第三课的目标是以第一课为基础，技术上，增加实体，增加多个意图，意图切换和参数传递。效果上，实现单多轮对话，查询天气情况和空气质量情况，话不多说，冲冲冲！
1.增加实体和实体值，如下图所示，我增加了城市(city)和公共实体(sys.date),增加了若干的实体值，
2.增加意图，我在第一课的默认意图欢迎语基础上增加了查询天气的意图和查询空气质量的意图。在weather意图里增加了若干例句并绑定了对应的实体（也可以选择模板加，使用实体变量时用@{city}和@{sys.date}），绑定实体后，下面会自动产生两个参数，我们设置成必选，给sys.date设置默认值为今天，城市为空时，增加追问语句,增加多轮对话。如下图所示。
在ari_quality意图里，设置前置意图为weather,设置单轮对话表达，设置参数，前置意图参数，默认实体值，提交保存。如下图所示。
3.后台开发，和第一课一样，绑定阿里云账号，登录阿里云云开发平台（workbench.aliyun.com ） 完成授权，去cloudIDE修改代码，提交，推送，预发环境部署。如下图所示：
代码如下：
package com.alibaba.ailabs;
import com.alibaba.ailabs.common.AbstractEntry;
import com.alibaba.da.coin.ide.spi.meta.AskedInfoMsg;
import com.alibaba.da.coin.ide.spi.meta.ExecuteCode;
import com.alibaba.da.coin.ide.spi.meta.ResultType;
import com.alibaba.da.coin.ide.spi.standard.ResultModel;
import com.alibaba.da.coin.ide.spi.standard.TaskQuery;
import com.alibaba.da.coin.ide.spi.standard.TaskResult;
import com.alibaba.fastjson.JSON;
import com.aliyun.fc.runtime.Context;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
/**
* @Description 天猫精灵技能函数入口，FC
* handler：com.alibaba.ailabs.GenieEntry::handleRequest
* @Version 1.0
**/
public class GenieEntry extends AbstractEntry {
@Override
public ResultModel<TaskResult> execute(TaskQuery taskQuery, Context context) {
context.getLogger().info("taskQuery: " + JSON.toJSONString(taskQuery));
// ResultModel<TaskResult> res = new ResultModel<>();
TaskResult taskResult = new TaskResult();
// 从请求中获取意图参数以及参数值
Map<String, String> paramMap = taskQuery.getSlotEntities().stream().collect(Collectors.toMap(slotItem -> slotItem.getIntentParameterName(), slotItem -> slotItem.getOriginalValue()));
//处理名称为 welcome 的意图
if ("welcome".equals(taskQuery.getIntentName())) {
taskResult.setReply("小乔在此等候多时，公子何所欲？");
//处理名称为 weather 的意图
} else if ("weather".equals(taskQuery.getIntentName())) {
//weather 意图中 date 参数勾选了必选，请求数据中一定会携带 date 参数，只需要判断 city 参数有没有。
if (paramMap.get("city") == null) {
taskResult.setReply("您要查询哪个城市的天气？");
return askReply(taskResult, "city", taskQuery.getIntentId());
}
//TODO 根据参数获取天气信息，这里使用假数据替代
taskResult.setReply(paramMap.get("city") + paramMap.get("sys.date(公共实体)") + "天气 艳阳高照，适合晒被子！");
//处理名称为 ari_quality 的意图
}else if ("ari_quality".equals(taskQuery.getIntentName())) {
//air_quality 意图中 date 参数勾选了必选，请求数据中一定会携带 date 参数，只需要判断 city 参数有没有。
if (paramMap.get("city") == null) {
taskResult.setReply("您要查询哪个城市的空气质量？");
return askReply(taskResult, "city", taskQuery.getIntentId());
}
//TODO 根据参数获取空气质量信息，这里使用假数据替代
taskResult.setReply(paramMap.get("city") + paramMap.get("sys.date(公共实体)") + "空气质量 好，但还是需要戴口罩");
//其他意图
}
else {
taskResult.setReply("请检查意图名称是否正确，或者新增的意图没有在代码里添加对应的处理分支。");
}
return reply(taskResult);
}
/**
* 结束对话的回复，回复后音箱闭麦
*/
private ResultModel<TaskResult> reply(TaskResult taskResult) {
ResultModel<TaskResult> res = new ResultModel<>();
taskResult.setExecuteCode(ExecuteCode.SUCCESS);
taskResult.setResultType(ResultType.RESULT);
res.setReturnCode("0");
res.setReturnValue(taskResult);
return res;
}
/**
* 指定追问参数，音箱自动开麦，用户的回答优先匹配追问的参数
*/
private ResultModel<TaskResult> askReply(TaskResult taskResult, String parameterName, Long intentId) {
ResultModel<TaskResult> res = new ResultModel<>();
taskResult.setExecuteCode(ExecuteCode.SUCCESS);
taskResult.setResultType(ResultType.ASK_INF);
AskedInfoMsg askedInfoMsg = new AskedInfoMsg();
askedInfoMsg.setIntentId(intentId);
askedInfoMsg.setParameterName(parameterName);
List<AskedInfoMsg> askedInfos = new ArrayList<>();
askedInfos.add(askedInfoMsg);
taskResult.setAskedInfos(askedInfos);
res.setReturnValue(taskResult);
return res;
}
}
4.测试如下图所示。
5.应用下线。
附：也可参考官方文档AliGenie - 技能应用平台
