oracle11g安装教程

在这里和那里，我们看到了许多预测，很快聊天机器人将在用户与其系统之间的通信中发挥关键作用。 我没有水晶球，也不想等待这个“很快”，所以我决定现在就使这些预言成真，看看它的样子。

我正在工作的公司的标志产品是FlexDeploy ，它是一种完全自动化的DevOps解决方案。 FlexDeploy中最受欢迎的活动之一是创建一个发行快照，该快照实际上会构建所有可部署的工件，并使用管道在环境之间部署它们。

因此，我决定在周末玩得开心，并为此操作实现了一个对话式UI，可以与FlexDeploy进行对话。 从字面上看。 在工作结束时，我的家人看到我正在和笔记本电脑聊天，他们可以听到类似的声音：

“ Calypso！” 我说。

“嗨，我能为您提供什么帮助？” 就是答案。

“不确定”我测试了她。

“你在开玩笑吧！” 她明白了。

“您可以建立快照吗？” 我问。

“当然，您在想什么版本？”

“ 1001”

她报告说： “为版本1001创建了快照” 。

“谢谢”

“今天过得愉快。”她松了一口气。

因此，基本上，我将实现以下图表：

作为UI的核心组件，我使用了全新的Oracle产品Oracle Digital Assistant 。 我建立了一种能够基本聊天的新技能，并实现了一个新的自定义组件，因此我的机器人能够调用http请求以使后端系统创建快照。 FlexDeployBot技能以及自定义组件的Node.js源代码的导出在本文的GitHub存储库中可以使用custombotcomponent 。

我将MacBook用作能够听和说的通信设备，并为机器人定义了一个Webhook通道，以便可以向其发送消息并获取带有响应的回调。

在上面的图上看起来很简单。 唯一的事情是，我想使我的聊天机器人的大脑与通信设备的详细信息以及后端系统FlexDeploy的安装/版本的详细信息脱钩。 我需要一个中间的API层，一个缓冲区，在ODA和外部世界之间放置一些东西。 看起来无服务器功能非常适合这项工作。

作为无服务器平台，我使用了Fn Project 。 它的优点在于，它是一个完全基于Docker容器的无容器平台的无服务器平台，可以轻松地在我的笔记本电脑(我在本文中所做的工作)或在云中的某个地方(例如在Oracle Kubernetes Engine上)本地运行。

好的，让我们从图的左到右深入了解实现细节。

因此，侦听器组件，耳朵是可以识别我的语音并将其转换为文本的组件，是使用Python实现的：

该组件的关键代码片段如下所示(完整的源代码可在GitHub上找到)：

r = sr.Recognizer()
mic = sr.Microphone()with mic as source:r.energy_threshold = 2000while True:  try:with mic as source: audio = r.listen(source, phrase_time_limit=5)           transcript = r.recognize_google(audio)print(transcript)if active:requests.post(url = URL, data = transcript)time.sleep(5)except sr.UnknownValueError:print("Sorry, I don't understand you")

为什么是Python ？ 有很多可用的Python语音识别库，因此您可以使用它们，并选择一个更了解自己口音的库。 我喜欢Python。

因此，一旦听众识别出我的语音，它将调用Fn函数，将该短语作为请求正文传递。

函数sendToBotFn是通过Node.js实现的：

function buildSignatureHeader(buf, channelSecretKey) {return 'sha256=' + buildSignature(buf, channelSecretKey);
}function buildSignature(buf, channelSecretKey) {const hmac = crypto.createHmac('sha256', Buffer.from(channelSecretKey, 'utf8'));hmac.update(buf);return hmac.digest('hex');
}function performRequest(headers, data) {var dataString = JSON.stringify(data);var options = {body: dataString,

headers: headers};request('POST', host+endpoint, options);
}function sendMessage(message) {let messagePayload = {type: 'text',text: message}let messageToBot = {userId: userId,messagePayload: messagePayload}let body = Buffer.from(JSON.stringify(messageToBot), 'utf8');let headers = {};headers['Content-Type'] = 'application/json; charset=utf-8';headers['X-Hub-Signature'] = buildSignatureHeader(body, channelKey);performRequest(headers, messageToBot);
}fdk.handle(function(input){ sendMessage(input); return input;
})

为什么选择Node.js？ 不是因为我喜欢。 否。这是因为有关实现自定义Web挂钩通道的Oracle文档是指Node.js。 他们喜欢。

当聊天机器人响应时，它正在调用Webhook，该Webhook指的是在笔记本电脑上运行的Fn函数receiveFromBotFn 。我使用ngrok隧道将我侦听localhost：8080的Fn应用程序公开到Internet。 receiveFromBotFn函数也通过Node.js实现：

const fdk=require('@fnproject/fdk');
const request = require('sync-request');
const url = 'http://localhost:4390';

fdk.handle(function(input){  var sayItCall = request('POST', url,{body: input.messagePayload.text,});return input;
})

该功能将http请求发送到在本地运行并监听4390端口的简单Web服务器。

我必须承认，使用Node.js实现类似的事情非常容易。 Web服务器使用Mac OS X本机实用程序说出请求正文中出现的所有内容：

var http = require('http');
const exec = require("child_process").exec
const request = require('sync-request');http.createServer(function (req, res) {let body = '';req.on('data', chunk => {body += chunk.toString();});req.on('end', () => {       exec('say '+body, (error, stdout, stderr) => {});       res.end('ok');});res.end();}).listen(4390);

为了实际调用后端来创建一个快照与FlexDeploy与custombotcomponent的Fn功能createSnapshotFn的聊天机器人所调用：

fdk.handle(function(input){var res=request('POST',fd_url+'/flexdeploy/rest/v1/releases/'+input+'/snapshot',  {json: {action : 'createSnapshot'},});return JSON.parse(res.getBody('utf8'));
})

该函数很简单，它仅调用FlexDeploy REST API即可开始为给定版本构建快照。 它也可以用Node.js实现，但是我将用Java重写它。 我爱Java。 此外，我将实现一个Fn Flow ，而不是一个简单的函数，该流程首先检查给定的发行版是否存在以及该发行版是否有效，然后才为该发行版调用createSnapshotFn函数。 在下一篇文章中。

而已！

翻译自: https://www.javacodegeeks.com/2018/12/conversational-assistant-fn-project.html

oracle11g安装教程