“ 2019，就用這個簡單的例子，希望新的一年能保持學習，並把所學應用起來。”
記得瓦尼塔在會上滔滔不絕的在說他的設想，未來只要對電腦說說話，訂單就創建好了，就和供應商下訂單了，就能看報表了。
雖然大家聽著都覺得這個是笑話。但是我當真了。
01 — 故事
人物：A是大型機械設備維修工程師時間：凌晨3點鐘，地點：碼頭大型起重設備旁情景：由於事發突然，工程師手頭並沒有配件，總公司訂單中心人員的電話又打不通。情況：無數的集裝箱等著裝車，船老大等著開船，爭取能趕上船期。一個字：急。貨物的滯留，不光會產生直接的滯納金，無法按期交貨。間接損失也很大。
那怎麼辦？工程師A一個個電話打，把能打的電話都打一遍。最好下一個電話，配件就能有著落。馬上上路，送過來。
現在我們分析下，如果電話打通了，找到了對的人。應該如何處理。
- 先檢查下離碼頭最近的倉庫是哪一個？
- 這個倉庫裡有沒有配件(或替代件)。有萬事大吉，實在不行自己開車連夜送過去。
- 如果沒有就要去上一級倉庫調貨。這樣就要聯繫總倉的相關人員檢查庫存，安排出貨。
大晚上要找齊所有相關的人員，訂單中心，倉庫，物流。
如果這個時候，工程師的手機，有這樣一個工作助手。能夠幫忙檢查庫存，並通知司機立馬取貨送貨。
萬分火急之時，工程師能自信的說，市裡有庫存，司機已經在來的路上了。
02 — 如何實現
工程師手機裡的工作助手。
工作助手在手機裡。- 工作用的微信。
工作助手能無時無刻提供服務。 - 那必須是ChatBot
提供工作內容方面的支持。 - 檢查SAP數據
為了能夠相應工程師晚上發的微信信息。這裡我們就需要使用到一個open source的python庫wxpy。在服務端實時監控並響應突如其來的工程師的信息。
wxpy https://github.com/youfou/wxpy
這裡我們知道通過wxpy這個組件，我們可以實時監控工程師的信息，但是我們如何讓冷冰冰的電腦明白工程師說的是啥？只要正確的明白工程師說的東西，才能真正幫到工程師。這裡我們使用到的是open source.
ChatterBot https://github.com/gunthercox/ChatterBot
我們可以通過最機器人進行訓練學習，讓機器人明白工程師說的內容。並扮演好相關工作人員處理相關事務。
檢查SAP數據。比如查庫存。只要通過OData就能實現。
我們通過對三個工具(wxpy, chatterbot, odata)的整合，就能實現這樣的應用。
03 — 實現過程
根據01講的故事，我們已經知道了工作需求。通過02我們已經知道，我們需要那些技術去幫助實現這個需求。
接下來我們要講講如何實現這個方案。
下面我會講下如何安裝包，如何通過使用wxpy,如何訓練使用chatterbot.最後將他們粗糙的整合起來。
首先我們需要通過Anaconda安裝所需要的包。
- 創建新的安裝環境。
b. 打開終端。
c. 安裝wxpy和chatterbot
就如此簡單的幾句話，地基就打好了。想不到吧，萬事開頭難。真正做了才發現其實挺簡單的。
如何使用wxpy給文件傳輸助手發一條信息
運行程序，登錄微信後，就會自動發送一條信息Hello from wxpy給文件助手
訓練chatterbot，讓chatbot看的懂那些話是讓他查庫存。
- 首先我需要叫機器人打招呼。
- 當我們Hi或者Morning的時候，他就會告訴我們他是一個subsidiary system assistant.
- 通過如下代碼會訓練機器人，訓練後簡單的問答Hi,就會回覆 -- 看上去像hard code.
- 接下來我們需要訓練他，material number xxxxx stock的時候就要去call SAP API.
- 針對問庫存的問答，我們需要寫如下的問答訓練集。
- 由於現場工程師問助手的方式會是前期八怪的，所以這裡我們會訓練各種各樣的回答訓練集
然後我們問機器人另一個物料的庫存情況，和訓練集不通的物料，不通的問法(有額外的字符串)
<material number 860123211 stock (Text)>
Odata Call SAP. 這裡推薦使用POSTMAN. 簡單的從mard裡抓取數據
最後我們要做的就是把這些準備好的碎片功能整合起來。 :)
代碼如下
#!/usr/bin/env python3.5
from wxpy import *
from chatterbot import ChatBot
from chatterbot.trainers import ChatterBotCorpusTrainer
import requests
import json
import re
chatbot = ChatBot("deepThought")# 用於回覆消息的機器人
chatbot.set_trainer(ChatterBotCorpusTrainer)
chatbot.train("chatterbot.corpus.chinese")# 使用該庫的中文語料庫
chatbot.read_only = True
bot = Bot(cache_path=True)# 用於接入微信的機器人
my_friend = bot.friends().search(u'小悠悠')[0]
my_friend.send('Hi man, ')
@bot.register(my_friend)
def reply_my_friend(msg):
print(msg)
res = ''
chatres = chatbot.get_response(msg.text).text
print(chatres)
if chatres == '123 PC in 0740.':
input_item = msg.text
input_item = re.findall(r"\d+\.?\d*", input_item)
# 829221375
print(input_item)
url = "xxxxxxxx(Werks='0001',Lgort='0002',Matnr='" + \
input_item[0] + "')"
print(url)
querystring = {"$format": "json"}
payload = ""
headers = {
'Authorization': "Basic Q04xMTAwMDoyMzQ1NmFBIQ==",
'cache-control': "no-cache",
'Postman-Token': "73405266-b9a2-4c49-8495-80c8dbce599f"
}
response = requests.request("GET", url, data=payload, headers=headers, params=querystring)
json_data = json.loads(response.text)
resp = json_data.get('d').get('Matnr') + ' ' + json_data.get('d').get('Maktx') + ' Stock ' + json_data.get(
'd').get('Labst')
print(resp)
res = resp
else:
res = chatbot.get_response(msg.text).text
return res # 使用機器人進行自動回覆
# 堵塞線程，並進入 Python 命令行
embed()
實現效果
總結:
德國哥們說:"如果只是測試，這是一個很好的技術，很有趣。真正要應用化還有很多的路要走，安全，權限這些重中之重的問題。機器人職責的安排。“
但是，何嘗不是麼。世界是發展的，這些問題不是難不可破的。
瓦尼塔看著像笑話的演說，然而我當真了。
