Plan 階段

好的開始是成功的一半，因此Plan的完不完整，瞭不瞭解需求以及問題，打算怎麽開發，整合那些服務都是在plan階段要做的事情。

有些在Plan階段可以思考的問題：

1. 找到end user是誰，他們的問題是什麽，chatbot能夠怎麽解決他們的問題
2. 定義chatbot是怎麽和end user溝通 - 例如透過文字、卡片式、語音還是客製方式？
3. 整個交談過程是怎麽個方式執行：一來一回、引導式、上下文對應式
4. 使用什麽語言開發 - 偏工程面需要考量，要用什麽語言開發，甚至用什麽框架開發

上面的問題完全會影響之後在開發的時候的開發方式，因此Plan階段好好想，可以少走很多冤枉路。

微軟在Plan這個階段提供了一些工具幫助Planning變得更加簡單，其中最重要的是Chatdown + Bot Emulator來做Prototyping。透過這個工具，能夠定義出：

1. Chatbot流程怎麽走
2. 對話用什麽方式 - 文字、卡片式還是一些特殊的卡片
3. 交談模式是什麽

當SA和用戶透過這個確認好需求之後，工程師照著做舊肯定沒有問題，詳細可以參考： [41]使用Chatdown做Chatbot的UI Prototyping   

Build 階段

Build階段就是實際開始往下去開發啦，在這個部分不止Chatbot本身的開發，還包含其他服務的串接例如Cognitive Service。

在整個系列主要Focus的都是Build階段的部分：

Bot Builder SDK基本概念

1. [01]開篇 - CaaP是什麽，爲什麽應該學
   
2. [02]微軟的Bot Framework是什麽？
   
3. [03]建立第一個chatbot - EchoBot
   
4. [04]瞭解Bot Builder SDK的組成
   

IDialog、卡片式、FormFlow的使用方式

1. [05]深入IDialogContext - 處理上下文、對外的聯係和state
   
2. [06]不只能輸出文字 - 看看各種内建卡片模式以及可自定的Adaptive Card
   
3. [07]使用FormFlow讓Chatbot搜集表單資訊更容易
   
4. [08]如何微調FormFlow讓使用上更流暢
   
5. [09]使用IDialog來實現SoC
   
6. [10]用IDialog全部重構 - 階段性總結
   

整合語言識別LUIS

1. [17]語義識別服務 - LUIS概念介紹
   
2. [18]在LUIS建立app - 概念變成實作
   
3. [19]把LUIS和BotBuilder整合
   
4. [20]LUIS深入使用 - 定義Entities來截取參數
   
5. [21]LUIS深入使用 - 如何在Bot Builder SDK使用entities
   
6. [22]LUIS管理及維護 - 持續加强app、多人維護、備份以及加入別的region key
7. [23]LUIS管理工具 - luis-api和LUDown介紹
   

整合Computer Vision做到OCR

1. [24]圖像識別的服務 - Computer Vision概觀介紹
   
2. [25]使用Computer Vision - 如何設定、看文件以及使用REST API測試
   
3. [26]賦予chatbot OCR的能力 - 加入對發票的功能
   

使用Custom Vision自己建立image classifier的Model

1. [27]Custom Vision - 自己的Model自己Train 建立圖片的分類模型
   
2. [28]整合Custom Vision到chatbot - 拍照就可以識別價錢
   
3. [29]維護Custon Vision Model - 使用歷史查詢記錄做訓練以及如何版控
   
4. [30]Confusion Matrix - 用來衡量Classifier Model的方式 Precision和Recall
   
5. [31]Custom Vision Train好的Model匯出離線和給app使用
   

使用Translator Speech API做語音轉文字

1. [32]Cognitive Service語音服務相關介紹
   
2. [33]C#使用Translator Speech API服務達到語音轉文字加翻譯
   
3. [34]賦予Chatbot用語音下指令以及翻譯的功能

使用QnA Maker建立知識庫

1. [35]使用QnA Maker打造問答知識類型資料集服務
2. [36]Chatbot整合QnAMaker - 使用對話查找知識集
   
3. [37]維護QnA Maker的知識庫 - 設定url或者檔案為來源、多人維護以及離綫定義知識庫
   

維護Cognitive Service的小工具

1. [23]LUIS管理工具 - luis-api和LUDown介紹
2. [40]Visual Studio Tools for AI - 用VS管理Cognitive Service的服務
   
3. [41]使用Chatdown做Chatbot的UI Prototyping
   

Test 階段

開發過程當然需要不斷的測試功能避免開發出來的東西不如預期。

這邊主要的測試工具還是Bot Emulator測試執行結果：

1. [03]建立第一個chatbot - EchoBot

Publish 階段

開發好了，測試也完成了，這個時候就是要發佈上去給大家做測試了。

使用Bot Framework有至少兩個服務需要發佈：

1. Bot Channel Registration - 注冊Bot的地方，管理Connect 階段的部分
2. Bot程式碼的hosting位置

發佈Bot程式碼host在Azure上面有兩個做法：

1. Web App
2. Azure Function - 這個沒有介紹有興趣可以看看屬於Azure的Serverless服務

一些和publish有關的文章：

1. [11]準備上綫 - chatbot發佈到Azure App Service

Connect 階段

Bot Framework的好處之一是寫一次，多個平臺可以使用。這個就是透過Bot Channel Registration來控制。

這系列介紹了兩個Channel，FB以及Direct Line。有了Direct Line其實任何平臺都可以接的上：

1. [12]準備上綫 - 用Bot Channel Registration注冊chatbot
   
2. [13]上綫 - 開啓web control channel
   
3. [14]上綫 - 把facebook粉絲頁和chatbot接上
   
4. [15]上綫 - 透過Direct Line把chatbot和任意程式做連接
   

因此，像是微信、Line這些不再内建Channel裡面要提供和内建Channel例如FB的一致體驗也是沒有問題。

Evaluate 階段

上線了之後，最重要的一點是持續的追蹤以及精進。因爲End User使用的方式，可能和當初預期的不同。

這個時候，把程式碼做調整，或者把Cognitive Service做調整就變得非常的重要。

和Evaluate有關這個系列介紹了：

1. [22]LUIS管理及維護 - 持續加强app、多人維護、備份以及加入別的region key
   
2. [30]Confusion Matrix - 用來衡量Classifier Model的方式 Precision和Recall
   
3. [38]用Application Insight看使用者都在QnA Maker查什麽