來自eBay的軟件工程師Robet Enyedi在QCon紐約2017會議上談了個人購物助手這款購物機器人應用背后的架構設計。這款購物機器人助手于2016年發(fā)布，是基于Facebook Messenger打造的，集成了AI組件和ebay的用戶數(shù)據(jù)，通過對話的形式來為用戶提供購物選擇。

　　Enyedi認為AI技術給商業(yè)帶來了深遠的影響，簡潔的、能夠提供個性化交互的在線購物體驗才能滿足當前用戶的需求。

　　開發(fā)購物聊天機器人有諸多挑戰(zhàn)，例如要解決關聯(lián)性問題，提供購物會話、信息會話以及售后會話等功能，這可不止是簡單的搜索。同時，系統(tǒng)設計上也存在約束，比如用戶的輸入信息可能比較少，或者由于多次交互導致用戶輸入信息零散化等問題。要準確理解用戶的輸入，需要大量的數(shù)據(jù)作為輸入，系統(tǒng)的輸出也要能做到用戶友好。

　　第三方機器人框架一般都支持自然語言理解和處理、意圖檢測（例如天氣、航班以及購物等信息）、實體抽取（例如數(shù)字、溫度等信息）。但是他們在非線性會話和粗粒度機器人記憶功能方面很有限，API、工具和實現(xiàn)方面的可用度和成熟度也千差萬別。eBay團隊自己實現(xiàn)了機器人解決方案，其可以提供商務感知的輸入分析，這些分析結果又可以通過大規(guī)模數(shù)據(jù)分析、細粒度的長期且存儲安全的機器人記憶管理來調整，并且支持非線性多輪次會話。

　　購物機器人架構一般包含以下幾個模塊：

　　Facebook Massagener

　　購物機器人內部組織（ShopBot Fabric）

　　購物機器人AI系統(tǒng)（包括輸入處理器和對話管理器）

　　數(shù)據(jù)存儲（機器人記憶和知識圖譜）

　　購物機器人技術棧基于微服務架構，包括java8、Scala、Python、Play、Google Cloud BigTable以及Spark機器學習模型訓練。部署模型基于Google云平臺、Docker以及Kubernetes。

　　這款應用支持多輪次會話和多模式系統(tǒng)輸入等特性。多模式系統(tǒng)輸入可以是文本、點擊、音頻或者這些所有輸入的混合。多輪次對話則包含圍繞一個話題的對話，這比傳統(tǒng)的一維搜索效率更高。

　　對話管理器是購物機器人應用的核心模塊，輸入分析、機器人記憶管理、商品檢索、搜索（文本，可視和綜合搜索）以及知識圖譜等，都依賴于對話管理器。

　　購物機器人未來規(guī)劃包括：在云端提供eBay全部的庫存詳單，在非線性對話交流功能上繼續(xù)創(chuàng)新以及在可使商務對話更加簡潔和快速的AI技術上投入研究等。