對話工廠，顧名思義，個性化定制對話流的工作臺，按照更靈活的方式，將對話中的概念進行抽象和提煉為三個基本元素：entry（觸發）、function（函數）、response（回復），經過大量應用場景的實際案例發現，幾乎所有對話流都可以用以上三個基本元素拼裝組合而成。包括經典的slotfilling機制，包括非依賴性平行槽、依賴槽，甚至針對填槽過程中獲取到的參數值進行分支判斷，例如重名校驗、合理性校驗等等。
對話工廠的起源
如今在深度學習技術的加持下，人工智能技術和應用已經風靡全球，各類對話機器人相繼誕生，有的應用在生活中，例如各大廠牌的智能音響，有的應用在工作中，例如各種高效的客服機器人，其實在chatbot領域，一般將用戶的Query區分為三大類：
咨詢類，“請問我們公司繳納的個人所得稅比例是多少？”。
閑聊類，“你好啊”、“謝謝了”、“你真棒”。
任務類，“幫我約張三開個會”、“我要請假”、“幫我申請退貨”。
舉例
其中，任務類的場景，一般都需要進行2輪或2輪以上的對話來解決用戶問題，（U代表用戶，B代表機器人），例如：
U：“幫我預定一張明天去北京的火車票”
B：“好的，請問您從哪個城市出發？”
U：“杭州吧”
B：“ok，已經為您找到以下火車票，請您選擇”
…
分析
在這個預訂火車票的場景中，用戶第一句話表達了清晰的預訂火車票意圖，并且說出了兩個關鍵信息，“明天”是出發時間，“北京”是目的地，但是對比預設好的購票邏輯，還缺失了一個關鍵信息“出發地”，此時，機器人自動反問，（機器人的反問話術目前是由用戶自定義配置的），直到收集齊所有關鍵信息，機器人就去真正的執行這個任務，比如查詢符合條件的火車票，甚至直接幫用戶購買一張符合個人喜好習慣的靠窗火車票。
提煉
隨著越來越多的對話場景開發上線，逐步受到廣大用戶的青睞，如果想推動整個智能對話機器人的發展更加迅速，必須要借助一些符合行業規范、能夠提高工作效率、甚至能夠理清思路的好工具、好平臺。對此提出幾點要求：
高度抽象復雜對話中的基本元素，使其能夠成為所有對話構建的基石。
找到元素之間組裝和拼接的規律，幫助對話開發者或者對話運營人員理清思路，找到方法，駕馭智能對話。
簡單高效易用，降低新手成本，一些通用的對話原材料，盡可能多的預置好，開箱即用。
歡迎走進chatbot智能對話的新世界。