NLU判斷問題標籤+ 傳統API的混和式聊天架構(建構中)

最近做了一個案子，打算做的是顧客與店家的聊天小幫手。
第一版做的雛形，是AI 智能回覆 動態產生SQL ，可以做智能查詢，依照顧客想要的查詢。

自己設計了幾次下來，發現在測試階段，智能回答問題就花了不少token，有的時候回答準度還是很差。

在開會時，收到了意見回饋「客人會花錢買單使用智能客服嗎? 效益在哪裡 ?」

闆: 「還是先做成傳統的linebot」。

---------------------------------------------
思考了一下之後， 我打算做個「微智能客服」。

在程式邏輯流程的API 還是先寫好固有的API、SQL。
整理歸類好的意圖分類，當顧客詢問的時候，先透過NLU 去做意圖分類，讓問題落在意圖分類之間，再去觸發固定的API、SQL。

之後再收斂回答的信心度校準、語意相似度輔助、模型和技術優化、 定期重訓練。

----------------
@@ 
根據現有的資料庫及客服的回饋，再加上以往的經驗，能做的標籤及意圖分類就需要花些時間做整理了。