按照访客预期的机器人应答方式的不同，ChatBot分为3个类型：咨询型、闲聊型、任务型

ChatBot 类型

按照访客预期的机器人应答方式的不同，ChatBot分为3个类型：咨询型、闲聊型、任务型。

• 咨询型：通常为访客期望就自己提出的问题，机器人能给出相应的专业解答。表现为一问一答的形式。机器人相当于一个“知识顾问”，做“答疑解惑”的事情；
• 闲聊型：访客的预期是可陪伴自己聊天的机器人。无论访客说什么问题，机器人都可以接得上，聊得上。访客期待的不是某个具体目标的完成，而是情感上的陪伴；
• 任务型：通常为访客期望就自己提出的问题，机器人不仅能给出专业解答，还能主动反问获取相关信息，根据不同信息给出不同的解答。同时还可完成一些任务指令。广义上将，无论是“专业解答”，还是“完成任务指令”，都是完成任务，故为“任务型”。

Why：为什么这么分？

这样的划分方式，相信大家已经见得很多了。但是为什么这么划分呢？主要有两个原因。

1）对话的本质

对话的本质是：对话双方的信息同步。（此刻停留10秒钟可回想下你接触过的各种对话）

对话只是工具，在对话中的信息传递，即对话双方想通过对话传递的信息，才是对话的意义。

举个例子：你跟你的朋友说：“我们去玩吧！”你的朋友接收到这个信息的时候，他心里会有几个问题想问你：“为啥突然要去玩”、“啥时候去玩”、“去哪里玩”。因为这些信息，你没告诉他，他需要获得这些信息，以达到与你同步的阶段，才能进行下一步：去完成“去玩”这件事。而对话，就是达成信息同步的工具。（难道他跟你眼对眼对视下就可以知道嘛？）

2）AI现有的技术发展限制

虽然AI迎来了新的一春（相对于以前的发展），但是基于机器学习/深度学习的NLP技术，目前只能解决一部分问题，或者说，一小部分问题。一个对话系统中，真正用到AI技术的，目前是基于【意图】【实体】框架的识别体系，而这部分，也仅仅占对话系统10%-20%（具体我们可以专门开一篇文章详细分析，这里暂不赘述）。

而基于【意图】【实体】识别框架，目前最容易达成的，就是“指令式”的对话（没错，这里是我给它取的名字）。比如，你对机器人说：“帮我订张火车票”（抱歉我还是用这个快被说烂的例子）。“订张火车票”这是一个非常明确的指令。机器人通过识别意图“订张火车票”，马上可进行相应信息的填充（词槽填充追问），帮访客完成“订火车票”的任务目标。

相反的，一些“非指令式”的对话，对话系统很难通过现有的AI技术处理。比如，在医疗营销机器人中，访客问“我最近肚子有点痛”。这是一个很模糊的指令，机器人并不知道访客的意图是什么，甚至人也很难知道。“肚子痛”很可能是肠胃的问题，可能是女性疾病问题，等等。现有的NLP技术无法识别，因为无法做 逻辑推理。

所以，现有的ChatBot能处理的，且擅长处理的问题，是那些指令式的问题，这就对应了我们刚才说的3种分类中的两种：咨询型、任务型，这也是目前应用于商业中最广泛的两种类型的ChatBot。而另外一种 闲聊型，是基于 记忆神经网络模型 的对话方式，是现有神经网络可支持的实现方式

What：他们的联系与区别是什么？

从访客的预期来看，可以分为2大类：任务达成（Get things done）与 情感陪伴（Get company）

1）任务达成（Get things done）

咨询型ChatBot 与任务型 ChatBot

识别角度上，二者机理一致。均是通过分类（相似度匹配）的方式。

• 咨询型（FAQ相似度计算）：通过访客问句与每条FAQ的问题，计算相似度匹配，从而回复问题相应的回答。
• 任务型（意图识别）：通过访客问句与每个意图配置的对应query，计算相似度匹配。通过多轮的询问交互，最终解决访客的问题。

应答功能上：任务型是升级版的咨询型

• 咨询型是针对访客query，直接给予答案回应
• 任务型是针对访客query，收集query相关的信息（意图-词槽 机制），根据收集的情况给予答案回应（答案回应包括：富文本、链接跳转、外部资源调用），是以任务达成为目的的对话。

2）情感陪伴

闲聊型ChatBot 的对话宗旨在于，基于话题让对话延续。在对话理念上与前者有较大区别。其目的是让访客，通过对话得到情感上的支持与陪伴。比如你跟iPhone Siri 说“我想你”，她会回复你“我也想你”等之类的话，让你得到情感上的陪伴体验。

但是从NLP现有的发展情况来看，闲聊型ChatBot的效果并不是太理想。因为对话没有一个主题，机器人是因访客问题回答而回答，是一种“被动式”的应答，并无主导对话的能力。所以通俗讲，目前的应用基本就是让访客“图个乐”的阶段。