Jak zintegrować Dialogflow z BigQuery

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.

538029740db09f49.png

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

  1. Otwórz konsolę Google Cloud.
  2. W konsoli Google Cloud kliknij ikonę menu &#9771 >. Big Data > BigQuery
  3. W sekcji Zasoby w panelu po lewej stronie kliknij identyfikator projektu. Po jego wybraniu po prawej stronie pojawi się przycisk UTWÓRZ ZBIÓR DANYCH.
  4. Kliknij UTWÓRZ ZBIÓR DANYCH i nadaj mu nazwę.

be9f32a18ebb4a5b.png

  1. Po utworzeniu zbioru danych kliknij go w panelu po lewej stronie. Po prawej stronie zobaczysz przycisk CREATE TABLE (UTWÓRZ TABELĘ).
  2. Kliknij UTWÓRZ TABELĘ, wpisz nazwę tabeli i u dołu ekranu kliknij Utwórz tabelę.

d5fd99b68b7e62e0.png

  1. Po utworzeniu tabeli kliknij ją w panelu po lewej stronie. Po prawej stronie zobaczysz przycisk „Edytuj schemat”.
  2. Kliknij kolejno przycisk Edit Schema (Edytuj schemat) i Add Field (Dodaj pole). Dodaj „date” i powtórz to samo w przypadku „time” i „type”.
  3. Zwróć uwagę na wartości „DatasetID" i „DatasetID".

e9d9abbe843823df.png

3. Dodaj szczegóły połączenia BigQuery do realizacji Dialogflow

  1. Otwórz agenta Dialogflow i włącz wbudowany edytor Fulfillment. Jeśli potrzebujesz pomocy, zapoznaj się z poprzednim modułem .
  1. 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.
  2. W indeks.js utwórz plik „addToBigQuery”. , aby dodać datę, godzinę i typ spotkania do tabeli BigQuery.
  3. 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

  1. Mapa intencji wywołuje funkcję „makeAppointment&quot;, aby zaplanować spotkanie w Kalendarzu Google.
  2. 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”.

96d3784c103daf5e.png

  • Sprawdź tabelę BigQuery po odpowiedzi. Użyj zapytania „SELECT * FROM projectID.datasetID.tableID

dcbc9f1c06277a21.png

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 30a9fea7cfa77c1a.png obok obecnego agenta.

520c1c6bb9f46ea6.png

  • 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:

1217326c0c490fa.png