類目

用于對知識進行分類管理，是知識的最上層管理層級。例如：“行政”，“財務”，“人事”等。

核心詞

核心詞等于關鍵詞；是一個詞或者短語，是某個機器人語義處理的最小含義的表達。如：“信用卡密碼丟失怎么辦？”。此句中如果核心詞為“信用卡”，機器人在處理時先將問題范圍縮小到“信用卡”，然后再分析該核心詞下的知識以應答用戶提問。

同義詞

表示和詞條意思相同的詞匯或短語，通過添加同義詞可以增加機器人的識別能力，例如詞條“打印機”下設置同義詞“云打印”。這個時候機器人會學習到“打印機”和“云打印”表示的是同一個意思并加以識別。

問候語

用戶進入機器人聊天頁面時顯示的歡迎語。

智能卡片

用戶進入機器人聊天頁面時出現的結構化卡片，主要用于設置高頻常見問題等。

快捷短語

網頁版機器人聊天頁面輸入框上方，快捷短語用于配置高頻問題，可實現向機器人發送預設提問。

無答案回復

當用戶的問題不包含在機器人的知識庫內，機器人的默認回答。

對話工廠

對話工廠允許用戶按照既定的話術套路設計用戶與機器人之間的對話，通過“Slot Filling(填槽)”技術，機器人可以與用戶在對話中完成業務流程處理。當用戶與機器人的會話匹配到意圖時，機器人會按照預先編排的多輪對話來收集所需參數。當意圖的全部參數收集完畢，機器人會調用意圖處理邏輯中配置的服務來進行業務處理。 以此可以實現：機器人訂單查詢、退貨、訂票等。

Dialog （對話流）

Dialog Studio管理業務的容器，比如訂票，查物流，交話費為一個Dialog。

Node（節點）

Dialog進行圖形化配置的最小操作元。對話編輯節點，包含Entry, Slots, Response, Function。

Response （回復）

機器人返回給用戶的內容，可以是以下形式：

text，靜態文本，支持用戶配置多條，可以隨機出。Image，圖片Button List, 按鈕列表。

Function （函數）

Built-in, HTTP等。

Entry （觸發）

進入Node的條件項，支持“AND”， “OR”運算符。可以以“context variables”，“entities”，“intents”，“event”條件觸發進入節點。

Slots （填槽）

參與slotfilling的所有參數，每個參數的校驗實體、是否必填、是否數組、反問response、生命周期。

Context Variables （全局變量）

上下文參數，填槽或API中傳遞的上下文參數。

Intent （意圖）

意圖，可以以NLU和規則處理等形式被觸發。

Entity （專有名詞）

專有名詞，實體，包含系統默認實體和用戶自定義實體。