在对话中使用实体

一旦定义了您的实体，就可以在构建代理对话时使用它们。 使用它们的最简单方法是打开主题的创作画布并添加问题节点。 问题节点允许代理使用实体来识别用户提交的信息，并将此信息另存为变量。 问题节点的识别功能会告知代理需要从用户查询中识别哪些信息。

当对话中出现此问题时，用户只需键入他们要查找的部门。 然后，该项目将与实体列表中的项目进行比较和匹配。

在上图中，用户表达了对徒步旅行的兴趣，这是远足的另一种说法。 代理会识别此信息，并且由于我们将徒步旅行定义为远足的同义词，因此代理显示与远足相关的信息。

在某些情况下，组织可能会决定，他们希望向用户显示按钮以简化选择。 例如，如果您希望某些类别项目显示为用户可选择作为输入的按钮，请选中选择用户的选项，然后从列表中选取。 在对话中，客户可以选择所需的项目按钮，或者以文本形式手动输入其他类别。

使用槽填充

槽填充是一种自然语言理解概念，用于将提取的实体保存到对象。 简单来说，槽填充会匹配客户输入的内容，然后将其适当存储在变量中。 例如，当被要求提供类别类型时，客户可能会选择远足，也可能会键入徒步旅行，如下图所示。 由于徒步旅行被定义为同义词，仍然应视为用户输入了“远足”。 槽填充可确保即使输入了其他内容，它也与正确的类别相关联。 提取的实体远足将用作产品类别变量的值。

主动槽填充

另一个概念称为主动槽填充。 在这种情况下，用户可指定映射到多个实体的多条信息。 代理可自动理解什么信息属于哪个实体。

可以在节点级别手动控制主动槽填充。 如果您想要始终在特定节点内提示问题，而不管该槽是否已根据之前的用户响应填充，您可以禁用跳过问题选项，并针对该问题节点每次进行询问。

默认问题行为设置为允许跳过问题，这允许代理主动检测用户查询中的实体，而无需提示用户提供他们已提供的信息。

在以下示例中，用户写下了我想购买一些徒步旅行装备。 这其中包括客户想要购买装备的触发短语，还提供了第二条信息，即实际的装备类型。 在这种情况下，代理将同时填充购买装备实体和装备类型。 这与上一个示例不同，上一个示例中代理需要提示用户提供设备类型。 代理接受用户输入，并智能地跳过询问产品类别的问题。

代理始终积极关注用户输入，提前记住信息，以便适当地跳过不必要的步骤。

让我们重新开始测试，并尝试另一个案例。 在这一轮中，我们添加了更多问题节点，询问远足装备的类型和价格范围（使用金钱实体）等信息。

这次出现产品类别问题时，用户可以说我想买一双 100 美元以下的远足鞋，而不是只告诉代理产品类别。

在此示例中，代理不仅能够找到正确的远足产品类别路径，还能主动填充用于询问远足装备类型和目标价格范围信息的槽。