تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
يحدد نموذج المحادثة ما يمكن للمستخدمين قوله في الإجراءات الخاصة بك وكيف يمكن
تستجيب الإجراءات للمستخدمين. الوحدات الأساسية لنموذج محادثتك
هي الأهداف والأنواع والمشاهدالطلبات: بعد استدعاء أحد المهام، يبدأ "مساعد Google"
تسليم المستخدم إلى ذلك الإجراء، ويبدأ الإجراء محادثة مع
بناءً على نموذج محادثتك، والذي يتألف من:
طلبات المستخدمين الصالحة: لتحديد ما يمكن للمستخدمين قوله في "الإجراءات":
إنشاء مجموعة من الأهداف التي تعزز NLU في "مساعد Google"، حتى يمكنها
فهم الطلبات الخاصة بالإجراءات التي تتخذها. يحدد كل هدف
والتدريبات التي تصف ما يمكن أن يقوله المستخدمون لمطابقة هذا القصد. تشير رسالة الأشكال البيانية
وتوسعت تقنية NLU الخاصة بخدمة "مساعد Google" هذه العبارات التدريبية لتشمل عبارات مشابهة
ويؤدي تجميع هذه العبارات إلى إنشاء النموذج اللغوي للقصد منها.
منطق الإجراء والردود: تعالج المشاهد الأهداف وتنفِّذ المنطق المطلوب وتُنشئ الطلبات للعودة إلى المستخدم.
الشكل 1. يتكون نموذج المحادثة من نوايا وأنواع
والمشاهد والمطالبات التي تحدد تجربة المستخدم لديك. النوايا التي
المؤهلة للاستدعاء صالحة أيضًا للمطابقة في محادثاتك.
تحديد طلبات المستخدمين الصالحة
لتحديد ما يمكن للمستخدمين قوله في "الإجراءات"، يمكنك استخدام مجموعة من الأهداف
وأنواعها. تتيح نوايا المستخدم وأنواعه زيادة محتوى واجهة المستخدم (NLU) في "مساعد Google" باستخدام
نماذج لغوية خاصة. تتيح لك أغراض النظام وأنواعه الاستفادة من ميزات
النماذج اللغوية ورصد الأحداث، مثل رغبة المستخدمين في إنهاء الإجراء أو
لم يرصد "مساعد Google" أيّ إدخال على الإطلاق.
إنشاء نوايا المستخدم
تتيح لك نوايا المستخدم تحديد عبارات التدريب الخاصة بك التي تحدد ما يريده المستخدمون
التي قد تقولها إلى "إجراءاتك". تستخدم لغة NLU في "مساعد Google" هذه العبارات لتدريب نفسها
لفهم ما يقوله المستخدمون. عندما يقول المستخدمون شيئًا يطابق
النموذج اللغوي حسب نية المستخدم، يطابق "مساعد Google" الغرض من إرسال الإشعارات
الإجراء الخاص بك، حتى تتمكن من تنفيذ المنطق والاستجابة للمستخدمين.
إنشاء أهداف النظام
تتيح لك أغراض النظام الاستفادة من الأهداف باستخدام لغة محدّدة مسبقًا.
نماذج للأحداث الشائعة مثل رغبة المستخدمين في إنهاء الإجراء أو عندما يريد
انتهت مهلة الإدخال. لإنشاء أهداف النظام:
إنشاء أنواع مخصّصة
تتيح لك الأنواع المخصصة إنشاء مواصفات النوع الخاصة بك لتدريب NLU على
وفهم مجموعة من القيم التي يجب ربطها بمفتاح واحد.
لإنشاء نوع مخصص:
بناء منطق الإجراءات والردود
تُطابق لغة NLU في "مساعد Google" طلبات المستخدمين مع الأهداف، وذلك ليتمكّن الإجراء الخاص بك
ومعالجتها في المشاهد. المشاهد أدوات منطقية قوية تتيح لك
معالجة الأحداث أثناء المحادثة.
إنشاء مشهد
توضّح الأقسام التالية كيفية إنشاء المشاهد وتحديد وظائفها.
لمرحلة دورة حياة كل مشهد.
لإنشاء مشهد:
تحديد الإعداد لمرة واحدة
عندما يصبح المشهد نشطًا لأول مرة، يمكنك تنفيذ مهام لمرة واحدة في
عند الدخول. يتم تنفيذ مرحلة On enter مرة واحدة فقط، وهي
لا يعمل داخل حلقة تنفيذ المشهد.
التحقّق من الحالات
تتيح لك الشروط التحقق من ملء الخانات وتخزين الجلسة ومساحة تخزين المستخدم
معلمات تخزين المنزل للتحكم في تدفق تنفيذ المشهد.
تعريف ملء الخانات
تتيح لك الخانات استخراج المعلمات المكتوبة من إدخالات المستخدم.
ربط قيمة الشريحة
وفي كثير من الحالات، يمكن أن تشتمل مطابقة الهدف السابقة على معلمات
ملء قيم خانة المشهد المقابل بالكامل. في هذه الحالات، ستفتح جميع الخانات
معبأ بمعلمات الأهداف في ملء خانة المشهد إذا كان اسم الخانة
تتطابق مع اسم معلمة intent.
على سبيل المثال، إذا طابق أحد المستخدمين نية طلب مشروب من خلال قول "أريد
لطلب قهوة كبيرة بنكهة الفانيليا، وهي عبارة عن خانات حالية تعرض الحجم والنكهة والمشروبات.
النوع معبأ في المشهد المقابل إذا كان هذا المشهد يحدد نفس
الخانات.
إدخال العملية
خلال هذه المرحلة، يمكنك ضبط "NLU" في "مساعد Google" لمطابقة البيانات التي أدخلها المستخدم مع الأهداف.
يمكنكم تحديد نطاق مطابقة الأهداف لمشهد معيّن من خلال إضافة الأهداف المطلوبة.
على المشهد. يتيح لك ذلك التحكّم في مسار المحادثة من خلال إخبار "مساعد Google" بذلك.
لتتوافق مع نوايا محددة عندما تكون مشاهد محددة نشطة.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eActions Builder uses intents, types, scenes, and prompts to define how your Action interacts with users.\u003c/p\u003e\n"],["\u003cp\u003eIntents are used to define valid user requests, enabling your Action to understand user input.\u003c/p\u003e\n"],["\u003cp\u003eScenes handle Action logic, processing intents and generating responses to the user.\u003c/p\u003e\n"],["\u003cp\u003eYou can create custom intents and types to train the Assistant's NLU to understand specific requests and values.\u003c/p\u003e\n"],["\u003cp\u003eSlots within scenes allow you to extract typed parameters from user input for further processing and logic execution.\u003c/p\u003e\n"]]],["The core content outlines how to build conversational Actions using the Actions Builder SDK. Key actions include: defining valid user requests through **intents** and **types** to augment the Assistant's NLU; creating **scenes** to process intents and manage conversation flow; and generating **prompts** for user responses. **Intents** are defined by training phrases, while **types** define a set of values. **Scenes** execute logic, check conditions, and define slot filling. The system also manages **system intents** for common user actions.\n"],null,["# Build conversation models\n\nActions Builder Actions SDK\n\nA conversation model defines what users can say to your Actions and how your\nActions respond to users. The main building blocks of your conversation model\nare [intents](../intents), [types](../types), [scenes](../scenes), and\n[prompts](../prompts). After one of your Actions is invoked, Google Assistant\nhands the user off to that Action, and the Action begins a conversation with the\nuser, based on your conversation model, which consists of:\n\n- **Valid user requests** - To define what users can say to your Actions, you\n create a collection of intents that augment the Assistant NLU, so it can\n understand requests that are specific to your Actions. Each intent defines\n training phrases that describe what users can say to match that intent. The\n Assistant NLU expands these training phrases to include similar phrases, and\n the aggregation of those phrases results in the intent's language model.\n\n- **Action logic and responses** - Scenes process intents, carry out required logic, and generate prompts to return to the user.\n\n**Figure 1.** A conversation model consists of intents, types, scenes, and prompts that define your user experience. Intents that are eligible for invocation are also valid for matching in your conversations.\n\nDefine valid user requests\n--------------------------\n\nTo define what users can say to your Actions, you use a combination of intents\nand types. User intents and types let you augment the Assistant NLU with your\nown language models. System intents and types let you take advantage of built-in\nlanguage models and event detection like users wanting to quit your Action or\nAssistant detecting no input at all.\n\n### Create user intents\n\nUser intents let you define your own training phrases that define what users\nmight say to your Actions. The Assistant NLU uses these phrases to train itself\nto understand what your users say. When users say something that matches a\nuser intent's language model, Assistant matches the intent and notifies\nyour Action, so you can carry out logic and respond back to users.\n\n### Create system intents\n\nSystem intents let you take advantage of intents with pre-defined language\nmodels for common events like users wanting to quit your Action or when user\ninput times out. To create system intents:\n\n### Create custom types\n\nCustom types let you create your own type specification to train the NLU to\nunderstand a set of values that should map to a single key.\n\nTo create a custom type:\n\nBuild Action logic and responses\n--------------------------------\n\nThe Assistant NLU matches user requests to intents, so that your Action can\nprocess them in scenes. Scenes are powerful logic executors that let you\nprocess events during a conversation.\n\n### Create a scene\n\nThe following sections describe how to create scenes and define functionality\nfor each scene's lifecycle stage.\n\nTo create a scene:\n\n### Define one-time setup\n\nWhen a scene first becomes active, you can carry out one time tasks in the\n**On enter** stage. The On enter stage executes only once, and is the only\nstage that doesn't run inside a scene's execution loop.\n\n### Check conditions\n\nConditions let you check slot filling, session storage, user storage, and\nhome storage parameters to control scene execution flow.\n\n### Define slot filling\n\nSlots let you extract typed parameters from user input.\n\n#### Slot value mapping\n\nIn many cases, a previous intent match can include parameters that partially or\nentirely fill a corresponding scene's slot values. In these cases, all slots\nfilled by intent parameters map to the scene's slot filling if the slot name\nmatches the intent parameter name.\n\nFor example, if a user matches an intent to order a beverage by saying *\"I want\nto order a large vanilla coffee\"*, existing slots for size, flavor, and beverage\ntype are considered filled in the corresponding scene if that scene defines same\nslots.\n| **Note:** Intent data is stored for one conversation turn and is overwritten with the next user input. If you need this data to persist, you can store this data in [session storage](../storage).\n\n### Process input\n\nDuring this stage, you can have the Assistant NLU match user input to intents.\nYou can scope intent matching to a specific scene by adding the desired intents\nto the scene. This lets you control conversation flow by telling Assistant\nto match specific intents when specific scenes are active."]]
