开源语义理解框架 Clause API 文档：快速实现聊天机器人

在上一篇文章《基于开源语义理解框架 Clause 实现聊天机器人
》 中，很多读者关心如何使用 Clause，在 Clause Wiki 文档中心 中也有很多指导使用的资料，现将 API 使用整理如下。

开源语义理解框架 Clause API 文档

Clause 使用过程：

服务端为 C++ 实现，并基于 Apache Thrift 框架实现跨语言 PRC SDK。

服务端已经封装为 Docker 镜像编排服务，部署简单。 SDK 支持多种语言，参考 示例程序。

Table of contents

• 服务端 API 文档

• SDK 文档

服务端 API 文档

描述Clause中C++实现的服务端核心模块的API接口。

该文档包含在Github源码中，下载源码：

git clone https://github.com/chatopera/clause.git

使用浏览器打开API文档：

cd clause
open docs/index.html

即可查看文档。

SDK 文档

以下是 SDK 端文档。

以 Python 为例子介绍，其它语言接口相同，调用方法类似。

安装包

pip install clause

数据类型

Data 为主要数据类型，参考：

数据接口设计

不同接口统一使用 Data 对象作为请求和返回值类型。

引入类

from clause import Client, Data
from clause import CustomDict, SysDict, DictWord
from clause import Intent, IntentSlot, IntentUtter
from clause import Entity, ChatMessage, ChatSession

实例化bot对象

bot = Client(CL_HOST, CL_PORT)

创建自定义词典

data = Data()
data.customdict = CustomDict(name=customDictName, 
     chatbotID=chatbot_id)
resp = bot.postCustomDict(data)
# 更新自定义词典
data = Data()
data.chatbotID = chatbot_id
data.customdict = CustomDict(name=customDictName, 
							chatbotID=chatbot_id)
data.dictword = DictWord(word="西红柿", 
							synonyms="狼桃;柿子;番茄")
resp = bot.putDictWord(data)

引用系统词典

data = Data()      
data.chatbotID = chatbot_id
# 系统词典：人名 @PER; 地名 @LOC; 组织机构 @ORG; 任何字符串 @ANY; 时间 @TIME
data.sysdict = SysDict(name="@TIME")
resp = bot.refSysDict(data)

创建意图

data = Data()
data.intent = Intent(chatbotID=chatbot_id, 
					name=intent_name)
resp = bot.postIntent(data)

### 创建意图槽位
data = Data()
data.intent = Intent(chatbotID=chatbot_id, name=intent_name)
data.slot = IntentSlot(name="vegetable", requires=True, 
					question="您需要什么配菜")
data.customdict = CustomDict(chatbotID=chatbot_id, 
					name=customDictName)
resp = bot.postSlot(data)

创建意图说法

data = Data()
data.intent = Intent(chatbotID=chatbot_id, 
					name=intent_name)
data.utter = IntentUtter(utterance="帮我来一份{vegetable}，送到											{location}")
resp = bot.postUtter(data)

在意图说法中，使用 {槽位名称}。

训练机器人

data = Data()
data.chatbotID = chatbot_id
resp = bot.train(data)
## 训练是一个长时间任务，进行异步反馈
while True:
 sleep(3)
 data = Data()
 data.chatbotID = chatbot_id
 resp = bot.status(data)
 if resp.rc == 0:
     break

对话

## 创建session
data = Data()
data.session = ChatSession(chatbotID=chatbot_id,
  uid="py", # 用户唯一的标识
  channel="testclient", # 自定义，代表该用户渠道由字母组成
  branch="dev" ) # 分支，有连个选项：dev, 调试版本；pro，生产版本
   sessionId = bot.putSession(data).session.id

### 聊天
data = Data()
data.session = ChatSession(id=sessionId)
data.message = ChatMessage(textMessage= "我想点外卖")
resp = bot.chat(data)

关于 Session 的描述，参考 什么是“会话”。

其它接口

以上是实现一个聊天机器人创建、训练和对话的过程，还有其它接口，满足定制化开发需求，其使用方法和以上类似。

更多介绍

参考 示例程序 并阅读源码 bot.py 进一步了解 SDK 使用。

其它语言

参考 其它语言 SDK 及示例程序。

技术支持

如遇到使用问题，请建立 Issue!

下一步

快速开始

开发环境搭建