【MindSpore易点通机器人-01】你也许见过很多知识问答机器人，但这个有点不一样

2022年3月，MindSpore易用性SIG成立后，很快吸引了不少开发者加入SIG群中进行交流。作为和开发者进行连接的桥梁，易用性SIG的目标是和开发者共同打造易学易用、灵活高效的AI框架，持续提升MindSpore易用性，助力开发者成功。

通过易用性SIG，我们不仅倾听开发者的声音，为开发者提供帮助，也希望能和开发者一起围绕“MindSpore的学习与实践”这个主题，打造一些有趣的开源项目。

一、为什么发起这个开源项目(知识问答机器人)

在浏览了当前的一些MindSpore应用案例（如图片识别、房价预测等）后，我们认为这些案例简洁易懂，作为学习资源是非常合适的。但作为易用性Sig，我们不仅希望发起的项目是一个学习资源，更希望它能和易用性有点关系（能让开发者参与其中，也能帮助提升MindSpore易用性）。

在经历了数轮头脑风暴之后，我们想到何不针对开发者经常反馈的MindSpore学习资料分散、问题答案寻找困难这个问题，基于MindSpore实现一个知识问答机器人，既帮助开发者学习/实践MindSpore，输出的成果还能让开发者更容易地使用MindSpore。

1. 为开发者提供便捷的问题解答途径

开源两年以来，MindSpore的编程指南、API文档、教程、FAQ等学习资料已经积累了很多，面对这些学习资料，我们希望通过问答交互方式让用户快速、直接地获得答案。例如可以将机器人集成到IDE中，让用户“手”不出IDE，通过快捷键操作就可以获得答案。也可以将机器人集成在官网或者社媒中，让开发者直接提问获取答案。

2. 与开发者共同打造一套基于MindSpore全栈的学习教程

问答机器人可以作为MindSpore在NLP领域的一个教程。同时，在构造这个项目的过程中，我们会将MindSpore的全栈能力(MindInsight、MindArmour、MindSpore XAI、MindSpore Lite、MindSpore Dev Toolkit等)应用其中，并将AI工程（如MLOps、机器学习设计模式等）系统化地实践。该案例也会录制为训练营课程，在易用性SIG活动中持续推出。

注：MindSpore全栈包括MindSpore框架以及相关组件，如MindInsight、MindArmour、MindSpore XAI、MindSpore Lite、MindSpore Dev Toolkit等。

二、知识问答机器人能做什么

知识问答机器人接受用户提问、查询相关内容、引导开发者快速获取答案，并且可以集成到IDE、官网、微信公众号、Gitee、MindSpore掌中宝等平台，供开发者通过多种方式使用。

目前初步规划的功能：

1) 直接检索答案

基于用户问题，直接提供答案（包括编程指南、API映射、算子、报错地图等）。

例如：开发者希望从PyTorch将代码迁移到MindSpore，需查询API映射关系：
· 用户：pytorch torch.chunk api 对应的MindSpore API是什么？
· 机器人：对应的接口为 mindspore.ops.split，详细地址为(https://mindspore.cn/docs/api/zh-CN/r1.6/api_python/ops/mindspore.ops.Split.html#mindspore.ops.Split)

2) 多轮对话交互获取答案

通过多轮交互，引导用户补充上下文，提供答案。

例如，某用户在安装MindSpore时遇到了问题:
· 用户：安装mindspore，提示“该版本不支持当前平台”
· 机器人：请输入您的操作系统
· 用户：macOS
· 机器人：请输入您的处理器类型（Intel/M1）
· 用户：M1
· 机器人：请输入您的python版本
· 用户：3.7
· 机器人：由于M1芯片不支持python 3.7版本，建议您在python 3.9.1版本上进行安装，安装命令是：pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/cpu/aarch64/mindspore-1.6.1-cp39-cp39-macosx_11_0_arm64.whl --trusted-host http://ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 逻辑模型与主要功能：

智能问答机器人逻辑模型

各模块功能大致如下：

1. 客户端：表示以REST方式发起请求的用户，可以包括IDE、MindSpore主页、公众号、Gitee Issue、MindSpore掌中宝等；

2. NLP服务：基于训练好的模型，如Bert，提供语义理解、内容生成、会话管理等能力；

3. 数据服务：提供模型版本存储、会话状态、知识图谱的数据管理能力；

4. 监控服务：提供基础的生产环境基础设施监控以及业务监控（推理准确率等）能力；

三、加入这个项目，你能收获什么

1. 全方位学习MindSpore全栈能力，包括但不限于：

使用MindSpore框架训练、使用ModelZoo预训练模型、使用MindInsight精度调优；
使用XAI验证模型的可解释性、使用MindArmour验证模型的可靠性；
使用Serving在云/端侧部署。模型的构建、发布会基于MLOps流水线(从0到1搭建)；
........

2. 提升在开源社区中的影响力：
通过参与开源任务，提升在MindSpore开源社区的影响力，并有机会成为易用性SIG核心成员、MindSpore资深开发者（有证书哦），事迹也会记录到易用性SIG的荣誉殿堂......

3. 获得丰富的奖励：
项目中的各任务会根据难度大小，定义相应的积分，获得积分可兑换MindSpore的精美纪念品。

四、如何加入

我们对任务初步作了分解，点击如下表格的链接了解详情。
欢迎你参与一起实现，或者一起策划新的特性。当然，过程中遇到的任何技术问题，也可以一起探讨。

任务编号	分类	需求描述	任务地址
1	环境准备	提供开发者本地开发环境配置以及MLOps流水线的环境，交付件包括配置文件、相关文档； 1. 环境配置(MindSpore/Insight、IDE插件配置等)； 2. 初始化代码仓3. MLOps基础流水线搭建	https://gitee.com/mindspore/community/issues/I50YLS
2	数据集	1. 提供FAQ的语料库 2. 提供Pytorch到MindSpore的Q&A语料库 3. 提供TensorFlow到MindSpore的Q&A语料库	https://gitee.com/mindspore/community/issues/I50YH6
3	模型	提供用于MindSpore官网的对话机器人模型，完成问题答案查询的任务，交付件包括： 1. 基于Bert的训练代码 2. 基于MindSpore官网文档的调优模型（云侧部署）3. 基于MindSpore文档的调优模型压缩版（端侧部署4. 基于Serving和Lite的端云推理 5. 端到端的notebook文件（过程需应用相关的AI设计模式） 6. 应用XAI及MindArmour的过程总结 7. 应用MindInsight进行训练调优的过程总结	https://gitee.com/mindspore/community/issues/I50TPP
4	模型	提供用于MindSpore官网的对话机器人模型，完成多轮对话交互的任务，交付件包括： 1. 基于Bert的训练代码 2. 基于MindSpore官网文档的调优模型（云侧部署） 3. 基于MindSpore官网文档的调优模型压缩版（端侧部署） 4. 端云模型的推理代码（基于Serving和Lite）	https://gitee.com/mindspore/community/issues/I50YES
5	集成	IDE集成相关代码和文档	待模型ready后发布

最后，我们想把知识问答机器人的冠名权交给广大开发者，您可以填写问卷留下您喜欢的名称，后续社区会通过评选来确定最终名称。

期待和您一起来共同打造MindSpore社区的开源知识问答机器人！

更多精彩分享，欢迎访问和关注：https://www.zhihu.com/people/wldandan