0
雷鋒網按：本文作者 grapeot，原載于知乎，雷鋒網獲授權轉載。
TL; DR: 做了個在兩個群中間互相轉發消息的機器人 (github)，對聊天機器人的一些思考，可以把文本理解加進來做有意思的應用。
最近看到了一些基于微信機器人的有意思的應用，比如用微信匯報模型的訓練狀態（TensorFlow，Keras）。這個是個很好的出發點。聊天機器人 (chatbot) 這個概念在 slack, telegram, skype 甚至最早的 google wave 上面流行已經有一段時間了。大家主要用它來：
進行一些推送服務 。一個例子就是上面的模型訓練。還有持續集成（continuous integration）上也有一些 bot 可以讓你知道軟件編譯，測試和部署的狀態。
提供簡單的信息服務，比如可以查天氣，查 github issue 的 bot。
提供一些基于指令的服務。比如扎克伯格做的 bot，輸入開門的指令可以把門打開。
用一定程度的自然語言理解來陪聊.
但我覺得這些并沒有體現聊天機器人的核心優勢。仔細看這四個方面的應用，它們其實都可以不通過聊天來完成，甚至不通過聊天可能會更方便。比如推送服務有系統信息推送（pushbullet, IFTTT notification等）， 查天氣系統就有app，智能家居我更希望點點按鈕而不是打字，陪聊這個必須要聊天沒辦法。大家愿意把它做到聊天程序里面去，主要是因為用戶實在是太話嘮了，很多時間都花在聊天程序里面，這樣做成bot等于多了一個入口，何樂而不為？但這樣做并不代表這個入口是最優的或者無可取代的。
那聊天機器人適合什么場景呢？要思考這個問題必須首先要明確聊天機器人和其他平臺的區別在什么地方。除了 UX 層面必須基于文字，用戶經常在用以外，還有一個核心區別是這個機器人其實是可以拿到聊天記錄的（當然還取決于隱私設置 ）。在這個前提下可以做很多很多有意思的應用。一個例子是我們有個科大校友 AI 群，里面大多數情況都是在認真討論AI相關的話題。但微信群是為了聊天設計的，討論上畢竟不比基于主題的 BBS，沒有主題，沒有回復，沒有話題（hashtag），整個信息流非常雜亂。但人類懶的天性又決定了，這種討論更多的是在微信（或者其他即時通信軟件）上完成的，不太可能把它搬到 BBS 上去——每次填個主題，點個回復太麻煩了。有沒有可能用微信機器人，一方面又保持這種基于聊天軟件的便捷的特性，一方面又能整理整個信息流，讓信息變得有組織？比如一個人一天沒看群了，晚上跑來看看機器人整理的總結，就一目了然。以后搜索也方便。這是個很有意思的問題。
“讓信息有組織”還是太籠統了。具體地說，可以從以下幾個方面進行：
跨群轉發。這是個非常實用的功能。對群來說，因為微信一個群最多 500 人， 跨群轉發可以有效地把兩個群拼到一起，實現更廣泛的討論。對個人來說，也可以用有選擇的轉發來把信息歸檔。比如看老板或者妹子在你加的幾個群里每天都說了啥等等。
聊天消息的主題歸并，分析和搜索。微信聊天的基本單位是消息，但消息本身是非常碎片化的，很不適合搜索和分析。機器人可以把相關主題的消息歸并起來，一方面可以大幅減小信息過載，一方面也可以從中得到更有價值的信息（類似視頻分析里面把幀變成鏡頭）。這樣分析以后可以做知識歸檔，用OneNote/印象筆記甚至公眾號把討論的成果沉淀下來。
聊天脈絡的梳理。群里的人一多，經常會出現幾個話題并行出現的情況。這種情況對于理解和搜索都是非常不利的。機器人也需要把聊天的脈絡進行梳理，在同一時間，把不同主題分別開。
基本的統計數據。比如發言時間的分布，群的活躍度，成員的活躍度等等。做成漂亮的可視化，用戶應該也會喜歡，給產品加分。
在可行性方面這個也是可能的。比如有基于 python 的 itchat 和基于 typescript 的 wechaty。但穩定性可能是個問題，因為它們都不是微信官方支持的 SDK，而是從 Web 微信的接口中抓包得到的 API。基于 itchat，我做了一個在兩個群之間無腦轉發消息的機器人 (github)，應該蠻有用的，希望能拋磚引玉。
在前面的知乎中的近義詞系列里（一，二，三，四），我們介紹了一些基于文本理解的小應用，比如自動辨別近義詞，文章的分類，索引和搜索。那么這個微信機器人系列，就會嘗試把這些技術用到聊天群里面去，看能不能做出一個真正有用的智能機器人。
*題圖 credit: Palto / Shutterstock
編者注：關于本文的后續內容，我們后面幾天將在雷鋒網陸續刊登，敬請關注。
雷鋒網相關閱讀：
聊天機器人之熱（一）：微軟、Facebook、亞馬遜等巨頭為何押下重注
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
