解析器：自动探索对话设计以生成 nlu 对话行为图
botsim 最重要的设计原则之一是任务无关的机器人评估，以人平台的所有机器人。用户无法手动探索如此复杂的设计，从而创建覆盖不同对话路径的测试用例。botsim 提供了一种“黑盒”测试方案，并通过特定于平台的解析器假设测试机器人无需任何先验知识。该解析器通过将机器人设计建模为图，自动将对话设计转换为对话行为图形式的统一表示。
部署前测试的目标生成
生成器模块的另一大优势在于其高效的数据测试用例生成能力。测试用例封装在“目标”结构中，由模拟器完成部署前的测试。对话目标包含完成给定对话定义的任务所需的所有必要信息。这些 开曼群岛 whatsapp 移动数据库 信息包括对话行为（例如“通知/请求”）和对话行为图中的实体（例如“案例编号”、“电子邮件”）。此外，还加入了特殊的“意图”槽，用于探测意图模型。为了提高测试覆盖率和语言多样性，我们训练了一个释义模型，以便根据输入的意图语句生成高效的数据意图查询。
通过用不同的值填充实体槽，生成器可以生成大量目标实例，用于对话模拟，以便在部署机器人之前测试机器人的性能。
模拟器：基于议程的用户模拟
botsim通过对话行为图（nlu）、模拟目标（状态管理器）和响应模板（nlg），可以模拟用户与机器人“聊天”，完成目标中定义的任务。
每个目标实例用于模拟一段对话。为了评估 nlu 性能，意图查询用于测试意图模型，所有其他槽位用于探测 ner 模型。更重要的是，根据测试目标是否成功完成，还可以获得端到端对话级性能（例如，目标/任务完成率）。对话通过自动 api 调用进行，从而节省了昂贵且耗时的手动机器人测试工作。