C# 使用LUIS中断对话的最佳实践是什么 核心BOT示例（）显示了一种处理中断的方法，例如当用户在对话框中间键入“帮助”或“取消”时。它使用文本比较： private async Task<DialogTurnResult> InterruptAsync(DialogContext innerDc, CancellationToken cancellationToken) { if (innerDc.Context.Activity.Type == ActivityTypes.Message) { var text = innerDc.Context.Activity.Text.ToLowerInvariant(); switch (text) { case "help": case "?": await innerDc.Context.SendActivityAsync($"Show Help...", cancellationToken: cancellationToken); return new DialogTurnResult(DialogTurnStatus.Waiting); case "cancel": case "quit": await innerDc.Context.SendActivityAsync($"Cancelling", cancellationToken: cancellationToken); return await innerDc.CancelAllDialogsAsync(); } } } }

我认为只打一次电话，然后使用状态访问器将识别结果存储在用户状态中是可能的，但这对我来说就像是一项工作

---

在中断和对话框中使用LUIS的推荐方法是什么？

以下是我如何使用Redis Cache实现这一点

我将创建一个中断对话框，它可以被我需要的任何对话框继承以启用中断。在这个对话框中，我将调用LUIS recognizer，它将返回意图，而不是进行文本比较

protected override async Task<DialogTurnResult> OnContinueDialogAsync(DialogContext innerDc, CancellationToken cancellationToken = default)
{
    var result = await InterruptAsync(innerDc, cancellationToken);
    if (result != null)
    {
        return result;
    }

    return await base.OnContinueDialogAsync(innerDc, cancellationToken);
}


private async Task<DialogTurnResult> InterruptAsync(DialogContext innerDc, CancellationToken cancellationToken)
{
    if (innerDc.Context.Activity.Type == ActivityTypes.Message)
    {
        var luisResult = await _recognizer.RecognizeAsync<MyLuisModel>(innerDc.Context, cancellationToken);
        switch (luisResult.TopIntent().intent)
        {
            case MyLuisModel.Intent.Cancel:
                return await CancelAllDialogsAsync(innerDc, cancellationToken);

            case MyLuisModel.Intent.SignOut:
                return await SignOutAsync(innerDc, cancellationToken);

        }
    }

    return null;
}

受保护的覆盖异步任务OnContinueDialogAsync（DialogContext innerDc，CancellationToken CancellationToken=default）
{
var结果=等待中断异步（innerDc，cancellationToken）；
如果（结果！=null）
{
返回结果；
}
返回wait base.OnContinueDialogAsync（innerDc，cancellationToken）；
}
专用异步任务中断异步（DialogContext innerDc，CancellationToken CancellationToken）
{
if（innerDc.Context.Activity.Type==ActivityTypes.Message）
{
var luisResult=await _recognizer.RecognizeAsync（innerDc.Context，cancellationToken）；
开关（luisResult.TopIntent（）.intent）
{
案例MyLuisModel.Intent.Cancel：
返回Wait Wait CancelAllDialogsAsync（innerDc，cancellationToken）；
案例MyLuisModel.Intent.SignOut：
返回等待SignOutAsync（innerDc，cancellationToken）；
}
}
返回null；
}

然后，在识别器类中，我可以缓存每个话语的LUIS结果。您必须确保在每次重新发布LUIS模型时清除缓存，或者缓存过期时间更短

public virtual async Task<T> RecognizeAsync<T>(ITurnContext turnContext, CancellationToken cancellationToken) where T : IRecognizerConvert, new()
{
    var utterance = turnContext.Activity?.AsMessageActivity()?.Text;
    if (string.IsNullOrWhiteSpace(utterance)) return default;
    var cacheKey = Regex.Replace(utterance, @"[^A-Za-z0-9]+", "_");
    var matches = Regex.Match(cacheKey, @"[A-Za-z0-9]+");
    if (!matches.Success) return default;
    cacheKey = "MyBot_" + cacheKey + "_" + nameof(T);

    var recognizerResult = await _cacheClient.Db15.GetAsync<T>(cacheKey);

    if (recognizerResult != null) return recognizerResult;

    recognizerResult = await _recognizer.RecognizeAsync<T>(turnContext, cancellationToken);
    await _cacheClient.Db15.AddAsync(cacheKey, recognizerResult, TimeSpan.FromDays(1));

    return recognizerResult;
}

public virtual async Task RecognizeAsync（ITurnContext turnContext，CancellationToken CancellationToken），其中T:IRecognizerConvert，new（）
{
var话语=turnContext.Activity？.AsMessageActivity（）？.Text；
if（string.IsNullOrWhiteSpace（话语））返回默认值；
var cacheKey=Regex.Replace（话语，@“[^A-Za-z0-9]+”，“”）；
var matches=Regex.Match（cacheKey，@“[A-Za-z0-9]+”；
如果（！matches.Success）返回默认值；
cacheKey=“MyBot”+cacheKey+“+nameof（T）；
var recognizerResult=await_cacheClient.Db15.GetAsync（cacheKey）；
if（recognizerResult！=null）返回recognizerResult；
recognizerResult=wait _recognizer.RecognizeAsync（turnContext，cancellationToken）；
wait_cacheClient.Db15.AddAsync（cacheKey，recognizerResult，TimeSpan.FromDays（1））；
返回识别结果；
}

以下是我将如何使用Redis缓存实现这一点

我将创建一个中断对话框，它可以被我需要的任何对话框继承以启用中断。在这个对话框中，我将调用LUIS recognizer，它将返回意图，而不是进行文本比较

protected override async Task<DialogTurnResult> OnContinueDialogAsync(DialogContext innerDc, CancellationToken cancellationToken = default)
{
    var result = await InterruptAsync(innerDc, cancellationToken);
    if (result != null)
    {
        return result;
    }

    return await base.OnContinueDialogAsync(innerDc, cancellationToken);
}


private async Task<DialogTurnResult> InterruptAsync(DialogContext innerDc, CancellationToken cancellationToken)
{
    if (innerDc.Context.Activity.Type == ActivityTypes.Message)
    {
        var luisResult = await _recognizer.RecognizeAsync<MyLuisModel>(innerDc.Context, cancellationToken);
        switch (luisResult.TopIntent().intent)
        {
            case MyLuisModel.Intent.Cancel:
                return await CancelAllDialogsAsync(innerDc, cancellationToken);

            case MyLuisModel.Intent.SignOut:
                return await SignOutAsync(innerDc, cancellationToken);

        }
    }

    return null;
}

受保护的覆盖异步任务OnContinueDialogAsync（DialogContext innerDc，CancellationToken CancellationToken=default）
{
var结果=等待中断异步（innerDc，cancellationToken）；
如果（结果！=null）
{
返回结果；
}
返回wait base.OnContinueDialogAsync（innerDc，cancellationToken）；
}
专用异步任务中断异步（DialogContext innerDc，CancellationToken CancellationToken）
{
if（innerDc.Context.Activity.Type==ActivityTypes.Message）
{
var luisResult=await _recognizer.RecognizeAsync（innerDc.Context，cancellationToken）；
开关（luisResult.TopIntent（）.intent）
{
案例MyLuisModel.Intent.Cancel：
返回Wait Wait CancelAllDialogsAsync（innerDc，cancellationToken）；
案例MyLuisModel.Intent.SignOut：
返回等待SignOutAsync（innerDc，cancellationToken）；
}
}
返回null；
}

然后，在识别器类中，我可以缓存每个话语的LUIS结果。您必须确保在每次重新发布LUIS模型时清除缓存，或者缓存过期时间更短

public virtual async Task<T> RecognizeAsync<T>(ITurnContext turnContext, CancellationToken cancellationToken) where T : IRecognizerConvert, new()
{
    var utterance = turnContext.Activity?.AsMessageActivity()?.Text;
    if (string.IsNullOrWhiteSpace(utterance)) return default;
    var cacheKey = Regex.Replace(utterance, @"[^A-Za-z0-9]+", "_");
    var matches = Regex.Match(cacheKey, @"[A-Za-z0-9]+");
    if (!matches.Success) return default;
    cacheKey = "MyBot_" + cacheKey + "_" + nameof(T);

    var recognizerResult = await _cacheClient.Db15.GetAsync<T>(cacheKey);

    if (recognizerResult != null) return recognizerResult;

    recognizerResult = await _recognizer.RecognizeAsync<T>(turnContext, cancellationToken);
    await _cacheClient.Db15.AddAsync(cacheKey, recognizerResult, TimeSpan.FromDays(1));

    return recognizerResult;
}

public virtual async Task RecognizeAsync（ITurnContext turnContext，CancellationToken CancellationToken），其中T:IRecognizerConvert，new（）
{
var话语=turnContext.Activity？.AsMessageActivity（）？.Text；
if（string.IsNullOrWhiteSpace（话语））返回默认值；
var cacheKey=Regex.Replace（话语，@“[^A-Za-z0-9]+”，“”）；
var matches=Regex.Match（cacheKey，@“[A-Za-z0-9]+”；
如果（！matches.Success）返回默认值；
cacheKey=“MyBot”+cacheKey+“+nameof（T）；
var recognizerResult=await_cacheClient.Db15.GetAsync（cacheKey）；
if（recognizerResult！=null）返回recognizerResult；
recognizerResult=wait _recognizer.RecognizeAsync（turnContext，cancellationToken）；
wait_cacheClient.Db15.AddAsync（cacheKey，recognizerResult，TimeSpan.FromDays（1））；
返回识别结果；
}

您可以通过更新

luiselper

中的

ExecuteLuisQuery

方法来处理“帮助”意图，从而实现所需的结果。这样你就可以不用打断别人了。我不知道您为什么要避免这两个LUIS调用，因为开销非常小。也许您可以提供有关您的场景的更多信息，其中概述了您希望减少呼叫数量的原因？我敢打赌，您将遇到更多问题，并最终通过尝试缓存LUIS结果来避免进行额外的API调用，从而为您的应用程序增加不必要的复杂性。您是对的，有两个LUIS调用可能不会明显变慢。然而，这是一项付费服务，通过这种结构，您拨打的电话数量几乎是所需电话数量的两倍。此外，每一句话，除了被打断者抓住的那句，都会被路易斯接受两次。因为它背后有人工智能，我担心这会