任务导向LLM聊天机器人的自动化开发

任务导向聊天机器人越来越多地被用于通过自然语言对话访问各类服务（如预订航班或预约医疗）。实现任务导向聊天机器人有多种技术，包括Dialogflow、Watson和Rasa。它们依赖于用户意图、对话流程和聊天机器人输出的显式定义，指定成本高昂，有时会导致用户体验不佳和响应多样性有限的生硬对话。最近，由大型语言模型（LLM）推动的生成式人工智能进步催生了一系列开放领域聊天机器人（如ChatGPT），能够流畅地讨论任何主题。然而，这些聊天机器人是通用型的，无法直接可靠地解决专业任务。在本文中，我们研究了使用LLM构建任务导向聊天机器人的能力，从而实现更轻量级的规范——无需定义意图——并且比基于意图的方法实现更自然的对话。为此，我们提出了一种基于YAML的轻量级领域特定语言，使用不同类型的模块（如菜单、问答、数据收集）来指定聊天机器人。这些规范被编译成结构化的LLM提示，使用ReAct框架告知运行时如何解释用户输入并协调聊天机器人必须执行的任务。论文展示了我们框架的设计和实现，以及对一组现有基于意图的聊天机器人进行编码的评估，展示了其在规范简洁性、对话灵活性和输出多样性方面的优势。