节点 - #多轮交互#

概述

仅 “#单次交互#” 和 “#多轮交互#” 是 “唯二” 可以与用户进行交互的节点，在两类节点中定义的信息项才会被从用户输入中抽取信息
进入 “#多轮交互#” 节点后，系统就会一直停留在该节点，进行多轮交互，直到遇到后继的退出情况；当然此时也可以进行触发（触发执行完毕后又返回 “#多轮交互#” 节点），或进行具有 “主题” 信息项修饰的 “#单次交互#” 节点的主题切换；此时 AI 会根据全局的应对话术、静态和/或动态参考信息或大模型本身的知识来回复用户的疑问或要求；针对静态和/或动态参考信息，历史对话记录中的用户输入会一起作为信息检索的语义匹配目标，这样会有一种针对某一主题进行多轮知识问答的效果
更进一步，在该节点的每一轮交互中:
- AI会抽取 “抽取信息” 属性中定义的信息项的最新值
- 执行 “执行函数”(Python对话树) 或 “执行脚本”(Xmind对话树) 属性中定义的脚本或函数来进行相关的处理
- 使用 “{_多轮交互动态提示词_}” 系统信息项的内容作为提示词来精确动态控制该轮的对话要求
- 如果满足 “退出意图” 属性中定义的用户意图则退出该节点的交互循环，或者在 “执行函数”(Python对话树) 或 “执行脚本”(Xmind对话树) 属性中动态设置了 “{_多轮交互退出原因_}” 的值也会退出该节点的交互循环
对于 Xmind 对话树，节点内容的首行必须是 “#多轮交互#”，然后第二行开始的内容就是下面的各个属性（每个属性都是由 “@” 开头并用 “=” 分割开的前后两部分，前面是属性名，后面是属性内容），如：
```
#多轮交互#
@... = ...
@... = ...
@... =
...
...
...
@... = ...|...|...
```
对于 Python 对话树，chattree.create_node() 的第一个参数必须是 “#多轮交互#”，第二个参数 dict 中就是如下的各个 key（即属性），如果没有特殊说明，其 value（即属性内容）类型均为 str，如：
```
multi_turn_node = chattree.create_node("#多轮交互#", {
    "...": "...",
    "...": ["...","..."],
    "...": "...\n...\n",
    "...": [{"...":"...","...":"...","...":"..."}, ...],
})
```
和 “#单次交互#” 节点不同，本节点后面不能有 “#用户意图#” 节点，且不能通过 “#动作#重新提问#” 的方式来重复执行
“对话树例子” 中的 “医院挂号” 和 “急救知识问答” 对话树例子中有该节点

“提示未找到参考信息” 属性

（Xmind 对话树则是 “@提示未找到参考信息 = ...” 的形式）

当前的多轮交互中，如果用户最新的提问无法从系统预设的静态和/或动态参考信息中找到相关的内容来回答时，可以设置一个默认的、直接输出给用户的回复，比如 “抱歉，目前我的知识库里没有您的问题的答案”
注意这里无法使用两端是“<”、“>”的“提示词”模式（参见 “文本输出”）
“对话树例子” 中的 “急救知识问答” 对话树例子中有该属性

“抽取信息” 属性

（Xmind 对话树则是 “@抽取信息 = ...” 的形式）

对于 Xmind 对话树，属性内容是若干的信息项信息，多个信息项信息则多行，每个（每行）的信息项信息分为如下三段：
- 第一段是信息项 {...}，具体参见 “信息项”
- 第二段是信息项约束 (...)，两端用（半角）小括号括住，具体参见 “信息项”，可选
- 第三段是信息项修饰的用 “|” 分开的若干值 [...|...|...]，两端用方括号括住，具体见 “节点 - #单次交互#” 中关于信息项修饰的说明（但只能是其中的“明确”、“隐含”、“复述”、“增量”、“json”）单行如：{...} 或 {...}(...) 或 {...}(...)[...|...|...]
对于 Python 对话树，属性内容是一个 list，list 的每个元素是一个 dict，dict 中有如下 key：
- “信息项”：单个信息项名称，str 类型，具体参见 “信息项”
- “信息项约束”：即信息项的约束，具体参见 “信息项”，该 key 可选
- “信息项修饰”：参见 “节点 - #单次交互#” 中 “信息项修饰” 的说明（但只能是其中的“明确”、“隐含”、“复述”、“增量”、“json”）；该 key 可选
- “信息项选项”：值是一个元素为 str 的 list，具体参见 “信息项”，该 key 可选；该 key 仅 python 对话树支持
- “信息项选项修饰”：值是一个元素为 str 的 list，具体参见 “信息项”，该 key 可选；该 key 仅 python 对话树支持
对于这些信息项：
- 本节点每进行完一轮交互，系统都会从当前对话记录中抽取这些信息项的最新值
- 可以在 “#多轮交互#” 之前进行初始化（通过 “#动作#执行脚本” 等节点）
“对话树例子” 中的 “医院挂号” 对话树例子中有该属性

“执行函数”(Python对话树) 或 “执行脚本”(Xmind对话树) 属性

（Xmind 对话树则是 “@执行脚本 = ...” 的形式）

对于 Xmind 对话树，属性内容是多行的 Python 脚本（脚本中可基于 ctx 对信息项进行访问或赋值），如：
```
...
...ctx['{...}']...
...
```

对于 Python 对话树，属性内容是一个 dict，其中 key 是 “执行函数”，value 是一个 Python 函数名或 lambda 表达式（函数定义或 lambda 都须带一个 ctx 参数并可基于 ctx 对信息项进行访问或赋值），如：

def xxxx_func(ctx):
    ...
    ...ctx['{...}']...
    ...
multi_turn_node = chattree.create_node("#多轮交互#", {
    ...
    "执行函数": xxxx_func,
    ...
})

multi_turn_node = chattree.create_node("#多轮交互#", {
    ...
    "执行函数": lambda ctx : ...ctx["{...}"]...,
    ...
})

本节点每进行完一轮交互并抽取上述信息项后，系统都会执行上述脚本或函数
如果要退出本节点的交互循环，可以在脚本或函数中将退出原因赋值给系统信息项 {_多轮交互退出原因_}；退出后，“#多轮交互#” 节点后继的 “#条件#脚本” 节点可以根据 {_多轮交互退出原因_} 来执行不同的分支
本节点的每一轮交互中，可以随时赋值系统信息项 {_多轮交互动态提示词_}，直接动态控制每一轮的具体对话内容和对话要求
更多参见 “Python 脚本/函数”
“对话树例子” 中的 “医院挂号” 对话树例子中有该属性

“退出意图” 属性

（Xmind 对话树则是 “@退出意图 = ...” 的形式）

对于 Xmind 对话树，属性内容是退出意图的描述，多个则用 “|” 分隔开，优先级高的放到前面
对于 Python 对话树，属性内容是一个 list，list 中的每个元素是一个 str，表示退出意图的自然语言描述，优先级高的放到前面
本节点每进行完一轮交互后，都会判断上述退出意图（即作为退出多轮交互的条件的用户意图，参见 “意图”），满足时，{_多轮交互退出原因_} 会被赋值相应的描述，且下一步会退出交互循环；同样，“#多轮交互#” 节点后继的 “#条件#脚本” 节点可以根据 {_多轮交互退出原因_} 来执行不同的分支

概述​

“提示未找到参考信息” 属性​

“抽取信息” 属性​

“执行函数”(Python对话树) 或 “执行脚本”(Xmind对话树) 属性​

“退出意图” 属性​

概述

“提示未找到参考信息” 属性

“抽取信息” 属性

“执行函数”(Python对话树) 或 “执行脚本”(Xmind对话树) 属性

“退出意图” 属性