![[Bot Framework V4][05]搞懂Bot的State Management - 怎麽儲存信息.jpg](https://d33wubrfki0l68.cloudfront.net/22273e00e3485838274b1bb7596ff258f9537b9f/968b1/posts/2018/10/2018-10-21-bot-framework-v4-5-how-to-manage-state/7346d0a4-5460-46d7-b7f0-4c9ba33fb260.jpg)
在上一篇([04]瞭解EchoBot的程式碼結構)看了整個EchoBot的骨架之後，相信對於整個Chatbot的撰寫有了一些基本的概念了。
接下來要做的就是進入細部看細節。看看每一個環節實際怎麽撰寫。
先從State開始，如果説Bot沒辦法記得使用者的習慣以及設定，那麽整個使用體驗會很差。舉例來説，如果沒有state，那麽每一次都要問使用者的姓名，就太笨了。
這篇來看看V4裡面的Bot State Management。
![[Bot Framework V4][04]瞭解EchoBot的程式碼結構.jpg](https://d33wubrfki0l68.cloudfront.net/3c9d34137fee0b131dc94f685406e489aa194221/1c197/posts/2018/10/2018-10-20-bot-framework-v4-4-see-how-echobot-is-constructed/aa57b3ef-71d0-43fb-9e3c-8543fbd0b543.jpg)
在上一篇([03]搞懂關鍵字以及信息的處理流程)瞭解了整個V4版本的關鍵字以及信息是怎麽流動。
這篇來看看實際code的結構 - 使用之前建立出來的EchoBot，看一下整體的結構。
![[Bot Framework V4][03]搞懂關鍵字以及信息的處理流程.jpg](https://d33wubrfki0l68.cloudfront.net/54534097d445f4f7b01eca913a4bad3a426aca31/1250f/posts/2018/10/2018-10-19-bot-framework-v4-3-know-keywords-and-how-activity-is-processed/9fb16360-7db6-4d7f-9549-3a8f29dff024.jpg)
在上一篇([02]建立第一個V4 Chatbot - EchoBot)看了如何建立出一個Hello World等級的Chatbot：EchoBot并且使用了Bot Emulator對他做了測試，看起來也沒什麽問題。
那麽下一個問題就來了，Bot Framework到底是怎麽組成的？整個信息的流是怎麽動起來？
這篇將來介紹Bot Framework裡面用到的一些關鍵字，以及整個是如何搭起來，未來不管是在看文件還是深入研究才不會搞得糊里糊塗。
![[Bot Framework V4][02]建立第一個V4 Chatbot - EchoBot.jpg](https://d33wubrfki0l68.cloudfront.net/c0e4b7ed06e05e0a30b7a177352efaa86272a077/c93f6/posts/2018/10/2018-10-18-bot-framework-v4-2-create-your-first-v4-chatbot-echobot/bb5271b7-6456-405c-8a0c-d55a506f073a.jpg)
上一篇([01]開篇)快速的介紹了這個系列的目的以及内容。
這篇就來實際看一下建立一個V4的Hello World Bot，EchoBot，看看如何建立并且怎麽透過Emulator做測試。
![[Bot Framework V4][01]開篇.jpg](https://d33wubrfki0l68.cloudfront.net/931c451f30f28f9705129605af907c38d11dac9c/acf33/posts/2018/10/2018-10-17-bot-framework-v4-1-introduction/5b1b59dc-2b26-479e-beb1-8d6c7c8e9a51.jpg)
還記得沒多久之前介紹的另外一個系列(「chatbot + AI = 下一代操作模式」)，那個時候介紹了新一代的操作模式俗稱的Chatbot，以及看Chatbot結合Cognitive Service這種AI API所帶來的另外一種使用者體驗。
那時候因爲V4還在Preview，所以介紹了使用Bot Framework V3(準確一點說是BotBuilder V3)。
而V4在9月底的時候正式發佈GA了(進入Stable)，因此有了這個系列的開始，來看看V4改變了什麽。
![[Cognitive Service之Face Api][13]人臉識別的AI服務 - 結束既是開始.jpg](https://d33wubrfki0l68.cloudfront.net/e0ef25f2865a88ee1f10fca00a3af417ce7fa8f7/4dce9/posts/2018/10/2018-10-16-cognitive-service-face-api-16-series-summary/a9ef29dd-a9cc-44a4-bdf3-1a3af0c9908e.jpg)
在上一篇([12]人臉識別的AI服務 - 用Face API Explorer看看Identify的應用)介紹完了Face API Explorer裡面的Identify功能之後，這個系列就已經到了一個尾聲。
雖然說并不是所有的Face API方法都有介紹，但是相信就算要使用的話，因爲有了其他方法的介紹做基底，要理解應該不會太難。
這篇將會對這個系列有介紹的服務做一個統整的介紹（像是一個目錄），并且留下一些參考資料。
![[Cognitive Service之Face Api][12]人臉識別的AI服務 - 用Face API Explorer看看Identify的應用.jpg](https://d33wubrfki0l68.cloudfront.net/5373ea44bacb5a49c9d1ab6489301a8179f0aca8/2451f/posts/2018/10/2018-10-11-cognitive-service-face-api-12-demonstrate-identify-usage-using-face-api-explorer/6147f56e-4588-4ee2-ba7d-42923761eac4.jpg)
上一篇([11]人臉識別的AI服務 - Identify 找出圖片的臉是誰)介紹完了如何透過Identify的方式找出圖片裡面的臉是屬於那個人之後，這個系列要介紹Face API的服務就差不多告一個段落。
介紹純API的呼叫是看看最底層的用法，當整合到Application裡面，用途就多了。
這一篇將用Face API Explorer這個工具，看看在裡面是如何整合Identify的功能。
_1477.png)
_1485.png)
_1486.png)