【Axure教程】AI自动对话机器人

【Axure教程】AI自动对话机器人

AI对话机器人的应用已经非常广泛,从你日常使用的手机助手到企业复杂的客服系统,背后都有它的身影。所以今天就教大家在Axure里制作Ai对话机器人的原型模版,制作完成后,只需要在中继器表格里输入问题和答案,预览时就可以实现自动回复。具体效果你们可以观看下面的视频或打开原型预览地址亲自体验

【原型效果】

1、在输入框里输入问题后,自动搜索问题列表,如果找到答案,机器人自动回复;如果找不到答案,也会回复引导话术。

2、机器人回复时,会模拟打字输入效果,逐字回复。

3、问题和答案,可以在中继器表格里添加或修改。

图片

【原型预览含下载地址】

https://axhub.im/ax10/bcf9d9e5357143b7/#c=1

【制作教程】

本原型模版主要分成底部背景、欢迎区域、问题列表、对话区域输入区域

1.底部背景

底部背景用矩形和线段制作,如下图所示摆放

图片

2.欢迎区域

欢迎区域包括图标和文字,默认未提问时显示。

图片

3.问题列表

问题列表用中继器制作,中继器里摆放矩形和文本标签,矩形用于显示文字,文本标签用于记录答案,默认不显示。

中继器表格里包含两列,wenti列对应问题,daan列对应答案

图片

如果是Axure10或以上的版本,我们点击表格里的连接元件,选择中继器里的矩形和文本标签,就可以将问题设置到矩形,将答案设置到文本标签;如果是Axure9或以下的版本,就要在中继器每项加载时,通过设置文本的交互,将wenti列和答案列的值设置到对应的元件里。

图片

4.对话区域

对话区域我们用中继器来制作,中继器里需要有两个颜色不同的矩形,蓝色矩形对应我输入的内容,灰色矩形对应机器人的回答

图片

中继器表格里添加两列,who列用来确认是谁说的话,我们定义如果who列的值等于我,那该行内容就是我说的,如果who列的值不等于我,那就是机器人说的。Text列对应具体说的内容。中继器表格里默认为空,如果你想默认展示以前的聊天记录也可以在中继器表格里填写。

图片

在中继器每项加载时,我们需要判断每一行是谁说的,如果who列的值等于我,就是我说的,所以显示蓝色矩形,隐藏灰色矩形;如果who列的值不等于我,就是机器人说的,我们就显示灰色矩形,隐藏蓝色矩形。

图片

然后我们把中继器text列的值都设置到灰色和蓝色的矩形里,我们在中继器每项加载时,用设置文本的交互,将text列的值都设置到两个矩形里即可。 

图片

因为矩形不会自适应宽度和高度,所以这里我们要先定一个宽度的最大值,案例里是850,如果矩形的宽度小于850时,我们设置矩形高度不变,宽度和文字的宽度一样;如果宽度大于850时,我们设置矩形宽度为850,设置高度为文本宽度为850是的高度。

怎么做自适应文本的尺寸,这里我们需要动态面板和锚链接滚动的交互来获取。

图片

具体可以参考我之前的视频教程《自适应文本的输入框》,里面有详细讲解怎么自适应文本的宽度,学习后举一反三得出自适应的高度。

设置矩形的宽度是需要注意,蓝色矩形我的对话的锚点是在右侧,灰色矩形机器人的对话的锚点是在左侧。

最后考虑到对话内容较多时,会超过指定的区域,所以可以把中继器转为动态面板,并调出垂直滚动条。

5.输入区域

输入区域包括矩形、多行输入框,按钮,如下图所示摆放。

图片

发送按钮按下时,我们要先判断文本内容是否为空,如果为空就不操作,如果不为空再进行操作。

首先我们要先把欢迎区域的文字图标组合隐藏,然后把输入框的内容添加到对话记录的中继器里。

图片

考虑到内容较多时,我们先把最新的内容显示出来,所以我们需要动态面板的滚动条滚动到最下方,这里我们需要在对话记录的动态面板内添加一个默认隐藏的元件作为锚点。然后用移动的交互,移动到对话记录中继器的底部,最后用滚动到元件的交互,让动态面板的滚动条滚动到底部元件的位置。

图片

问题问完后,我们要自动回复答案,我们首先对问题列表的中继器进行筛选,筛选出符合条件的答案,这里是通过简单判断,判断中继器表格里wenti列是否包含有输入框里的文本值。

图片

如果有筛选结果,就是中继器筛选后的条数不等于0,我们就用设置文本的交互,将问题的答案,就是在中继器里文本标签的值记录下来,如果等于0,就是没有筛选结果,就是没有找到答案,用设置文本的交互,记录默认的话术,案例中是对不起,目前没有找到该问题相关的知识点,您可以提问右侧问题列表相关的问题,或者在中继器里的添加对应的问题

图片

这样我们记录下了要回答的内容后,用移出筛选的交互,将问题列表还原,并且触发将记录的文本逐字显示。

图片

文本逐字显示,其实就是通过文本提取函数,将文本值逐一提取,先提取第一个,然后是第二个……如此循环,直到最后一个字为止,这里如果不明白的话,可以参考我之前出的视频教程动态文字——输入效果

这里的区别,要在先把第一个字的文本,用添加行的交互添加到对话的中继器里,然后再进入循环依次将23456……直到末尾的字,通过循环判断的方式添加上去。

完成之后,我们要用移动的交互,将动态面板内的锚点元件移动到中继器表格的下方,然后用滚动到元件的交互,让动态面板的滚动条滚动到最下方锚点的位置。

图片

这样我们就完成了AI对话机器人的原型模板了,后续使用也是很方便,问题和答案在中继器表格中填写即可,即可自动生成的交互效果。

以上就是本期教程的全部内容,感谢您的阅读,我们下期见。

Read more

豆包Seedream 4.0多图融合实力派:田园犬+三花猫多场景创作,AI绘画新时代来了!

豆包Seedream 4.0多图融合实力派:田园犬+三花猫多场景创作,AI绘画新时代来了!

豆包Seedream 4.0多图融合实力派:田园犬+三花猫多场景创作,AI绘画新时代来了! 🌟 Hello,我是摘星! 🌈 在彩虹般绚烂的技术栈中,我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵,每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察,每一次重构都是我的化学实验。 🎵 在编程的交响乐中,我既是指挥家也是演奏者。让我们一起,在技术的音乐厅里,奏响属于程序员的华美乐章。 摘要 作为一名长期关注AI技术发展的开发者,我见证了从GAN到DALL-E,再到Stable Diffusion的图像生成技术演进历程。而今天,当我深入体验字节跳动最新发布的豆包Seedream 4.0时,我被这项技术的突破性表现深深震撼了。这不仅仅是一次简单的版本迭代,而是AI绘画领域的一次革命性跃进。 通过我使用中华田园犬和三花猫素材进行的深度测评,Seedream 4.0展现出了前所未有的多图融合能力和主体一致性保持水平。从真实场景的动物追逐图,到充满想象力的卡通探险绘本,再到创意十足的布偶挂件设计,每一个生成结果都让我感受到了AI创作的无限可能。这款模

15-OpenClaw与Telegram机器人集成

15-OpenClaw与Telegram机器人集成

OpenClaw 与 Telegram 机器人集成 ✦ 免费专栏|全套教程: OpenClaw 从入门到精通 ✦ 开篇总览|最新目录: 最新 OpenClaw 教程|从入门到精通|AI 智能助手 / 自动化 / Skills 实战(原 Clawdbot/Moltbot) 概述 OpenClaw 提供了强大的 Telegram Bot 集成能力,通过统一的 message 工具接口,可以轻松实现消息收发、群组管理、媒体处理等功能。本案例将详细介绍如何通过 OpenClaw 构建功能完整的 Telegram Bot。 目录 * 前置准备 * Bot 创建 * Webhook 配置 * 消息处理 * 命令设计 * 高级功能 * 最佳实践 前置准备

【保姆级教程】从零部署宇树 Unitree 机器人 ROS 2 环境 (Go2/B2/H1) (Humble + 真实硬件)

摘要 本文为希望在ROS 2 (Humble) 环境下开发宇树 (Unitree) 机器人(支持 Go2, B2, H1)的开发者提供了一篇详尽的、从零开始的部署指南。我们将首先在 Ubuntu 22.04 上安装 ROS 2 Humble,然后重点讲解如何配置 unitree_ros2 功能包,实现 ROS 2 节点与机器人底层 DDS 系统的直接通信。本教程基于官方文档,并针对 Humble 环境进行了优化,可跳过 Foxy 版本复杂的 CycloneDDS 编译步骤。 核心环境: * 操作系统: Ubuntu 22.04 (Jammy) * ROS 2 版本: Humble

智能家居新玩法:MediaPipe Hands镜像实现隔空操控实战

智能家居新玩法:MediaPipe Hands镜像实现隔空操控实战 你有没有试过这样的场景:正躺在沙发上追剧,突然想调低音量,却怎么也找不到遥控器?或者双手沾着零食油渍,根本不想去碰任何设备?如果此时只需轻轻一挥手,就能完成播放、暂停、切换音量等操作——无需语音唤醒、无需物理接触,是不是瞬间觉得家里的设备“活”了过来? 这不再是科幻电影中的桥段。借助 AI 手势识别与追踪 技术,我们已经可以用最自然的方式与智能设备交互。而今天要介绍的,正是基于 ZEEKLOG 星图平台提供的 「AI 手势识别与追踪」镜像,手把手教你如何利用 MediaPipe Hands 模型,打造一套高精度、低延迟、纯本地运行的隔空操控系统。 1. 为什么选择 MediaPipe Hands? 在众多手势识别方案中,Google 开源的 MediaPipe Hands 凭借其轻量级架构、高精度关键点检测和出色的跨平台兼容性,成为当前最受欢迎的选择之一。