语音技能设计规范

<div style="max-width: 100%; margin: 20px auto;">
    
    <div style="background-color: #ffffff; border-radius: 8px; box-shadow: 0 2px 8px rgba(0,0,0,0.1); overflow: hidden; font-family: 'Comic Sans MS', cursive, sans-serif;">
        
        
        <div style="background-color: #F4F8FA; padding: 1px 10px; border-bottom: 1px solid #dee2e6; display: flex; justify-content: space-between; align-items: center;">
            <div style="color: #0E42D2; font-weight: bold;font-size: 1.3rem;">语音技能设计规范概述</div>
            <div>
            </div>
        </div>
        
        <div style="padding: 25px; line-height: 29px; background-image: linear-gradient(transparent 26px, #dee2e6 27px, #dee2e6 27px, transparent 27px); background-size: 100% 28px; min-height: 100px; color: #333;">
            <div>语音技能设计规范是确保交互体验流畅性和功能性的重要准则，涵盖场景定义、语料设计、对话流程及发布流程等核心环节。以下为详细说明：</div>
			<a href="#技能场景定义" style="color: #6f42c1; font-weight: 500;">
			<strong>- 1、技能场景定义>>>点击跳转&emsp;&emsp;&emsp;</strong></a>
			&emsp;&emsp;&emsp;<a href="#语料设计" style="color: #6f42c1; font-weight: 500;">
			<strong>- 2、语料设计>>>点击跳转&emsp;&emsp;&emsp;</strong></a>
			<br><a href="#多轮对话设计" style="color: #6f42c1; font-weight: 500;">
			<strong>- 3、多轮对话设计>>>点击跳转&emsp;&emsp;&emsp;</strong></a>
			&emsp;&emsp;&emsp;<a href="#发布技能" style="color: #6f42c1; font-weight: 500;">
			<strong>- 4、发布技能>>>点击跳转&emsp;&emsp;&emsp;</strong></a>
            <div></div>
        </div>
        
        </div>
    </div>
</div>

## 1、技能场景定义

首先定义技能的**应用场景**，避免一个技能完成多个功能。

### 1.1、 定义技能
定义技能的几个问题：
1. 这个技能能做什么？为什么用户需要这个技能?
2. 用户在使用这个技能之前、当时、之后，会干什么？
3. 在这个技能中，有什么是用户不使用这个技能或使用别的技能得不到的？
4. 有什么信息是用户希望得到的？
5. 用户通过说/做什么能唤醒这个技能？
6. 哪一个功能点能直接支持这个技能？
7. 技能提供的信息是否需要从别的网页或应用中调用？

## 2、语料设计
语料指用户发出指令后技能做出回应的话术，尽可能多地考虑用户和技能之间的对话的发展。好的语料应该：

### 2.1、简洁直白，亲切友好
1. 使用简洁、口语化语言。
正确示范
- 用户：订今晚去北京的机票。
- 技能：今晚飞北京已经没有票了，要不要改坐高铁呢？

错误示范
- 用户：订今晚去北京的机票。
- 技能：今晚去往北京的机票已无剩余，无法购买，可否改乘高铁？

2. 语料兼备幽默、风趣、委婉、温柔、俏皮的多重风格转换，增加生动活泼力。

正确示范
- 用户：你最喜欢的人是谁
- 技能：欲把相思说似谁，当然是你呀~

错误示范
- 用户：你最喜欢的人是谁？
- 技能：没什么喜欢的

3. 尽可能避免使用歉意词。

正确示范
- 用户：打电话给爸爸
- 技能：通讯录中没有找到“爸爸”呢。

错误示范
- 用户：打电话给爸爸。
- 技能：对不起，通讯录中没有找到“爸爸”。

4. 回应简洁，避免重复。
正确示范
- 用户：帮我找手机。
- 技能：好的，请说一下你的电话号码哦。

错误示范
- 用户：帮我找手机。
- 技能：感谢使用找手机技能，本技能可以通过拨打你的电话找到你的手机。现在说出你的手机号码，帮你拨打哦。

5. 尽可能只回复重点，省略无关消息。
正确示范
- 用户：今天要带伞吗？
- 技能：今天北京雷阵雨，需要带伞哦。

错误示范
- 用户：今天要带伞吗？
- 技能：今天北京雷阵雨，气温15~21度，空气湿度80%，记得要带伞哦。

6. 避免无意义交互。
正确示范
- 用户：给我讲个笑话吧。
- 技能：（随机讲笑话）

错误示范
- 用户：给我讲个笑话吧。
- 技能：你是要听笑话对吗？

7. 避免要求用户用特定的方式表达意图。
正确示范
- 用户：明晚八点有个饭局。
- 技能：需要我帮你设置一个明晚八点的提醒吗？

错误示范
- 用户：明晚八点有个饭局。
- 技能：如果你想设置提醒，请对我说：提醒我明晚八点有个饭局。

### 2.2、丰富多变，应变能力强

1. 答复多样化。

举例
- 用户：红烧肉怎么做？
- 技能回复1：鱼香肉丝是道不错的美味呦，做法是这样的：...
- 技能回复2：做菜我最拿手哦，红烧肉的步骤是：...
- 技能回复3：帮你找到啦：...

### 2.3、以服务用户的核心意图为前提

技能应优先回复用户的核心意图。当无法满足用户需求时，应表达清楚技能的状态，以免用户困惑。

正确示范
- 用户：我想看新浪财经频道。
- （没有新浪财经频道的信源，但找到爱奇艺财经频道）
- 技能：没有找到新浪财经频道，可以看看爱奇艺财经频道。

错误示范
- 用户：我想看新浪财经频道。
- （没有新浪财经频道的信源，但找到爱奇艺财经频道）
- 技能：为你找到爱奇艺财经频道。

### 2.4、清晰地给出选择

在为用户提供选择的时候，要组织好语言，明确这是一个从几个选择里挑一个的问题，而不是“是与否”、“要或不要”的问题。

正确示范
- 用户：帮我定杯拿铁。
- 技能：你是想要中杯还是大杯呢？
- 用户：大杯。

错误示范
- 用户：帮我定杯拿铁。
- 技能：你是要中杯或者大杯吗？
- 用户：是的。

### 2.5、回应要为用户的 “耳朵” 服务

以应用技能的设备没有屏幕，或者用户不会 “看” 信息为前提，让技能的回复能通过 “听” 就能很容易地理解。

正确示范
- 用户：火箭队和魔术现在比赛情况怎样？
- 技能：火箭队目前得分66，魔术队目前得分54，比赛进行到第三场。

错误示范
- 用户：火箭队和魔术现在比赛情况怎样？
- 技能：火箭（65-17-1）66，魔术（25-57-0）54，第三场，剩余时间 5:24。

### 2.6、兜底语料

问题超出信源库范围时，生动的兜底语料提高用户体验。

正确示范
- 用户：红烧肉怎么做？
- 技能回复1：我突然想不起来了，问我别的菜呗。
- 技能回复2：脑袋空空，咱们换个菜吧。

错误示范
- 用户：红烧肉怎么做？
- 技能：我没听清，能再说一遍吗？

### 2.7、考虑用户关闭数据获取的情况

正确示范
- 用户：今天天气怎样？
- 技能：请问你现在在哪个城市？
- 用户：我在北京。
- 技能：今天北京天气晴朗，气温为15~21度。

错误示范
- 用户：今天天气怎样？
- 技能：你还没授权定位数据，无法使用天气查询哦。

## 3、多轮对话设计

基础的语料设计可能不能满足用户与技能的实际互动需求。用户可能会说得太少，也可能说得太多，还可能词不达意，说很多开发者预料不到的东西。运用以下技巧，开发者可以扩展语料库，用多轮对话的形式更好地捕获用户在对话中给出的重要信息。

### 3.1、首先列出最短的对话路径

最短的对话路径通常是用户一次性提供所有有用信息的对话。

### 3.2、将备选路径和决策树列举出来

如果用户所说的没有将所有必需的信息给出，可以在流程中确定备选路径。

### 3.3、概括出系统逻辑

识别系统决策，如这是一个新用户还是一个老用户。检查用户遵循的流程可能可以改善用户体验。

### 3.4、对话中加入引导语

不要假设用户知道接下来该做什么或将要发生什么。多轮对话中可以加入友好的引导语，让用户清晰地知道接下来该怎样与技能进行交流。如：

1. 提示用户何时需要提供更多信息。

2. 一次只要求一个信息。

3. 给用户提供选择，但尽量不要给出三个以上的选项。

4. 向用户确认他的选择和重要信息。

5. 传达多个信息时应通过“第一步”、“然后”、“最后”等序列词便于用户理解。

### 3.5、汇总选择

进行多论对话后，应向用户确认各轮回答的信息并反馈给用户。

正确示范
- 用户：帮我订今天去北京的机票。
- 技能：好的，请说出发地点。
- 用户：广州
- 技能：好的请说起飞时间段。
- 用户：中午十二点之后。
- 技能：好的，你需要订X月X日，中午十二点后，从广州飞往北京的航班对吗？
- 用户：是的。
- 技能：好的，为你找到...

错误示范
- 用户：帮我订今天去北京的机票.
- 技能：好的，请说出发地点。
- 用户：广州。
- 技能：好的，请说起飞时间段。
- 用户：中午十二点之后。
- 技能：好的，为你找到....

### 3.6、处理潜在需求

多为用户考虑场景中潜在的需求，并尽可能周全地满足。例如：当介绍复杂的规则时，可以为用户考虑没听清或没听懂的情况，提供再听一遍的选项。也可以为已经了解规则的用户提供跳过的选项。

### 3.7、精细化拆分

某个场景下的各种交互情况均需进行考虑，作精细化拆分，针对各种情况，需要提供针对性更强的回答，要求符合语境及交互感。

正确示范
- 用户：成语接龙
- 技能：已为你打开成语接龙，你可以选择你先开始或者我先开始，不想玩了请对我说“退出”。
- 用户：你先开始。
- 技能：好的，那我先来咯~ 和风细雨。
- 用户：雨过天晴。
- 技能：真棒，回答正确，再接再厉。下一个，雨过天晴。
- 用户：熠熠生辉。
- 技能：你的回答不正确哦，再试一次吧~
- 用户：提示一下吧
- 技能：好的，雨过天晴可以接晴天霹雳。
- 用户：换一个吧
- 技能：如果你想重开一局，可以对我说“重来”。

错误示范
- 用户：打开成语接龙
- 技能：和风细雨
- 用户：雨过天晴
- 技能：晴天霹雳
- 用户：熠熠生辉
- 技能：你的回答不对哦，再试一次~ 
- 用户：提示一下吧
- 技能：我好像没听懂...
- 用户：换一个吧
- 技能：我好像没听懂...

### 3.8、无响应时主动反馈

当用户连续多次没有命中意图时，在告知没有理解并且作出更清晰的引导同时，需要明确告知用户应该怎样退出技能或主动为用户退出当前技能。

尽可能用“鼓励”的方式引导用户更正“错误”，主动询问用户意图，引导用户完成目标，而不是轻易终结对话。

正确示范
- 用户：我想查天气。
- 技能：请问要查哪个城市的天气呢？
- 用户：天气热要多喝水。
- 技能：这个没听清呢，请你说出要查天气的城市名哦。

错误示范
- 用户：我想查天气。
- 技能：请问要查哪个城市的天气呢？
- 用户：天气热要多喝水。
- 技能：这个没听懂，自动为你退出技能。

## 4、发布技能

### 4.1、确保服务稳定可靠

应该严格保证技能的后端服务稳定可靠，快速响应用户请求，达到用户良好的使用预期。

### 4.2、技能信息有标识度

通过定义独立且有差异化的技能功能，选用不易混淆的名称来命名你的技能，给用户一个清晰的印象，让你的技能脱颖而出。

### 4.3、技能描述简洁易懂
尽可能完善技能的描述信息，具体要求可参照[技能审核规范](https://aiui-doc.xf-yun.com/project-1/doc-54/)。