Существует руководство и пример проекта , доступный здесь .
По сути, вы создаете приложение LUIS, а затем используете инструмент Dispatch для создания локального файла, который сканирует все ваши базы знаний.и извлекает ваши вопросы для использования в качестве того, что LUIS называет высказывания , затем эти высказывания используются для определения пользовательского LUIS намерения в вашем случае, какую базу знаний использовать.По сути, приложение для отправки в LUIS действует как маршрутизатор.После того, как вы создали файл отправки локально, вам нужно отправить его в ваше приложение LUIS (команда dispatch create).
Я бы порекомендовал загрузить образец примера приложения и запустить его через всепроцесс, чтобы получить базовое понимание того, как все сочетается.После того, как вы опубликовали свое приложение LUIS, вы сможете проверить его на портале LUIS, введя примеры высказываний и проверив ответ, чтобы увидеть намерение, которое было выбрано.Документация для инструмента Dispatch доступна по здесь , обратите внимание, что когда вы обновляете свои базы знаний (добавляя новые записи или альтернативные фразы) после первоначальной публикации вашего приложения для отправки, вам нужно будет обновить вашу отправкумодель для этих новых вопросов / альтернативной фразы для добавления высказывания в LUIS к этой карте с правильным намерением LUIS - в противном случае они возвратят намерение None .
Примечание.Вы могли бы обойти необходимость обновления диспетчера, обработав случай, когда вы получаете намерение «Нет», и перебирая все свои базы знаний, чтобы запросить ответ на запрос пользователя и просто вернуть ответ с более высоким баллом (есть коллекция, в которой хранятся ответы из каждой базы знаний), но я бы не рекомендовал ее, поскольку вы упускаете преимущества активного обучения для LUIS и QnA Maker .