1. Wprowadzenie
W tym artykule dowiemy się, jak Dialogflow łączy się z BigQuery i przechowuje informacje zebrane podczas rozmowy. Użyjemy tego samego agenta, który utworzyliśmy w poprzednich modułach Harmonogram spotkań”. W projekcie GCP agenta utworzymy zbiór danych i tabelę w BigQuery. Następnie zmienimy pierwotną realizację przy użyciu zbioru danych BigQuery i identyfikatorów tabel. Na koniec sprawdzimy, czy interakcje są rejestrowane w BigQuery.
Oto schemat sekwencji zdarzeń od użytkownika do realizacji i BigQuery.
Czego się nauczysz
- Jak utworzyć zbiór danych i tabelę w BigQuery
- Jak skonfigurować szczegóły połączenia z BigQuery w ramach realizacji Dialogflow.
- Jak testować realizację
Wymagania wstępne
- Podstawowe pojęcia i konstrukcje Dialogflow. Obejrzyj te filmy instruktażowe Dialogflow, aby poznać podstawowe zagadnienia dotyczące projektowania konwersacyjnego:
- Utwórz czatbota usługi Planowanie spotkań przy użyciu Dialogflow.
- Informacje o encjach w Dialogflow.
- Realizacja: integracja Dialogflow z Kalendarzem Google.
2. Utwórz zbiór danych i tabelę w BigQuery
- Otwórz konsolę Google Cloud.
- W konsoli Google Cloud kliknij ikonę menu ☫ >. Big Data > BigQuery
- W sekcji Zasoby w panelu po lewej stronie kliknij identyfikator projektu. Po jego wybraniu po prawej stronie pojawi się przycisk UTWÓRZ ZBIÓR DANYCH.
- Kliknij UTWÓRZ ZBIÓR DANYCH i nadaj mu nazwę.
- Po utworzeniu zbioru danych kliknij go w panelu po lewej stronie. Po prawej stronie zobaczysz przycisk CREATE TABLE (UTWÓRZ TABELĘ).
- Kliknij UTWÓRZ TABELĘ, wpisz nazwę tabeli i u dołu ekranu kliknij Utwórz tabelę.
- Po utworzeniu tabeli kliknij ją w panelu po lewej stronie. Po prawej stronie zobaczysz przycisk „Edytuj schemat”.
- Kliknij kolejno przycisk Edit Schema (Edytuj schemat) i Add Field (Dodaj pole). Dodaj „date” i powtórz to samo w przypadku „time” i „type”.
- Zwróć uwagę na wartości „DatasetID" i „DatasetID".
3. Dodaj szczegóły połączenia BigQuery do realizacji Dialogflow
- Otwórz agenta Dialogflow i włącz wbudowany edytor Fulfillment. Jeśli potrzebujesz pomocy, zapoznaj się z poprzednim modułem .
- Sprawdź, czy plik „package.json"” w wbudowanym edytorze realizacji Dialogflow zawiera zależność BigQuery. "@google-cloud/bigquery": "0.12.0". Podczas czytania tego artykułu upewnij się, że używasz najnowszej wersji BigQuery.
- W indeks.js utwórz plik „addToBigQuery”. , aby dodać datę, godzinę i typ spotkania do tabeli BigQuery.
- Dodaj projectID, datasetID i tableID w sekcji TODO pliku index.js, aby prawidłowo połączyć tabelę BigQuery i zbiór danych z realizacją.
{
"name": "dialogflowFirebaseFulfillment",
"description": "Dialogflow fulfillment for the bike shop sample",
"version": "0.0.1",
"private": true,
"license": "Apache Version 2.0",
"author": "Google Inc.",
"engines": {
"node": "6"
},
"scripts": {
"lint": "semistandard --fix \"**/*.js\"",
"start": "firebase deploy --only functions",
"deploy": "firebase deploy --only functions"
},
"dependencies": {
"firebase-functions": "2.0.2",
"firebase-admin": "^5.13.1",
"actions-on-google": "2.2.0",
"googleapis": "^27.0.0",
"dialogflow-fulfillment": "0.5.0",
"@google-cloud/bigquery": "^0.12.0"
}
}
'use strict';
const functions = require('firebase-functions');
const {google} = require('googleapis');
const {WebhookClient} = require('dialogflow-fulfillment');
const BIGQUERY = require('@google-cloud/bigquery');
// Enter your calendar ID below and service account JSON below
const calendarId = "XXXXXXXXXXXXXXXXXX@group.calendar.google.com";
const serviceAccount = {}; // Starts with {"type": "service_account",...
// Set up Google Calendar Service account credentials
const serviceAccountAuth = new google.auth.JWT({
email: serviceAccount.client_email,
key: serviceAccount.private_key,
scopes: 'https://www.googleapis.com/auth/calendar'
});
const calendar = google.calendar('v3');
process.env.DEBUG = 'dialogflow:*'; // enables lib debugging statements
const timeZone = 'America/Los_Angeles';
const timeZoneOffset = '-07:00';
exports.dialogflowFirebaseFulfillment = functions.https.onRequest((request, response) => {
const agent = new WebhookClient({ request, response });
console.log("Parameters", agent.parameters);
const appointment_type = agent.parameters.AppointmentType;
// Function to create appointment in calendar
function makeAppointment (agent) {
// Calculate appointment start and end datetimes (end = +1hr from start)
const dateTimeStart = new Date(Date.parse(agent.parameters.date.split('T')[0] + 'T' + agent.parameters.time.split('T')[1].split('-')[0] + timeZoneOffset));
const dateTimeEnd = new Date(new Date(dateTimeStart).setHours(dateTimeStart.getHours() + 1));
const appointmentTimeString = dateTimeStart.toLocaleString(
'en-US',
{ month: 'long', day: 'numeric', hour: 'numeric', timeZone: timeZone }
);
// Check the availability of the time, and make an appointment if there is time on the calendar
return createCalendarEvent(dateTimeStart, dateTimeEnd, appointment_type).then(() => {
agent.add(`Ok, let me see if we can fit you in. ${appointmentTimeString} is fine!.`);
// Insert data into a table
addToBigQuery(agent, appointment_type);
}).catch(() => {
agent.add(`I'm sorry, there are no slots available for ${appointmentTimeString}.`);
});
}
let intentMap = new Map();
intentMap.set('Schedule Appointment', makeAppointment);
agent.handleRequest(intentMap);
});
//Add data to BigQuery
function addToBigQuery(agent, appointment_type) {
const date_bq = agent.parameters.date.split('T')[0];
const time_bq = agent.parameters.time.split('T')[1].split('-')[0];
/**
* TODO(developer): Uncomment the following lines before running the sample.
*/
//const projectId = '<INSERT your own project ID here>';
//const datasetId = "<INSERT your own dataset name here>";
//const tableId = "<INSERT your own table name here>";
const bigquery = new BIGQUERY({
projectId: projectId
});
const rows = [{date: date_bq, time: time_bq, type: appointment_type}];
bigquery
.dataset(datasetId)
.table(tableId)
.insert(rows)
.then(() => {
console.log(`Inserted ${rows.length} rows`);
})
.catch(err => {
if (err && err.name === 'PartialFailureError') {
if (err.errors && err.errors.length > 0) {
console.log('Insert errors:');
err.errors.forEach(err => console.error(err));
}
} else {
console.error('ERROR:', err);
}
});
agent.add(`Added ${date_bq} and ${time_bq} into the table`);
}
// Function to create appointment in google calendar
function createCalendarEvent (dateTimeStart, dateTimeEnd, appointment_type) {
return new Promise((resolve, reject) => {
calendar.events.list({
auth: serviceAccountAuth, // List events for time period
calendarId: calendarId,
timeMin: dateTimeStart.toISOString(),
timeMax: dateTimeEnd.toISOString()
}, (err, calendarResponse) => {
// Check if there is a event already on the Calendar
if (err || calendarResponse.data.items.length > 0) {
reject(err || new Error('Requested time conflicts with another appointment'));
} else {
// Create event for the requested time period
calendar.events.insert({ auth: serviceAccountAuth,
calendarId: calendarId,
resource: {summary: appointment_type +' Appointment', description: appointment_type,
start: {dateTime: dateTimeStart},
end: {dateTime: dateTimeEnd}}
}, (err, event) => {
err ? reject(err) : resolve(event);
}
);
}
});
});
}
Zrozum sekwencję zdarzeń w kodzie
- Mapa intencji wywołuje funkcję „makeAppointment", aby zaplanować spotkanie w Kalendarzu Google.
- W ramach tej samej funkcji wykonywane jest wywołanie funkcji „addToBigQuery”. umożliwia wysyłanie danych logowanych do BigQuery.
4. Przetestuj czatbota i tabelę BigQuery
Przetestujmy naszego czatbota. Możesz to zrobić w symulatorze albo skorzystać z integracji z internetem lub Google Home, o której dowiedzieliśmy się z poprzednich artykułów.
- Użytkownik: „Umów się na spotkanie w sprawie rejestracji pojazdu na jutro na 14:00”
- Odpowiedź czatbota: „Rozumiem. Sprawdzę, czy damy Ci znać. 6 sierpnia, 14:00, to wystarczy”.
- Sprawdź tabelę BigQuery po odpowiedzi. Użyj zapytania „SELECT * FROM
projectID.datasetID.tableID
”
5. Czyszczenie
Jeśli planujesz korzystać z pozostałych modułów z tej serii, nie wykonuj teraz porządków. Zrób to po ukończeniu wszystkich modułów z tej serii.
Usuwanie agenta Dialogflow
- Kliknij ikonę koła zębatego
obok obecnego agenta.
- Przewiń kartę General (Ogólne) w dół i kliknij Delete this Agent (Usuń tego agenta).
- W wyświetlonym oknie wpisz USUŃ i kliknij Usuń.
6. Gratulacje!
Udało Ci się utworzyć czatbota i zintegrować go z BigQuery, aby uzyskać statystyki. Jesteś teraz czatbotem.
Zapoznaj się z innymi materiałami:
- Zapoznaj się z przykładowym kodem na stronie Dialogflow GitHub.