我在watson助手中构建了一个拥有150多个意图的机器人。最近，客户抱怨机器人的性能，开发团队也发现有时意图之间会发生冲突。
然后我在网上搜索了一个解决方案，并阅读了这篇关于工作空间编排的文章。这听起来是一个可行的解决方案。
所以我的问题是，我们什么时候应该考虑使用这种方法？比如意图的数量或意图分类的平均置信度得分？
使用编排层并不能解决基本问题。一天下来，如果你把意图分给两个助手，他们仍然会有冲突。。。通常情况下，这会使它们更加矛盾，因为你有效地使Watson Assistant的一个实例对另一个实例视而不见。
有很多方法可以改进你的助手，其中一些是产品内置的，有些可能需要更多的工作。
这里有一个资源列表，让你开始：
Watson Assistant中有一个内置功能，可以检测冲突意图并帮助解决它们。这是众多中的一个？关于它的博客https://cobusgreyling.medium.com/how-to-resolve-intent-conflicts-with-ibm-watson-assistant-1ee5ee09587e
Watson Assistant提供了相当多的资源来帮助您提高助理的质量，但以下博客指南介绍了最推荐的方法：
https://medium.com/ibm-watson/the-quickest-way-to-improve-intents-in-a-chatbot-44bad1f3a5fc
最后，你应该熟悉这些python笔记本，它们有助于分析和改进你的助手https://github.com/watson-developer-cloud/assistant-improve-recommendations-notebook
对于可能涉及多个主题/主题的解决方案，我主要使用并看到了您的链接中描述的路由器方法。例如，如果你的聊天机器人可以处理多个与银行业相关的科目(信用卡、保险等(，那么每个科目都可以拥有专门的沃森助理技能。在这些技能之前，你应该有链接中提到的路由器，它将主要用于识别与你的受试者的一项技能相关的用户意图。在这项技能中，你可以将该特定主题的所有示例问题作为意图发布。通过这种方式，您可以确保主题识别始终使用路由器技能进行处理。此外，在这项技能中，你应该考虑可能只识别被高置信度击中的意图(例如>0.8(。这将帮助你更好地识别一个主题，但你需要确保进行适当的培训。同样的意图置信阈值机制可以应用于你需要在学科技能中识别的意图。这种方法可以帮助你更好地组织你的技能和意图，但如果你在聊天机器人中只涉及一个主题，或者你有多个主题，但意图很少，这种方法可能会变得势不可挡。