目前的现状是，在商业领域，工业级标准还是会使用基于检索的机器人，适合特定领域内、问题集合有限，还有一些变体，比如知识图谱、基于KG的机器人、基于搜索引擎的机器人。而生成模型的机器人，是学术界研究的重点，在商业领域，它会作为检索式机器人的补充形式，两者结合使用，
3.5 闲聊机器人原理
闲聊机器人主要是进行客观话题讨论，用户对聊天机器人进行一些情感表达，回答问候、情感和娱乐等信息。闲聊处理由两个组件组成：
基于预置规则匹配：公司合规用语要求。
基于聊天库中海量闲聊语料：满足大多数闲聊应答。
海量的闲聊语料，可以从在线论坛、微博对话、甚至别的通用机器人爬取，虽然从各个地方爬取，也需要审核，以满足用户需求。
闲聊机器人的要求是：简单闲聊、结果可控、快速开发。所以实现上我们基于AIML构建闲聊机器人。
AIML是由Richard Wallace发明的一种语言。他设计了一个名为 A.L.I.C.E.（Artificial Linguistics Internet Computer Entity 人工语言网计算机实体）的机器人，并获得了多项人工智能大奖。AIML是一种为了匹配模式和确定响应而进行规则定义的XML格式。
AIML的能力很灵活，如图所示，可以基于模板匹配、任意字符匹配、元素提取、一个问题多个答案、划分主题等。
AIML来作为知识载体的好处是灵活、人性化强。缺点是在知识的编写方面门槛高，比如闲聊库的扩充方面的问题等。
好在有现成的AIML编辑软件，如：SimpleAIMLEditor，GaitoBotAIMLEditor等。
AIML语言的规范也在不断升级，最新版本AIML2.0。
3.6 任务机器人原理
任务机器人（Task-Bot） 的关键技术是基于意图识别与语义槽提取。 举个例子，A说“帮我订一个今天下午3点到4点的会议室吧？要大一点的。”机器人识别出来这是一个任务，而这个任务要完成必须三个语义槽：时间、地点、大小。
经过分析发现A的任务请求中缺乏一个语义槽-地点，于是触发机器人反问“请问您要预订哪个职场的会议室？”，A补充了地点后，机器人联动会议预定系统，进行会议室预定，完成任务并反馈结果给A。
这个过程涉及了：意图识别、关键参数提取、多轮对话&对话管理、配置化、对接外部系统。
以上图的一个实际例子来看，这个例子是根据身份证号查询归属地。
首先配置可能的问法，这里可以看到，设置的可能问法越多，越能帮助机器人识别意图。这里主要涉及到意图识别和设置可能问法。
然后配置需要提取的槽值，槽值来自一个实体，这里的槽值是身份证。并且配置如果没有提取到的话，需要追问的问题。可以在线进行测试槽值提取。
接下来配置触发的外部系统，这里支持常见的post，get，将相应的槽值发送给系统，然后获得返回值，再从返回值中提取必要信息，用于显示正确情况和错误情况。
最后看到的效果如上图所示，整个过程涉及到多轮对话和话题追踪。
3.7 场景机器人原理
场景机器人可以说是任务机器人更高级的版本，它是基于预置规则驱动完成场景任务。
上图示例中，销售人员G想查客户李国强的信息，机器人给出相应信息后，根据预设的场景，触发后台配置的一个业务推荐流程，根据这个流程，销售人员可以获得适合李国强客户的产品推荐、了解相关产品情况、进行话术演练等，本来只是一个聊天过程，跳转到特定的场景以及业务相关的联动，这就是场景机器人。场景机器人的场景和相关业务跳转都是可以配置的，这样可以达到动态化地支持不同的场景。