Nlp 在LUIS应用程序中使用后续问题的正确方法

我正在开发一个带有botframework和NLP服务LUIS的聊天机器人

如果您希望应用程序/聊天机器人根据前一个应用程序/聊天机器人的上下文回答后续问题，有人能在此解释一下什么是正确的方法吗

让我举个例子：

[me]: I want to buy a Ford car
[bot]: Here are the list of different cars we have....
[me]: what about a red one?
[bot]: sure! I added the red color to your car
[me]: I also want bluetooth
.....

正如你所看到的，如果你不知道对话的背景，那么关于颜色、蓝牙或汽车可能具备的任何其他品质的问题都毫无意义

这应该通过botframework上的瀑布式方法来实现，还是应该通过LUIS的话语来实现？我们如何才能做到这一点？我相信这必须通过路易斯来完成，但我不确定正确的方法

编辑以澄清：

我理解这可以通过实现所述的bindingActions来实现，但这意味着我必须对每个不同的用例进行编码（在这种情况下，我必须为颜色、门、电机类型等编码一个bindAction），我想要的是机器人回答自发的问题

---

下面的答案让我想到了如何实现瀑布式对话框，在对话框的第二步中，将问题发送到具有不同答案的QnAmaker服务。

您使用瀑布式是正确的-我假设您使用的是Node.js SDK，在这种情况下，请查看文档，了解如何实现瀑布来管理对话框

如果您使用的是.NETSDK，那么您将使用

您的LUIS服务应该只返回一个“意图”，即用户希望为您的用例购买一辆汽车，然后，您需要通过bot中的对话框引导对话流。对于“跟进”问题，您当前的对话框需要解决，或者您可以实现一个全局消息处理程序

这展示了.NET的示例，但您可以对node.js bot应用相同的逻辑。在这篇文章中，LUIS用于根据返回的意图将用户引导到不同的对话框

---

希望这有帮助，祝你好运

谢谢你，马修！我不知道如何在不编码每个可能的用例的情况下解决后续问题。为此，我可以试着打电话给QnAMaker服务，提供问题和答案，并将问题发送到该服务，否则我不知道如何解决每个不同的问题。