CN117076619A - 机器人对话方法、装置、存储介质及电子设备 - Google Patents

Abstract

本发明提供一种机器人对话方法、装置、存储介质及电子设备，其中，该方法包括：调用目标应用程序中的程序插件，获取目标对象在目标应用程序中确定的文案内容，并获取目标对象在目标应用程序中确定的目标操作信息，程序插件用于支持目标对象在目标应用程序上与模型服务设备建立机器人对话；将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容；接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示。本发明实施例可通过程序插件便捷地进行机器人对话，可有效提高对话效率。

Description

机器人对话方法、装置、存储介质及电子设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种机器人对话方法、装置、存储介质及电子设备。

背景技术

目前，模型服务设备(如大模型对话机器人或小模型对话机器人等)已被广泛应用于各种领域，如客服、教育、娱乐以及医疗等领域；所谓的大模型对话机器人是一种使用大型语言模型的人工智能系统，可与人类进行自然的对话，其中，这些模型通常可使用深度学习技术进行训练，从而可模拟人类的语言和思维方式，以回答各种类型的问题。应当理解的是，与小模型对话机器人相比，大模型对话机器人具有更高的智能和更广泛的应用范围，且大模型对话机器人通常需要多个模型进行协作，以实现更好的对话效果和智能水平。但现有技术中，当对象需要与对话机器人对话时，通常需要该对象对需进行对话的文案内容进行语言组织，并将语言组织后的内容发送给对话机器人，以获取相应的回应内容，导致对话过程较为低效，且浪费时间。基于此，如何便捷地进行机器人对话，并提高对话效率成为一个研究热点。

发明内容

有鉴于此，本发明实施例提供了一种机器人对话方法、装置、存储介质及电子设备，以解决机器人对话过程中效率较低的问题；相应的，本发明实施例可通过程序插件便捷地进行机器人对话，可有效提高对话效率。

根据本发明的一方面，提供了一种机器人对话方法，所述方法包括：

调用目标应用程序中的程序插件，获取目标对象在所述目标应用程序中确定的文案内容，并获取所述目标对象在所述目标应用程序中确定的目标操作信息，所述程序插件用于支持所述目标对象在所述目标应用程序上与模型服务设备建立机器人对话；

将所述文案内容和所述目标操作信息发送至所述模型服务设备，以使所述模型服务设备根据所述文案内容和所述目标操作信息，生成文案应答结果，所述文案应答结果包括所述文案内容被按照所述目标操作信息所执行的目标应答内容；

接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示。

根据本发明的另一方面，提供了一种机器人对话装置，所述装置包括：

获取单元，用于调用目标应用程序中的程序插件，获取目标对象在所述目标应用程序中确定的文案内容，并获取所述目标对象在所述目标应用程序中确定的目标操作信息，所述程序插件用于支持所述目标对象在所述目标应用程序上与模型服务设备建立机器人对话；

处理单元，用于将所述文案内容和所述目标操作信息发送至所述模型服务设备，以使所述模型服务设备根据所述文案内容和所述目标操作信息，生成文案应答结果，所述文案应答结果包括所述文案内容被按照所述目标操作信息所执行的目标应答内容；

所述处理单元，还用于接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括处理器、以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行上述所提及的方法。

根据本发明的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行上述所提及的方法。

本发明实施例可在调用目标应用程序中的程序插件，获取到目标对象在目标应用程序中确定的文案内容，并获取到目标对象在目标应用程序中确定的目标操作信息后，将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容，程序插件用于支持目标对象在目标应用程序上与模型服务设备建立机器人对话；然后，可接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示。可见，本发明实施例可通过程序插件便捷地进行机器人对话，可有效提高对话效率。

附图说明

在下面结合附图对于示例性实施例的描述中，本发明的更多细节、特征和优点被公开，在附图中：

图1示出了根据本发明示例性实施例的一种机器人对话方法的流程示意图；

图2a示出了根据本发明示例性实施例的一种应答内容显示区域的示意图；

图2b示出了根据本发明示例性实施例的另一种应答内容显示区域的示意图；

图3示出了根据本发明示例性实施例的另一种机器人对话方法的流程示意图；

图4a示出了根据本发明示例性实施例的一种文案选取操作的示意图；

图4b示出了根据本发明示例性实施例的一种文本输入区域的示意图；

图5示出了根据本发明示例性实施例的一种操作显示区域的示意图；

图6示出了根据本发明示例性实施例的又一种机器人对话方法的流程示意图；

图7示出了根据本发明示例性实施例的一种机器人对话装置的示意性框图；

图8示出了能够用于实现本发明的实施例的示例性电子设备的结构框图。

具体实施方式

下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

需要说明的是，本发明实施例提供的机器人对话方法的执行主体可以是一个或多个电子设备，也可以是电子设备中的目标应用程序，本发明对此不作限定；其中，电子设备可以是包括目标应用程序的终端(即客户端)或者服务器，那么在执行主体包括多个电子设备，且多个电子设备中包括至少一个终端和至少一个服务器时，本发明实施例提供的机器人对话方法可由终端和服务器共同执行。相应的，此处所提及的终端可以包括但不限于：智能手机、平板电脑、笔记本电脑、台式计算机、智能手表、智能语音交互设备、智能家电、车载终端、飞行器，等等。此处所提及的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算(cloudcomputing)、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器，等等。

基于上述描述，本发明实施例提出一种机器人对话方法，该机器人对话方法可以由上述所提及的包括目标应用程序的电子设备(终端或服务器)执行；或者，该机器人对话方法可由终端和服务器共同执行；或者，该机器人对话方法可由电子设备中的目标应用程序执行。为了便于阐述，后续均以电子设备执行该机器人对话方法为例进行说明；如图1所示，该机器人对话方法可包括以下步骤S101-S103：

S101，调用目标应用程序中的程序插件，获取目标对象在目标应用程序中确定的文案内容，并获取目标对象在目标应用程序中确定的目标操作信息，程序插件用于支持目标对象在目标应用程序上与模型服务设备建立机器人对话。

其中，上述目标应用程序可以为目标浏览器(如IE(Internet Explorer)浏览器或Chrome浏览器(即谷歌浏览器)等)，此时上述程序插件为应用于目标浏览器的浏览器插件；所谓的浏览器插件为目标浏览器中使用的一些可自定义的插件，可以增强目标浏览器的功能。可选的，上述目标应用程序也可以为app(Application，第三方应用程序)，此时上述程序插件为应用于app的app插件，等等；本发明对此不作限定。

需要说明的是，上述模型服务设备可以是ChatGPT(一种人工智能技术驱动的自然语言处理工具)，也可以是文心一言(一种大语言模型)，还可以是Chatman(一种基于语言大模型训练的对话机器人)，等等；本发明对此不作限定。应当理解的是，模型服务设备可提供模型服务的功能；示例性的，当模型服务设备为Chatman时，模型服务设备所提供的模型服务为Chatman封装的平台化服务，可通过api(Application Program Interface，应用程序接口)的方式向接入方(如目标应用程序)提供对话机器人能力。

S102，将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容。

其中，上述目标操作信息可以是操作信息集中的任一操作信息，且该操作信息集包括但不限于：解释、翻译、总结以及扩展，等等；本发明对此不作限定。示例性的，当目标操作信息为解释时，模型服务设备可对文案内容进行解释，那么此时目标应答内容为文案内容被按照解释所执行的解释结果；当目标操作信息为翻译时，模型服务设备可对文案内容进行翻译，此时目标应答内容为文案内容被按照翻译所执行的翻译结果，等等。

应当理解的是，当目标操作信息为翻译时，该目标操作信息还可以携带翻译类型(如中译英或英译中等)，也就是说，在目标对象确定目标操作信息为翻译时，还可确定相应的翻译类型，从而使得模型服务设备可按照相应的翻译类型对文案内容进行翻译。

S103，接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示。

具体的，电子设备在接收到模型服务设备返回的目标应答内容后，可将目标应答内容显示在应答内容显示区域内；其中，该应答内容显示区域可以为按照文案内容所在的显示区域确定的显示区域(如与文案内容所在的显示区域之间的距离等于第一预设距离阈值的显示区域，或与文案内容所在的显示区域之间的距离小于第一预设距离阈值的显示区域等)，也可以为显示界面中的任一显示区域，还可以为程序插件中的显示区域，等等；本发明对此不作限定。需要说明的是，第一预设距离阈值可以是根据经验设置的，也可以是根据实际需求设置的，本发明对此不作限定。

例如，如图2a所示，以显示区域201为应答内容显示区域为例进行说明，显示区域201为程序插件外的一个显示区域，如根据文案内容所在的显示区域确定的显示区域，或显示界面中的任一显示区域，那么当电子设备需对目标应答内容进行显示时，则可在显示界面中对显示区域201进行显示，从而在显示区域201中对目标应答内容进行显示。

又如，如图2b所示，以显示区域203为应答内容显示区域为例进行说明，显示区域203为程序插件中的显示区域，那么当电子设备需对目标应答内容进行显示时，则可在显示界面中对程序插件进行显示，并在程序插件包括的显示区域203中对目标应答内容进行显示。

应当理解的是，图2a和图2b均示例性地对应答内容显示区域进行了表示，本发明对此不作限定；例如，应答内容显示区域还可包括最小化按钮；又如，应答内容显示区域还可不包括如图2a所示的取消按钮202，而是通过对空白区域的点击来取消应答内容显示区域的显示，等等。

本发明实施例可在调用目标应用程序中的程序插件，获取到目标对象在目标应用程序中确定的文案内容，并获取到目标对象在目标应用程序中确定的目标操作信息后，将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容，程序插件用于支持目标对象在目标应用程序上与模型服务设备建立机器人对话；然后，可接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示。可见，本发明实施例可通过程序插件便捷地进行机器人对话，可有效提高对话效率。

基于上述描述，本发明实施例还提出一种更为具体的机器人对话方法。相应的，该机器人对话方法可以由上述所提及的包括目标应用程序的电子设备(终端或服务器)执行；或者，该机器人对话方法可由终端和服务器共同执行；或者，该机器人对话方法可由电子设备中的目标应用程序执行。为了便于阐述，后续均以电子设备执行该机器人对话方法为例进行说明；请参见图3，该机器人对话方法可包括以下步骤S301-S305：

S301，调用目标应用程序中的程序插件，获取目标对象在目标应用程序中确定的文案内容，并获取目标对象在目标应用程序中确定的目标操作信息，程序插件用于支持目标对象在目标应用程序上与模型服务设备建立机器人对话。

具体的，在获取目标对象在目标应用程序中确定的文案内容时，电子设备可在检测到目标对象在目标应用程序中的文案选取指令时，将文案选取指令所选中的内容作为目标对象在目标应用程序中确定的文案内容。或者，电子设备可在目标应用程序中显示程序插件的文本输入区域，在检测到目标对象在文本输入区域上的文案编辑指令时，将文案编辑指令所指示的内容作为文案内容。或者，电子设备可在检测到目标对象针对程序插件的语音输入指令时，将语音输入指令所指示的内容作为文案内容，等等。

需要说明的是，当目标对象在目标应用程序中执行文案选取操作时，电子设备可检测到目标对象在目标应用程序中的文案选取指令，此时文案选取指令所选中的内容为：目标对象通过在目标应用程序中执行的文案选取操作所选中的内容，如图4a所示；其中，文案选取操作可以指的是基于光标的滑动操作，也可以指的是针对某行或某段文字的连续点击操作等，本发明对此不作限定。在本发明实施例中，当目标应用程序为目标浏览器，程序插件为浏览器插件时，程序插件可通过注入onmouseup(网页自带的事件)的监听函数，那么每当目标对象在目标应用程序中执行文案选取操作时，程序插件可回执该事件；基于此，通过目标应用程序自带api和getSelection(一种获取被选取内容的函数)，电子设备可获取文案内容。

可选的，在检测到文案选取指令，且程序插件显示在目标应用程序中时，电子设备可将文案选取指令所选中的内容，添加至程序插件中，并在程序插件中对文案选取指令所选中的内容进行显示。

相应的，当目标对象在文本输入区域上执行文案编辑操作时，电子设备可检测到目标对象在文本输入区域上的文案编辑指令，此时文案编辑指令所指示的内容为：目标对象通过文案编辑操作所编辑的内容；如图4b所示，目标对象可在文本输入区域401上执行文案编辑操作，从而得到文案内容(即文本输入区域401中的内容)。其中，文案编辑操作可以指的是通过键盘的输入操作，也可以指的是通过手写区域的输入操作等，本发明对此不作限定。

同理，当目标对象针对程序插件执行语音输入操作时，电子设备可检测到目标对象针对程序插件的语音输入指令，此时语音输入指令所指示的内容为：目标对象通过针对程序插件执行的语音输入操作所输入的内容。需要说明的是，程序插件中可包括语音输入按钮，那么目标对象在执行语音输入操作时，可对语音输入按钮执行点击操作，并在点击操作后向程序插件录入语音，直至语音输入按钮被再次执行点击操作为止，以实现语音输入操作；或者，目标对象可对语音输入按钮执行长按操作，并在长按操作的同时向程序插件录入语音，直至结束长按操作为止，以实现语音输入操作，等等；本发明对语音输入操作的具体实施过程不作限定。

进一步的，在获取目标对象在目标应用程序中确定的目标操作信息时，电子设备可在检测到目标对象在目标应用程序中的文案选择指令时，按照文案内容所在的显示区域确定操作显示区域，并在操作显示区域中显示操作信息集，如图5所示。基于此，电子设备在检测到目标对象对操作信息集的第一操作选择指令时，将第一操作选择指令所选中的操作信息作为目标对象在目标应用程序中确定的目标操作信息。

需要说明的是，操作显示区域可以是：与文案内容所在的显示区域之间的距离小于或等于第二预设距离阈值的显示区域，此时若操作信息集包括目标对象配置的常用操作信息(如翻译或解释等)，那么电子设备可将目标对象配置的常用操作信息弹窗展示在文案内容旁边；可选的，操作显示区域也可以是：与文案内容所在的显示区域之间的距离大于第二预设距离阈值的显示区域，等等；本发明对此不作限定。其中，第二预设距离阈值可以是根据经验设置的，也可以是按照实际需求设置的，本发明对此不作限定。在其他实施例中，操作显示区域也可为显示界面中的任一显示区域，等等。

在具体的实现中，当目标对象对操作信息集中的操作信息执行第一操作选择操作时，电子设备可检测目标对象对操作信息集的第一操作选择指令，此时第一操作选择指令所选中的操作信息为：目标对象执行第一操作选择操作所选中的操作信息。其中，第一操作选择操作可以指的是针对操作信息集中任一操作信息的点击操作，也可以指的是针对操作信息集中任一操作的长按操作等，本发明对此不作限定。

或者，程序插件可包括待选择的操作信息集，如图4b所示；基于此，在获取目标对象在目标应用程序中确定的目标操作信息时，电子设备可在目标应用程序中显示程序插件，并在检测到目标对象针对程序插件中的操作信息集的第二操作选择指令时，将第二操作选择指令所指示的操作信息作为目标操作信息。具体的，当目标对象针对程序插件中的操作信息集执行第二操作选择操作时，电子设备可检测到目标对象针对程序插件中的操作信息集的第二操作选择指令，此时第二操作选择指令所指示的操作信息为：目标对象执行第二操作选择操作所选中的操作信息；其中，第二操作选择操作可以是指针对操作信息集中任一操作信息的点击操作，也可以指的是针对操作信息集中任一操作信息的长按操作等，本发明对此不作限定。

相应的，在获取目标对象在目标应用程序中确定的目标操作信息时，电子设备还可在检测到目标对象针对程序插件的操作输入指令时，将操作输入指令所指示的操作信息作为目标操作信息。具体的，当目标对象针对程序插件执行操作信息输入操作时，电子设备可检测到目标对象针对程序插件的操作输入指令，此时操作输入指令所指示的操作信息为：目标对象执行操作信息输入操作所输入的操作信息。其中，操作信息输入操作可以指的是通过键盘的输入操作，也可以指的是通过语音的输入操作等，本发明对此不作限定。

S302，将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容。

在具体的实现中，电子设备可基于文案内容对应的目标会话标识，将文案内容和目标操作信息发送至前台服务设备，以使前台服务设备按照目标会话标识，将文案内容和目标操作信息发送至模型服务设备，如图6所示。其中，前台服务设备用于：根据会话标识，管理至少一个对象中的各个对象，与至少一个会话(session)中的各个会话之间的对应关系，且前台服务设备为：模型服务设备进行机器人对话的中转设备，目标对象为至少一个对象中的任一对象。在此种情况下，模型服务设备可在接收到前台服务设备发送的文案内容和目标操作信息后，根据文案内容和目标操作信息，生成文案应答结果。

需要说明的是，前台服务设备可以是终端，也可以是服务器等，本发明对此不作限定。该前台服务设备可调用模型服务设备的api为目标应用程序提供对话机器人能力，并管理用户(即对象)常用操作等功能；也就是说，任一对象设置的常用操作信息等，均会被存储至前台服务设备，以使前台服务设备可对相应内容进行管理。相应的，会话标识可以是数字标识(即会话编号(sessionId)，如1或2等)，也可以是字母标识(如a或b等)，本发明对此不作限定。

在本发明实施例中，基于文案内容对应的目标会话标识，将文案内容和目标操作信息发送至前台服务设备之前，电子设备可查找目标会话标识；若查找到目标会话标识，则执行上述基于文案内容对应的目标会话标识，将文案内容和目标操作信息发送至前台服务设备；若未查找到目标会话标识，则向前台服务设备发送创建会话指令，以使模型服务设备在接收到前台服务设备发送的初始化后的创建会话指令后，创建目标会话标识所指示的目标会话，初始后的创建会话指令携带有目标会话标识；并接收前台服务设备返回的目标会话标识。可选的，前台服务设备可在对创建会话指令进行初始化，得到初始化后的创建会话指令后，将目标会话标识发送给电子设备；前台服务设备也可在模型服务设备创建目标会话，并接收到模型服务设备返回的目标会话标识后，将目标会话标识发送至电子设备，等等；本发明对此不作限定。

进一步的，文案应答结果还可包括应答标识，应答标识用于指示目标应答内容；其中，应答标识可以是数字标识，也可为字母标识，本发明对此不作限定。

S303，接收模型服务设备返回的应答标识。

在具体的实现中，在模型服务设备生成应答标识后，模型服务设备可将应答标识返回至前台服务设备，那么电子设备则可接收前台服务设备返回的应答标识，以实现接收模型服务设备返回的应答标识，如图6所示。

S304，基于应答标识从模型服务设备获取目标应答内容中的第一生成结果，并对第一生成结果进行显示，第一生成结果包括目标应答内容中的M个字符，M为正整数。

在具体的实现中，电子设备可基于应答标识向前台服务设备查询答案，以使前台服务设备基于应答标识向模型服务设备查询答案，以实现电子设备基于应答标识从模型服务设备获取目标应答内容中的第一生成结果。相应的，在获取第一生成结果时，可由模型服务设备向前台服务设备返回第一生成结果，基于此，电子设备可接收前台服务设备返回的第一生成结果，如图6所示。

S305，确定目标应答内容对应的应答状态标识，若应答状态标识为未回答完毕标识，则基于应答标识继续从模型服务设备获取目标应答内容中的第二生成结果，直至应答状态标识被更新为已回答完毕标识，以实现接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示，第二生成结果包括目标应答内容中的N个字符，N为正整数。

其中，应答状态标识可以为未回答完毕标识，也可以为已回答完毕标识等。可选的，应答状态标识可以为数字标识，也可以为字母标识等，本发明对此不作限定；应当理解的是，未回答完毕标识和已回答完毕标识不同，如应答状态标识为数字标识时，已回答完毕标识可以为1，而未回答完毕标识可以为0，等等。

需要说明的是，第二生成结果可以包括第一生成结果，也可不包括第一生成结果(即第二生成结果可以为目标应答内容中除第一生成结果以外的生成结果)，本发明对此不作限定。应当理解的是，若电子设备接收到第二生成结果后，应答状态标识仍为未回答完毕标识，则电子设备可对第二生成结果进行显示，并继续从模型服务设备获取目标应答内容中的其他生成结果，等等。

进一步的，电子设备可在目标应答内容被模型服务设备生成完毕后，接收模型服务设备发送的已回答完毕标识，并采用已回答完毕标识对应答状态标识进行更新，从而使得应答状态标识被更新为已回答完毕标识。具体的，模型服务设备可将已回答完毕标识返回至前台服务设备，那么电子设备则可接收前台服务设备返回的已回答完毕标识，从而实现电子设备接收模型服务设备发送的已回答完毕标识。

可选的，在目标应答内容未被模型服务设备生成完毕前，电子设备还可接收模型服务设备发送的未回答完毕标识，也就是说，模型服务设备可将未回答完毕标识返回至前台服务设备，那么电子设备可接收前台服务设备返回的未回答完毕标识，以实现电子设备接收模型服务设备返回的未回答完毕标识。或者，电子设备在获取目标应答内容时，可生成目标应答内容对应的未回答完毕标识以对应答状态标识进行初始化，直至采用接收到的已回答完毕标识对应答状态标识进行更新。

本发明实施例可在调用目标应用程序中的程序插件，获取到目标对象在目标应用程序中确定的文案内容，并获取到目标对象在目标应用程序中确定的目标操作信息后，将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容和应答标识。然后，可接收模型服务设备返回的应答标识，并基于应答标识从模型服务设备获取目标应答内容中的第一生成结果，并对第一生成结果进行显示，第一生成结果包括目标应答内容中的M个字符，M为正整数。进一步的，可确定目标应答内容对应的应答状态标识，若应答状态标识为未回答完毕标识，则基于应答标识继续从模型服务设备获取目标应答内容中的第二生成结果，直至应答状态标识被更新为已回答完毕标识，以实现接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示，第二生成结果包括目标应答内容中的N个字符，N为正整数。可见，本发明实施例可实时获取已生成的结果，并对已接收到的结果进行显示，可提高显示效率，从而提高对象黏度。另外，本发明实施例可将对话机器人能力直接通过程序插件的方式应用于目标应用程序中，目标对象能够在目标应用程序中对需要模型服务设备帮组的名称、句子进行选中并直接进行操作，以获取目标应答内容，也就是说，本发明实施例可使目标对象更好、更便捷地阅读理解目标应用程序中的内容，如阅读复杂网页文献、解读深奥专业名词以及翻译各种外语等。

基于上述机器人对话方法的相关实施例的描述，本发明实施例还提出了一种机器人对话装置，该机器人对话装置可以是运行于电子设备中的一个计算机程序(包括程序代码)；如图7所示，该机器人对话装置可包括获取单元701和处理单元702。该机器人对话装置可以执行图1或图3所示的机器人对话方法，即该机器人对话装置可以运行上述单元：

获取单元701，用于调用目标应用程序中的程序插件，获取目标对象在所述目标应用程序中确定的文案内容，并获取所述目标对象在所述目标应用程序中确定的目标操作信息，所述程序插件用于支持所述目标对象在所述目标应用程序上与模型服务设备建立机器人对话；

处理单元702，用于将所述文案内容和所述目标操作信息发送至所述模型服务设备，以使所述模型服务设备根据所述文案内容和所述目标操作信息，生成文案应答结果，所述文案应答结果包括所述文案内容被按照所述目标操作信息所执行的目标应答内容；

所述处理单元702，还用于接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示。

在一种实施方式中，处理单元702在将所述文案内容和所述目标操作信息发送至所述模型服务设备时，可具体用于：

基于所述文案内容对应的目标会话标识，将所述文案内容和所述目标操作信息发送至前台服务设备，以使所述前台服务设备按照所述目标会话标识，将所述文案内容和所述目标操作信息发送至所述模型服务设备；

其中，所述前台服务设备用于：根据会话标识，管理至少一个对象中的各个对象，与至少一个会话中的各个会话之间的对应关系，且所述前台服务设备为：所述模型服务设备进行机器人对话的中转设备，所述目标对象为所述至少一个对象中的任一对象。

另一种实施方式中，处理单元702，还可用于：

查找所述目标会话标识；

若查找到所述目标会话标识，则执行所述基于所述文案内容对应的目标会话标识，将所述文案内容和所述目标操作信息发送至前台服务设备；

若未查找到所述目标会话标识，则向所述前台服务设备发送创建会话指令，以使所述模型服务设备在接收到所述前台服务设备发送的初始化后的创建会话指令后，创建所述目标会话标识所指示的目标会话，所述初始后的创建会话指令携带有所述目标会话标识；并接收所述前台服务设备返回的所述目标会话标识。

另一种实施方式中，所述文案应答结果还包括应答标识，所述应答标识用于指示所述目标应答内容；处理单元702，还可用于：

接收所述模型服务设备返回的所述应答标识；

处理单元702在接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示时，可具体用于：

基于所述应答标识从所述模型服务设备获取所述目标应答内容中的第一生成结果，并对所述第一生成结果进行显示，所述第一生成结果包括所述目标应答内容中的M个字符，M为正整数；

确定所述目标应答内容对应的应答状态标识，若所述应答状态标识为未回答完毕标识，则基于所述应答标识继续从所述模型服务设备获取所述目标应答内容中的第二生成结果，直至所述应答状态标识被更新为已回答完毕标识，以实现接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示，所述第二生成结果包括所述目标应答内容中的N个字符，N为正整数。

另一种实施方式中，处理单元702，还可用于：

在所述目标应答内容被所述模型服务设备生成完毕后，接收所述模型服务设备发送的已回答完毕标识；

采用所述已回答完毕标识对所述应答状态标识进行更新。

另一种实施方式中，获取单元701在获取目标对象在所述目标应用程序中确定的文案内容时，可具体用于：

在检测到所述目标对象在所述目标应用程序中的文案选取指令时，将所述文案选取指令所选中的内容作为所述目标对象在所述目标应用程序中确定的文案内容；或者，

在所述目标应用程序中显示所述程序插件的文本输入区域，在检测到所述目标对象在所述文本输入区域上的文案编辑指令时，将所述文案编辑指令所指示的内容作为所述文案内容；或者，

在检测到所述目标对象针对所述程序插件的语音输入指令时，将所述语音输入指令所指示的内容作为所述文案内容。

另一种实施方式中，所述程序插件包括待选择的操作信息集；获取单元701在获取所述目标对象在所述目标应用程序中确定的目标操作信息时，可具体用于：

在检测到所述目标对象在所述目标应用程序中的文案选择指令时，按照所述文案内容所在的显示区域确定操作显示区域，并在所述操作显示区域中显示所述操作信息集；以及，在检测到所述目标对象对所述操作信息集的第一操作选择指令时，将所述第一操作选择指令所选中的操作信息作为所述目标对象在所述目标应用程序中确定的目标操作信息；或者，

在所述目标应用程序中显示所述程序插件，并在检测到所述目标对象针对所述程序插件中的所述操作信息集的第二操作选择指令时，将所述第二操作选择指令所指示的操作信息作为所述目标操作信息；或者，

在检测到所述目标对象针对所述程序插件的操作输入指令时，将所述操作输入指令所指示的操作信息作为所述目标操作信息。

另一种实施方式中，所述目标应用程序为目标浏览器，且所述程序插件为应用于所述目标浏览器的浏览器插件。

根据本发明的一个实施例，图1或图3所示的方法所涉及的各个步骤均可由图7所示的机器人对话装置中的各个单元来执行的。例如，图1中所示的步骤S101可由图7中所示的获取单元701执行，步骤S102和S103均可由图7中所示的处理单元702执行。又如，图3中所示的步骤S301可由图7中所示的获取单元701执行，步骤S302-S305均可由图7中所示的处理单元702执行，等等。

根据本发明的另一个实施例，图7所示的机器人对话装置中的各个单元均可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，任一机器人对话装置也可以包括其他单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。

根据本发明的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用电子设备上运行能够执行如图1或图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图7中所示的机器人对话装置，以及来实现本发明实施例的机器人对话方法。所述计算机程序可以记载于例如计算机存储介质上，并通过计算机存储介质装载于上述电子设备中，并在其中运行。

本发明实施例可在调用目标应用程序中的程序插件，获取到目标对象在目标应用程序中确定的文案内容，并获取到目标对象在目标应用程序中确定的目标操作信息后，将文案内容和目标操作信息发送至模型服务设备，以使模型服务设备根据文案内容和目标操作信息，生成文案应答结果，文案应答结果包括文案内容被按照目标操作信息所执行的目标应答内容，程序插件用于支持目标对象在目标应用程序上与模型服务设备建立机器人对话；然后，可接收模型服务设备返回的目标应答内容，并对目标应答内容进行显示。可见，本发明实施例可通过程序插件便捷地进行机器人对话，可有效提高对话效率。

基于上述方法实施例以及装置实施例的描述，本发明示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本发明实施例的方法。

本发明示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本发明实施例的方法。

本发明示例性实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本发明实施例的方法。

参考图8，现将描述可以作为本发明的服务器或客户端的电子设备800的结构框图，其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

电子设备800中的多个部件连接至I/O接口805，包括：输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备，输入单元806可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元807可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理。例如，在一些实施例中，机器人对话方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到电子设备800上。在一些实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行机器人对话方法。

用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

如本发明使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

并且，应理解的是，以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (11)

1.一种机器人对话方法，其特征在于，包括：

调用目标应用程序中的程序插件，获取目标对象在所述目标应用程序中确定的文案内容，并获取所述目标对象在所述目标应用程序中确定的目标操作信息，所述程序插件用于支持所述目标对象在所述目标应用程序上与模型服务设备建立机器人对话；

将所述文案内容和所述目标操作信息发送至所述模型服务设备，以使所述模型服务设备根据所述文案内容和所述目标操作信息，生成文案应答结果，所述文案应答结果包括所述文案内容被按照所述目标操作信息所执行的目标应答内容；

接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示。

2.根据权利要求1所述的方法，其特征在于，所述将所述文案内容和所述目标操作信息发送至所述模型服务设备，包括：

基于所述文案内容对应的目标会话标识，将所述文案内容和所述目标操作信息发送至前台服务设备，以使所述前台服务设备按照所述目标会话标识，将所述文案内容和所述目标操作信息发送至所述模型服务设备；

其中，所述前台服务设备用于：根据会话标识，管理至少一个对象中的各个对象，与至少一个会话中的各个会话之间的对应关系，且所述前台服务设备为：所述模型服务设备进行机器人对话的中转设备，所述目标对象为所述至少一个对象中的任一对象。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

查找所述目标会话标识；

若查找到所述目标会话标识，则执行所述基于所述文案内容对应的目标会话标识，将所述文案内容和所述目标操作信息发送至前台服务设备；

若未查找到所述目标会话标识，则向所述前台服务设备发送创建会话指令，以使所述模型服务设备在接收到所述前台服务设备发送的初始化后的创建会话指令后，创建所述目标会话标识所指示的目标会话，所述初始后的创建会话指令携带有所述目标会话标识；并接收所述前台服务设备返回的所述目标会话标识。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述文案应答结果还包括应答标识，所述应答标识用于指示所述目标应答内容；所述方法还包括：

接收所述模型服务设备返回的所述应答标识；

所述接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示，包括：

基于所述应答标识从所述模型服务设备获取所述目标应答内容中的第一生成结果，并对所述第一生成结果进行显示，所述第一生成结果包括所述目标应答内容中的M个字符，M为正整数；

确定所述目标应答内容对应的应答状态标识，若所述应答状态标识为未回答完毕标识，则基于所述应答标识继续从所述模型服务设备获取所述目标应答内容中的第二生成结果，直至所述应答状态标识被更新为已回答完毕标识，以实现接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示，所述第二生成结果包括所述目标应答内容中的N个字符，N为正整数。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在所述目标应答内容被所述模型服务设备生成完毕后，接收所述模型服务设备发送的已回答完毕标识；

采用所述已回答完毕标识对所述应答状态标识进行更新。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述获取目标对象在所述目标应用程序中确定的文案内容，包括：

在检测到所述目标对象在所述目标应用程序中的文案选取指令时，将所述文案选取指令所选中的内容作为所述目标对象在所述目标应用程序中确定的文案内容；或者，

在所述目标应用程序中显示所述程序插件的文本输入区域，在检测到所述目标对象在所述文本输入区域上的文案编辑指令时，将所述文案编辑指令所指示的内容作为所述文案内容；或者，

在检测到所述目标对象针对所述程序插件的语音输入指令时，将所述语音输入指令所指示的内容作为所述文案内容。

7.根据权利要求1-3任一项所述的方法，其特征在于，所述程序插件包括待选择的操作信息集；所述获取所述目标对象在所述目标应用程序中确定的目标操作信息，包括：

在检测到所述目标对象在所述目标应用程序中的文案选择指令时，按照所述文案内容所在的显示区域确定操作显示区域，并在所述操作显示区域中显示所述操作信息集；以及，在检测到所述目标对象对所述操作信息集的第一操作选择指令时，将所述第一操作选择指令所选中的操作信息作为所述目标对象在所述目标应用程序中确定的目标操作信息；或者，

在所述目标应用程序中显示所述程序插件，并在检测到所述目标对象针对所述程序插件中的所述操作信息集的第二操作选择指令时，将所述第二操作选择指令所指示的操作信息作为所述目标操作信息；或者，

在检测到所述目标对象针对所述程序插件的操作输入指令时，将所述操作输入指令所指示的操作信息作为所述目标操作信息。

8.根据权利要求1-3任一项所述的方法，其特征在于，所述目标应用程序为目标浏览器，且所述程序插件为应用于所述目标浏览器的浏览器插件。

9.一种机器人对话装置，其特征在于，所述装置包括：

获取单元，用于调用目标应用程序中的程序插件，获取目标对象在所述目标应用程序中确定的文案内容，并获取所述目标对象在所述目标应用程序中确定的目标操作信息，所述程序插件用于支持所述目标对象在所述目标应用程序上与模型服务设备建立机器人对话；

处理单元，用于将所述文案内容和所述目标操作信息发送至所述模型服务设备，以使所述模型服务设备根据所述文案内容和所述目标操作信息，生成文案应答结果，所述文案应答结果包括所述文案内容被按照所述目标操作信息所执行的目标应答内容；

所述处理单元，还用于接收所述模型服务设备返回的所述目标应答内容，并对所述目标应答内容进行显示。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储程序的存储器，

其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-8中任一项所述的方法。

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-8中任一项所述的方法。