今年1月，SAP宣布收购重铸.ai，位于巴黎的聊天机器人平台。这无疑将加快SAP进军NLP和会话界面领域的步伐。

尽管Recast尚未完全集成到SAP云平台中，但我们仍可以将其用于以SAP为中心的场景（与大多数其他聊天机器人提供商一样）。这个博客试图展示一个简化的场景，使用一个重铸的聊天机器人作为前端，淘客返利app，在sapgateway上公开一个OData服务作为后端。聊天机器人将对用户的查询作出反应，物联网大会，并提取后端数据作为回应。

重要的是要理解，这种情况是"简化"的，因为我们不会讨论诸如数据的身份验证或匿名化等主题。希望将来会有一个版本2，在那里我提供了一个完全"兼容"的聊天机器人。通过匿名化数据，我指的是这样一个事实：在这个简化的场景中，我们将数据从后端OData服务发送到重铸.ai云平台，用于"嵌入"聊天机器人响应。这在大多数公司场景中都是不可接受的（我们使用的是测试数据，所以对于我们的概念验证来说并不重要）。我们正在研究的一个解决方案是使用一个"bot连接器"，它将标记敏感数据，并避免将其公开发送到防火墙之外。

最后，本博客主要关注chatbot场景的技术组件，返利购物，而不是构建和培训重铸.ai聊天机器人本身，相比之下，这应该是相当微不足道的。重铸有很多关于这个的教程和博客-强烈推荐。

无论如何，让我们看看我们到目前为止提出了什么。

成分

我们需要：

一个很好的用例A重铸.ai聊天机器人合适的OData服务SAP-CP，CloudFoundry版SAP-CP，NEO版本

（此时，您可能会问自己为什么我们需要这两个SAP-CP版本。事实上，我们没有——至少在一个理想的世界里没有。然而，我们的世界并不完美。在工作时，我们的SAP-CP CloudFoundry版本没有配备到网关服务器的连接，因此需要一个新租户。说明如下）

用例

我们想知道根据具体标准我们有多少员工。比如，有多少外籍人士在法国工作？或者意大利有多少男性？聊天机器人将识别任何标准（性别、国家、工作类别…），并转换我们的OData服务将使用的值。很简单，对吧？

很多，原来是

重铸聊天机器人

让我们建立一个聊天机器人！我们登录到重铸.ai平台，大数据技术及数据分析培训，创建一个帐户（如果我们还没有），然后开始构建。

注意：本节假设您对聊天机器人有一些基本的技术知识，最显著的是"意图"和"实体"的概念。你也应该熟悉重铸.ai，特别是"技能"和"要求"的特点。简单了解webhooks也很有用。

我们的聊天机器人有一个主要目的，一个（主要）技能和六个实体。实体是用户在会话中可能应用的不同搜索条件，如"国家"和"性别"。对于国家，我们采用"黄金实体"的位置-这是免费的重铸机器人。这基本上意味着，重铸NLP将试图识别用户在特定地点发出的任何具有地理意义的话语。

主要目的是"编制"。这就是chatbot开始行动的地方，它试图根据从OData服务中提取的数据提供答案。对于我们的意图，我们有几句话：

还有几句，但是读一长串听起来相似的短语是相当无聊的。老实说，

最后，我们有了一项技能。其实我在撒谎。我们的机器人有5个技能，人工智能核心，但只有一个是重要的。这就是恰当命名的"编制"技能，只要确定了"编制"意图，就会触发：

技能很酷。在重铸术语中，技能就像聊天机器人可以做的一小部分事情。几乎就像一个，嗯，呃，技能。

一个技能是由某些东西触发的-在我们的案例中，如前所述，"员工人数"意图的存在：

此外，技能需要满足一些条件：

我们的技能有6个要求-对应于我们的OData服务使用的6个搜索条件。请注意，这些要求是"或"-ed在一起-这意味着我们可以提供任何数量的他们（从1到所有6）。这让我们可以使用相当复杂的问题！

技能完成后，它会触发一个webhook：

webhook将被我们的后端应用程序截获，驻留在SAP-CP CloudFoundry上。这是一个节点.js应用程序，基于Recast提供的模板（请参阅重铸.ai有关webhooks的更多信息的文档）。简而言之，它是这样工作的：chatbot调用后端节点.js应用程序，使用我们的技能中定义的端点。会话上下文（或chatbot内存）将自动传递。我们在后端所要做的就是检查内存内容，提取实体（搜索）值，并启动对我们的OData服务的调用。

让我们暂时从chatbot世界中休息一下，看看我们的OData服务。

OData服务

我们已经设置了一个合适的OData服务，允许我们根据特定条件进行筛选。在我们的例子中，该服务是一个配备了"OData"标记的BW查询，这意味着它已经作为一个服务公开。我们可以使用任何基于ABAP（或XS）的OData服务。

我们服务的JSON格式如下：

下面是一个在我们的后端系统中测试它的示例，使用两个筛选条件值：

结果是一个简单的数字：

OK。它有小数。我们雇佣的是一小部分人。

不是真的——这个数字是加权平均数。我们只需绕过它。

SAP-CP CF节点.jswebhook应用

现在，转到SAP-CP，CloudFoundry版本。这里是大部分工作完成的地方。

我们启动SAP-CP全栈Web IDE：

（哇！感谢Ran&co制作了这个很酷的标志！！）

这里，我们有我们的索引.js文件，该文件基于来自Recast的webhook模板。它很长而且有点复杂，原因如下：

我们需要对实体值进行一些转换。示例：如果用户说"法国"，我们需要将其转换为后端服务知道的正确国家代码，即"FR"。

我们还需要"记住"用户发出的值，直到下一个问题出现。这是因为我们想促进以下情景：

"有多少人在意大利工作"？