何时考虑采用多工作区编排方法
When to consider adopting multiple workspace orchestration approach
我有一个内置于 watson 助手的机器人，具有 150 多个意图。最近，客户抱怨机器人的性能，开发团队也发现有时意图相互冲突。
然后我在网上搜索了一个解决方案并阅读了这个关于工作区编排的article。这听起来像是一个可行的解决方案。
所以我的问题是，我们什么时候应该考虑使用这种方法？比如意图的数量或意图分类的平均置信度得分？
使用编排层并不能解决根本问题。归根结底，如果您将意图分配给两个助手，它们仍然会发生冲突……通常这会使它们更加冲突，因为您有效地使 Watson Assistant 的一个实例对另一个实例视而不见。
有很多方法可以改进您的助手，其中一些是产品内置的，一些可能需要更多的工作。
以下是助您一臂之力的资源列表：
Watson Assistant 中有一个内置功能，可以检测冲突的意图并帮助解决它们。
这是众多之一？关于它的博客 https://cobusgreyling.medium.com/how-to-resolve-intent-conflicts-with-ibm-watson-assistant-1ee5ee09587e
Watson Assistant 提供了很多资源来帮助您提高助手的质量，但以下博客将指导您使用最推荐的方法：
https://medium.com/ibm-watson/the-quickest-way-to-improve-intents-in-a-chatbot-44bad1f3a5fc
最后，您应该熟悉这些 python 笔记本，它们有助于分析和改进您的助手
https://github.com/watson-developer-cloud/assistant-improve-recommendations-notebook
对于可能涉及多个 subjects/topics 的解决方案，我主要使用并看到了您 link 中描述的 router 方法的使用。例如，如果您的 Chatbot 可以处理与银行相关的多个主题（信用卡、保险等），那么每个主题都可以拥有专门的 Watson Assistant 技能。在这些技能之前，您应该拥有 link 中提到的 router ，它主要用于识别与您的主题技能之一相关的用户意图。在此技能中，您可以作为意图发布该特定主题的所有示例问题。通过这种方式，您可以确保 subject recognition 始终在此 router 技能中处理。此外，在这项技能中，您应该考虑只识别具有高置信度的意图（例如 >0.8）。这将帮助您更好地识别主题，但您需要确保接受适当的培训。相同的意图置信度阈值机制可以应用于您需要在主题技能中识别的意图。
这种方法可以帮助您更好地组织您的技能和意图，但如果您只在聊天机器人中解决一个主题，或者如果您有多个主题但意图很少，它可能会变得不知所措。
我有一个内置于 watson 助手的机器人，具有 150 多个意图。最近，客户抱怨机器人的性能，开发团队也发现有时意图相互冲突。
然后我在网上搜索了一个解决方案并阅读了这个关于工作区编排的article。这听起来像是一个可行的解决方案。
所以我的问题是，我们什么时候应该考虑使用这种方法？比如意图的数量或意图分类的平均置信度得分？
使用编排层并不能解决根本问题。归根结底，如果您将意图分配给两个助手，它们仍然会发生冲突……通常这会使它们更加冲突，因为您有效地使 Watson Assistant 的一个实例对另一个实例视而不见。
有很多方法可以改进您的助手，其中一些是产品内置的，一些可能需要更多的工作。
以下是助您一臂之力的资源列表：
Watson Assistant 中有一个内置功能，可以检测冲突的意图并帮助解决它们。 这是众多之一？关于它的博客 https://cobusgreyling.medium.com/how-to-resolve-intent-conflicts-with-ibm-watson-assistant-1ee5ee09587e
Watson Assistant 提供了很多资源来帮助您提高助手的质量，但以下博客将指导您使用最推荐的方法：
https://medium.com/ibm-watson/the-quickest-way-to-improve-intents-in-a-chatbot-44bad1f3a5fc
最后，您应该熟悉这些 python 笔记本，它们有助于分析和改进您的助手 https://github.com/watson-developer-cloud/assistant-improve-recommendations-notebook
对于可能涉及多个 subjects/topics 的解决方案，我主要使用并看到了您 link 中描述的 router 方法的使用。例如，如果您的 Chatbot 可以处理与银行相关的多个主题（信用卡、保险等），那么每个主题都可以拥有专门的 Watson Assistant 技能。在这些技能之前，您应该拥有 link 中提到的 router ，它主要用于识别与您的主题技能之一相关的用户意图。在此技能中，您可以作为意图发布该特定主题的所有示例问题。通过这种方式，您可以确保 subject recognition 始终在此 router 技能中处理。此外，在这项技能中，您应该考虑只识别具有高置信度的意图（例如 >0.8）。这将帮助您更好地识别主题，但您需要确保接受适当的培训。相同的意图置信度阈值机制可以应用于您需要在主题技能中识别的意图。 这种方法可以帮助您更好地组织您的技能和意图，但如果您只在聊天机器人中解决一个主题，或者如果您有多个主题但意图很少，它可能会变得不知所措。