毕业生就业压力较大，非全日制研究生考试纳入统考以及研究生招生人数扩大等多重因素的推动下，全国硕士研究生报考人数呈现了逐年上升的态势。

2018年到2020年，报名人数分别为238万、290万和341万2021年甚至达到了377万报考人数的增加导致了考试竞争越来越大不仅仅是人员的增加带来的竞争压力变大，具备硕士研究生资格点的学校越来越多，一个心仪的学校中不一定有心仪的专业。

所想报考的学校和专业不匹配，而且择校考虑的因素众多报考过程中，不仅仅要查询学校所在的城市地点，考试大纲，还要查询相应年份的招生信息，层层的筛选都面临挑战考研资料查询机器人，就是为了帮助考研的考生，能够快速的查询学校、专业和录取分数等信息，做到报考和备考的一致性，提升考研被录取的机会。

2. 项目介绍本次研究的考研资料查询机器人，基于微软Azure的机器人服务以广东市内高校为例，提供查询相应学校的招生信息，相应学校的考试大纲，开报考专业的学校，以及复习资料的链接，而后发布并连接通道使得可以在微软Teams中使用。

用以减轻备考人员择校等查询资料的工作量，提高查询效率2.1 目前实现效果图——微软Teams中示例

2.2 学校推荐及查看相应学校的招生信息

2.3 根据科目选择学校

2.4 复习资料链接

3. 项目开发过程这次项目中，我通过Azure Bot Service和Azure Cognitive Services这一平台，使用VS Code编译器，基于Python语言，利用Bot Framework Emulator测试，根据2020年广东省的高校考研数据，进行开发。

3.1 开发步骤大致分为以下六步：准备开发环境和工具准备知识库资料创建初始机器人形成聊天流创建QnAMaker并引入部署到Azure并连接到微软Teams通道 3.2 开发环境和工具Bot Framework Emulator (V4)

Win10VS Code +PythonQnA MakerBot FrameworkSDK3.3 知识库内容及来源各大学校的招生信息各大学校的报考专业信息相应学校的报考大纲相应专业课的外部连接研招网及考试信息网开源资料

3.4 创建初始机器人3.4.0 下载并安装Python Python 3.6，3.7，3.8均可；而 3.9可能造成不兼容导致错误

https://www.python.org/downloads/3.4.1 下载Bot Framwork EmulatorBot Framwork Emulator是一个桌面应用程序，允许机器人开发人员测试和诊断机器人构建使用机器人框架SDK，可以使用机器人框架模拟器测试在计算机上本地运行的机器人，或连接到通过隧道远程运行的机器人。

3.4.2 安装相应的包在命令提示符或者VS Code终端中输入命令安装所需要的包：pip install bot builder-corepip install asynciopip install aiohttp

pip install cookiecutter==1.7.0最后一个包 cookiecutter 将用于生成机器人 运行 cookiecutter --help 来验证是否已正确安装 cookiecutter。

3.4.3 创建并启动Cookiecutter https://github.com/microsoft/bot/Builder-Samples/releases/download/Templates/echo.zip

根据GitHub内PythonEcho模板创建Echo机器人，并根据提示完成创建。

创建完成后，从终端导航到保存机器人的 echo-bot 文件夹 运行 pip install -r requirements.txt，安装任何所需的包来运行机器人包安装完成后运行 python app.py来启动机器人。

当显示红框中内容后，表示机器人准备就绪可以进行调试。3.4.4 启动并调试启动Bot Framework Emulator。在模拟器的 “welcome”选项卡上选择 “Open Bot”：

输入机器人的 URL，即本地端口的 URL，并在路径中添加/api/messages，通常为 http://localhost:3978/api/messages，然后连接。

当显示post 200时则成功，后续进行机器人的功能添加，在VS Code中使用代码创建3.5 形成聊天流3.5.1 在新建机器人后，会自适应生成文件夹在VS Code中选择文件——将文件夹添加到工作区（选择创建的对应机器人文件夹）。

3.5.2 实现发送和接受消息在机器人的活动处理程序中，使用轮次上下文对象的 send_activity 方法发送单个消息响应。

并使用下面代码来接受消息，使用activity对象的text属性。

3.5.3 向用户发送欢迎消息机器人遇到的两个主要事件为：新用户连接到机器人，调用：on_members_added_activity收到新用户输入，调用：on_message_activity

3.5.4 创建用户状态在app.py[启动选项]中定义

3.5.5 创建聊天状态属性访问器在bot.py中定义

添加完成后，此时机器人已经会发送欢迎消息：

成功后更改欢迎信息

3.5.6 添加按钮指导操作显示按钮用以供用户点击回答问题或进行选择，而不需要键盘输入响应。如创建实例

后续可更改成场景所需3.6 引入QnA Maker3.6.1   登录QnA Maker门户，并创建知识库① 创建知识库，在订阅中设置QnA Maker服务并选择Azure Active Directory ID、订阅、QnA 资源名称。

② 命名知识库

③ 填充知识库，可选择文档或网页资源，还可以选择机器人的回复风格

④ 完成创建

3.6.2 填充知识库① 添加问答集，在编辑页面选择添加QnA对

② 在新建的QnA对中可添加可能出现的问题及回答。

③ QnA对中的回答，可以是图片，链接，表格。以添加图片为例（每个QnA对仅能填充一张图片）

④ 添加图片时，可输入图片名，且可从外部链接获取图片。

⑤ sm.ms可上传本地图片并生成链接

⑥ 训练并测试知识库

⑦ 发布知识库，当出现Success时即发布成功，会出现相应的PostmanHTTP信息（机器人添加用）

3.6.3 添加QnA Maker服务和知识库① 在config.py文件中添加相应值

② Bot builder-ai引用添加到requirement.txt文件

③ 在 bot.py 文件中导入 QnAMaker 和 QnAMakerEndpoint，同时导入 Config

④ 添加 init 函数以实例化 qna-maker 对象 。 使用 config.py 文件中提供的配置参数

⑤ 更新 on_message_activity 以在知识库中查询答案。 将每个用户输入传递给 QnA Maker 知识库，并将第一个 QnA Maker 响应返回给用户。欢迎消息可更改（框起处）

完成后可根据上文进行调试。3.7 部署到Azure及连接到通道3.7.1 形成Web机器人① 回到QnA Maker门户，发布知识库，选择创建机器人

② 创建后可使用Web应用机器人（根据知识库内容），进行测试

③ 也可下载源代码，在VS CODE中打开进行修改，后续部署Azure可用④ 修改机器人图标及名称，在左侧导航栏选择机器人 profile，即可更改内容

3.7.2连接到频道① 在创建成功后可选择发布，连接到频道

连接后可通过链接在Teams中使用：

② 进入Teams聊天:

3.7.3发布到Azure（VS Code终端或命令提示符中）① 下载Azure CLI② 登录

③ 设置订阅及创建应用注册使用az account set --subscription ""命令可用az account list检索信息从而找到需要的默认订阅

记录下 password和apply ID④通过ARM进行部署创建新的服务计划：

⑤ 准备项目文件（VS CODE中打包压缩或下载的Web机器人源代码）Python 机器人必须含app.py（启动程序）⑥ 进行推送部署在命令行中运行以下命令，以使用 Web 应用的 Kudu zip 推送部署来执行部署。

自此部署完成可在WEB应用中使用测试4. 总结及反思在这次制作机器人的过程中我受益匪浅，在开始学习之前，我以为机器人制作需要强大的编码能力，大量的代码和三维软件设计等但在学习之后，不仅仅了解了机器人的设计原则是将用户体验放在首位，进行智能化的解决用户问题。

也了解了机器人的工作原理，让用户使用文本、图形（例如卡片或图像）或语音通过聊天的方式与之进行交互更是加深了对VS Code编译器以及Python语言的使用同时在学习的过程中品尝到了Azure Bot Service带来的便利，Azure Bot Service 中的Bot Framkwork SDK包含了快速创建机器人，添加QnA Maker和部署机器人在内的文档，可以使零基础的的初学者快速上手，并非一开始想象的那样艰难。

并且除了利用代码创建开发，Azure Bot Service还有本次未用上的Bot Framwork Composer，它可以快速搭建基础机器人，并且不需要代码在Bot Framwork Composer中，可以通过相应的按钮添加信息进行机器人的创建，直观并且可以配合Bot Framwork Emulator进行阶段性的调试。

本次还使用了Azure Cognitive Services 中的QnA Maker，从创建知识库到发布都可以进行阶段性的测试不过在使用时，发现QnA Maker添加QnA对中，每一对QnA对仅可以添加一张图片，有些许不便。

本次的可惜的是未用上相应的LUIS和Directline语音模块在根据机器人内容创建LUIS成功后导入JSON文件时出现错误暂时没有解决，从而和LUIS连接的Directline语音也无法启用通过对Azure Bot Service的学习和使用，不仅是对知识的了解和加深，也是对自己学习能力的一种提高，在不断深入的学习中更能体会到开发机器人的乐趣，也希望能在后续能够补足本次的不足，完善机器人。

5. 项目应用价值全国硕士研究生考试作为我国选拔未来优秀人才的重要手段，已经成为国家,社会,家长和考生关注的重点，除了关注考研成绩外，备考之前的择校也是考研后中重要的一个环节,直接关系着考生的未来本次项目所开发的考研资料查询机器人，是以各大高校的招生，考试大纲和开设专业等信息为基础，可有效直接，快速实时地查询想要报考的学校或专业，带给考生许多便利：。

精准定位：输入想要报考的学校即可获得相关信息，且信息分类，减少冗余信息使用便捷：考研资料查询机器人，采用聊天对话的方式提供服务，考生在使用中无需繁琐的操作即可获得良好的体验提高效率：一步快步步快，在择校阶段，考研资料查询机器人可以直接反应考生所需要的内容，提高了报考选择时的效率，在复习阶段，考研资料查询机器人可迅速帮助考生找到相关的复习内容，提高了复习效率。

简单轻松易上手，资料查询定位准这是考研资料查询机器人所能做到的，它不仅仅带给考生资料查询的便捷，更减少了考生的工作量，让考生能更专注，更简便的投入到学习当中6. 项目延展性和未来期望此次项目所开发的考研资料查询机器人，可通过链接在微软Teams中进行对话。

后续可通过Teams中的APP Studio打包成应用，即可进行搜索添加成应用使用除了Teams，还可添加微信接口，通过微信接口，将完善后的机器人发布到微信，面向更广阔的用户群，便于用户使用在收集数据上，采用数据采集工具并且配合Power BI进行数据分析，且建立自己的数据库等。

创建出准确有效，时效性高的数据优势在功能上也有许多可完善的地方：补充完善国内的研究生硕士点填充后可选择地区进行择校完善相应地区的所有学校完善相应学校的所有专业及招生信息和考试大纲补充完信息后，对信息进行进一步的分类处理

通过对用户所输入的信息进行分类筛选，提供分析选项，帮助用户进行选择对高校录取信息进行数据提取，分析专业相关报考率（如电子信息报考计算机或数学报考计算机，更有如计算机报考体育等）        根据专业相关报考率进行对跨考学生的择校分析和推荐

更多详细内容，请点击文末左侧“阅读原文”。长按二维码，关注本公众号，或搜寻：云就该这么玩。点击文末右下角"在看"（Wow）分享给关注你关注的人。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186