【MindSpore Easy-Diantong Robot-01】You may have seen many knowledge quiz robots, but this one is a bit different

2022年3月,MindSpore易用性SIG成立后,很快吸引了不少开发者加入SIG群中进行交流.作为和开发者进行连接的桥梁,易用性SIG的目标是和开发者共同打造易学易用、灵活高效的AI框架,持续提升MindSpore易用性,助力开发者成功.

通过易用性SIG,我们不仅倾听开发者的声音,为开发者提供帮助,也希望能和开发者一起围绕“MindSpore的学习与实践”这个主题,打造一些有趣的开源项目.

一、为什么发起这个开源项目(知识问答机器人)

在浏览了当前的一些MindSpore应用案例（如图片识别、房价预测等）后,我们认为这些案例简洁易懂,作为学习资源是非常合适的.但作为易用性Sig,我们不仅希望发起的项目是一个学习资源,更希望它能和易用性有点关系（能让开发者参与其中,也能帮助提升MindSpore易用性）.

在经历了数轮头脑风暴之后,我们想到 何不针对开发者经常反馈的MindSpore学习资料分散、问题答案寻找困难这个问题,基于MindSpore实现一个知识问答机器人,既帮助开发者学习/实践MindSpore,输出的成果还能让开发者更容易地使用MindSpore.

1. 为开发者提供便捷的问题解答途径

开源两年以来,MindSpore的编程指南、API文档、教程、FAQ等学习资料已经积累了很多,面对这些学习资料,我们希望通过问答交互方式让用户快速、直接地获得答案.例如可以将机器人集成到IDE中,让用户“手”不出IDE,通过快捷键操作就可以获得答案.也可以将机器人集成在官网或者社媒中,让开发者直接提问获取答案.

2. 与开发者共同打造一套基于MindSpore全栈的学习教程

问答机器人可以作为MindSpore在NLP领域的一个教程.同时,在构造这个项目的过程中,我们会将MindSpore的全栈能力(MindInsight、MindArmour、MindSpore XAI、MindSpore Lite、MindSpore Dev Toolkit等)应用其中,并将AI工程（如MLOps、机器学习设计模式等）系统化地实践.该案例也会录制为训练营课程,在易用性SIG活动中持续推出.

注：MindSpore全栈包括MindSpore框架以及相关组件,如MindInsight、MindArmour、MindSpore XAI、MindSpore Lite、MindSpore Dev Toolkit等.

---

二、知识问答机器人能做什么

知识问答机器人接受用户提问、查询相关内容、引导开发者快速获取答案,并且可以集成到IDE、官网、微信公众号、Gitee、MindSpore掌中宝等平台,供开发者通过多种方式使用.

1. 目前初步规划的功能：

1) 直接检索答案

基于用户问题,直接提供答案（包括编程指南、API映射、算子、报错地图等）.

例如：开发者希望从PyTorch将代码迁移到MindSpore,需查询API映射关系：
·  用户：pytorch torch.chunk api 对应的MindSpore API是什么？
·  机器人：对应的接口为 mindspore.ops.split,详细地址为( https://mindspore.cn/docs/api/zh-CN/r1.6/api_python/ops/mindspore.ops.Split.html#mindspore.ops.Split)

2) 多轮对话交互获取答案

通过多轮交互,引导用户补充上下文,提供答案.

例如,某用户在安装MindSpore时遇到了问题:
·  用户：安装mindspore,提示“该版本不支持当前平台”
·  机器人：请输入您的操作系统
·  用户：macOS
·  机器人：请输入您的处理器类型（Intel/M1）
·  用户：M1
·  机器人：请输入您的python版本
·  用户：3.7
·  机器人：由于M1芯片不支持python 3.7版本,建议您在python 3.9.1版本上进行安装,安装命令是：pip install  https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.6.1/MindSpore/cpu/aarch64/mindspore-1.6.1-cp39-cp39-macosx_11_0_arm64.whl --trusted-host  http://ms-release.obs.cn-north-4.myhuaweicloud.com -i  https://pypi.tuna.tsinghua.edu.cn/simple

2. 逻辑模型与主要功能：

智能问答机器人逻辑模型

各模块功能大致如下：

1. 客户端：表示以REST方式发起请求的用户,可以包括IDE、MindSpore主页、公众号、Gitee Issue、MindSpore掌中宝等;

2. NLP服务：基于训练好的模型,如Bert,提供语义理解、内容生成、会话管理等能力;

3. 数据服务：提供模型版本存储、会话状态、知识图谱的数据管理能力;

4. 监控服务：提供基础的生产环境基础设施监控以及业务监控（推理准确率等）能力;

---

三、加入这个项目,你能收获什么

1. 全方位学习MindSpore全栈能力,包括但不限于：

• 使用MindSpore框架训练、使用ModelZoo预训练模型、使用MindInsight精度调优;
• 使用XAI验证模型的可解释性、使用MindArmour验证模型的可靠性;
• 使用Serving在云/端侧部署.模型的构建、发布会基于MLOps流水线(从0到1搭建);
• ........

2. 提升在开源社区中的影响力：
通过参与开源任务,提升在MindSpore开源社区的影响力,并有机会成为易用性SIG核心成员、MindSpore资深开发者（有证书哦）,事迹也会记录到易用性SIG的荣誉殿堂......

3. 获得丰富的奖励：
项目中的各任务会根据难度大小,定义相应的积分,获得积分可兑换MindSpore的精美纪念品.

---

四、如何加入

我们对任务初步作了分解,点击如下表格的链接了解详情.
欢迎你参与一起实现,或者一起策划新的特性.当然,过程中遇到的任何技术问题,也可以一起探讨.

任务编号	分类	需求描述	任务地址
1	环境准备	提供开发者本地开发环境配置以及MLOps流水线的环境,交付件包括配置文件、相关文档; 1. 环境配置(MindSpore/Insight、IDE插件配置等); 2. 初始化代码仓3. MLOps基础流水线搭建	https://gitee.com/mindspore/community/issues/I50YLS
2	数据集	1. 提供FAQ的语料库 2. 提供Pytorch到MindSpore的Q&A语料库 3. 提供TensorFlow到MindSpore的Q&A语料库	https://gitee.com/mindspore/community/issues/I50YH6
3	模型	提供用于MindSpore官网的对话机器人模型,完成问题答案查询的任务,交付件包括： 1. 基于Bert的训练代码 2. 基于MindSpore官网文档的调优模型（云侧部署）3. 基于MindSpore文档的调优模型压缩版（端侧部署4. 基于Serving和Lite的 端云推理 5. 端到端的notebook文件（过程需应用相关的AI设计模式） 6. 应用XAI及MindArmour的过程总结 7. 应用MindInsight进行训练调优的过程总结	https://gitee.com/mindspore/community/issues/I50TPP
4	模型	提供用于MindSpore官网的对话机器人模型,完成多轮对话交互的任务,交付件包括： 1. 基于Bert的训练代码 2. 基于MindSpore官网文档的调优模型（云侧部署） 3. 基于MindSpore官网文档的调优模型压缩版（端侧部署） 4. 端云模型的推理代码（基于Serving和Lite）	https://gitee.com/mindspore/community/issues/I50YES
5	集成	IDE集成相关代码和文档	待模型ready后发布

最后,我们想把知识问答机器人的冠名权交给广大开发者,您可以填写问卷留下您喜欢的名称,后续社区会通过评选来确定最终名称.

Looking forward to working with you to build togetherMindSporeThe community's open source knowledge question answering bot！

更多精彩分享,Welcome to visit and follow：https://www.zhihu.com/people/wldandan