Dialogflow Intent 與 Context 完整教學：打造聰明的多輪對話

為什麼有些聊天機器人感覺很笨，有些卻能像真人一樣對話？

關鍵在於「多輪對話」的設計。一個笨機器人每次都像第一次見面，聽完就忘。一個聰明的機器人會記住對話脈絡，理解你真正想要什麼。

Dialogflow 透過 Intent、Entity、Context 三大元素，讓你設計出能「記住」對話的機器人。這篇文章深入講解這些概念，教你打造真正聰明的 AI 對話。

如果你還不熟悉 Dialogflow 基礎，建議先閱讀 Dialogflow 完整指南。

---

Intent（意圖）詳解

Intent 是 Dialogflow 最核心的概念：使用者想要做什麼。

什麼是 Intent

當使用者說「我想訂位」，Dialogflow 需要理解這是「訂位」的意圖，而不是「查詢訂單」或「問營業時間」。

Intent 的工作流程：

使用者輸入 → NLU 分析 → 匹配 Intent → 執行回應
    │              │            │            │
「我要訂位」    意圖理解    make_booking    「好的，請問...」

Training Phrases 設計技巧

Training Phrases 是教機器人認識 Intent 的例句。寫得好，機器人辨識就準確。

技巧 1：提供多樣化的說法

不要只寫一種說法：

❌ 不好的例子（只有一種說法）：
- 我要訂位

✓ 好的例子（多樣化）：
- 我要訂位
- 想訂個位子
- 預約座位
- 可以幫我訂位嗎
- 我想預約
- 訂桌

技巧 2：覆蓋不同長度

- 訂位（極短）
- 我要訂位（短）
- 幫我訂明天晚上的位子（中）
- 你好，我想預約這週六晚上 7 點，4 個人用餐（長）

技巧 3：包含常見錯字

台灣用戶常見的錯字或口語：

- 定位（「訂」寫成「定」）
- 預月（「約」寫成「月」，注音誤觸）
- 我想book位子（中英混用）

技巧 4：使用 Entity 標註

在 Training Phrases 中標註 Entity，讓 Dialogflow 學會擷取資訊：

訂 @sys.date:date 的位子
→ 「訂明天的位子」會擷取 date = 明天

建議數量：

• 每個 Intent 至少 10-15 個 Training Phrases
• 重要的 Intent 可以到 30-50 個

Response 設定方式

Response 是機器人的回覆。有幾種設定方式：

1. 純文字回覆

最簡單的方式，直接輸入文字。可以輸入多個變體，Dialogflow 會隨機選擇。

- 好的，請問用餐日期是哪一天？
- 沒問題！請告訴我您想訂哪一天？
- 好的，我來幫您訂位。請問是哪一天用餐？

2. 包含參數的回覆

使用 $parameter_name 引用參數值：

好的，您想訂 $date $time，$party_size 位用餐，對嗎？

3. 平台專屬回覆

不同平台可以設定不同格式：

• LINE：Flex Message
• Messenger：Quick Reply
• 網頁：純文字

預設 Intent 說明

Dialogflow 自動建立的兩個 Intent：

Intent	觸發時機	建議設定
Default Welcome Intent	對話開始時	親切的問候 + 功能引導
Default Fallback Intent	聽不懂時	提供選項或轉人工

Fallback Intent 設計建議：

❌ 不好的回覆：
「抱歉，我聽不懂。」

✓ 好的回覆：
「不好意思，我沒有理解您的意思。您可以試試：
• 輸入「訂位」預約座位
• 輸入「菜單」查看餐點
• 輸入「客服」聯繫真人」

插圖：Intent 結構示意圖

場景描述： 一張示意圖展示 Intent 的結構。中央是 Intent 名稱「make_booking」，周圍連接四個元素：Training Phrases（多個例句）、Parameters（date、time、party_size）、Response（回覆文字）、Context（輸入/輸出上下文）。

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: dialogflow-intent-structure-diagram

---

Entity（實體）進階

Entity 讓 Dialogflow 從使用者輸入中擷取有意義的資訊。

系統實體 vs 自訂實體

系統實體（System Entity）

Dialogflow 內建的實體，直接可用：

實體	用途	範例
@sys.date	日期	明天、1/15、下週一
@sys.time	時間	7 點、晚上 8 點半
@sys.number	數字	4、十、一百
@sys.phone-number	電話	0912345678
@sys.email	Email	[email protected]
@sys.url	網址	https://...
@sys.geo-city	城市	台北、高雄

自訂實體（Custom Entity）

針對你的業務需求建立：

Entity: @menu_item
Values:
- 炒飯
- 炒麵
- 牛排
- 義大利麵

同義詞設定

讓 Entity 認識同一個東西的不同說法：

Entity: @menu_item
Value: 炒飯
Synonyms: 蛋炒飯, 炒飯飯, 炒飯便當, fried rice

Value: 牛排
Synonyms: 牛排餐, 菲力牛排, steak, 排骨, 排餐

複合實體設計

當需要擷取複雜資訊時，可以組合多個實體：

Entity: @booking_info
Value: @sys.date @sys.time @sys.number 位
Example: 明天晚上 7 點 4 位

對話：
User: 我要訂明天晚上 7 點 4 位
→ 擷取：date=明天, time=19:00, party_size=4

建議：複合實體容易出錯，建議改用多輪對話分開詢問。

---

Context（上下文）深度解析

Context 是讓機器人「記住」對話的關鍵。沒有 Context，每次對話都像第一次。

Input Context / Output Context

Output Context：這個 Intent 觸發後，「設定」的 Context Input Context：這個 Intent 需要「存在」才能觸發的 Context

範例：訂位流程

Intent: start_booking
Input Context: (無)
Output Context: booking（lifespan: 5）
Response: 「好的，請問用餐日期是？」

Intent: provide_date
Input Context: booking
Output Context: booking_date（lifespan: 5）
Response: 「$date 收到，請問幾點用餐？」

Intent: provide_time
Input Context: booking_date
Output Context: booking_complete（lifespan: 2）
Response: 「$date $time，請問幾位用餐？」

效果：使用者必須先觸發 start_booking，才能觸發 provide_date。這樣可以防止使用者亂講話導致流程混亂。

Lifespan 生命週期設定

Lifespan 決定 Context 存活多少輪對話。

Lifespan	效果
0	立即移除這個 Context
1	只存活這一輪
5	存活 5 輪（預設）
10+	長時間記憶

設定建議：

• 短流程（2-3 步）：Lifespan 設 3-5
• 長流程（5+ 步）：Lifespan 設 10+
• 需要清除時：在結束 Intent 設定 Output Context lifespan = 0

多輪對話設計模式

模式 1：線性流程

開始 → 問日期 → 問時間 → 問人數 → 確認
 │        │         │         │        │
 └─ C1 ──┴── C2 ───┴── C3 ───┴─ C4 ───┘

每一步設定不同的 Context，確保順序執行。

模式 2：分支流程

        ┌─→ 內用流程 ─→ 問人數 → 問時間
開始 ──┤
        └─→ 外帶流程 ─→ 問品項 → 問取餐時間

根據使用者選擇，進入不同的 Context 分支。

模式 3：隨時跳出

在任何步驟都可以說「取消」跳出流程：

Intent: cancel_booking
Input Context: booking
Output Context: booking（lifespan: 0）  // 清除 Context
Response: 「已取消訂位，有其他需要嗎？」

Context 參數傳遞

Context 可以攜帶參數，讓後續 Intent 使用前面收集的資訊。

設定方式：

Intent: provide_date
Parameters:
  - date: @sys.date
Output Context: booking
  - 參數會自動帶入 Context

下一個 Intent 中使用：
Response: 您選的日期是 #booking.date

存取方式：

• 同名 Context：$parameter_name
• 指定 Context：#context_name.parameter_name

插圖：Context 流程圖

場景描述： 一張流程圖展示 Context 在多輪對話中的運作。三個 Intent 方塊垂直排列，每個方塊顯示 Input/Output Context 設定。旁邊用時間軸表示 Context 的生命週期，標示 lifespan 數字遞減的過程。

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: dialogflow-context-flow-diagram

---

Agent 架構設計

當專案變大，Intent 和 Context 的管理變得很重要。

意圖分類策略

用命名規則分類：

訂位相關：
- booking.start
- booking.provide_date
- booking.provide_time
- booking.confirm
- booking.cancel

查詢相關：
- query.order_status
- query.menu
- query.hours

通用：
- common.greeting
- common.thanks
- common.help

好處：

• 在 Console 中排列整齊
• 一眼看出 Intent 屬於哪個功能
• 團隊協作更清楚

對話流程規劃

在開始建 Intent 之前，先畫出對話流程圖：

┌───────────────────────────────────────────────┐
│                  對話開始                       │
│              「你好，我是 XX 客服」              │
└───────────────┬───────────────────────────────┘
                │
    ┌───────────┼───────────┬───────────┐
    ▼           ▼           ▼           ▼
┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐
│ 訂位  │ │ 查詢  │ │ 客訴  │ │ 其他  │
└───┬───┘ └───┬───┘ └───┬───┘ └───┬───┘
    │         │         │         │
    ▼         ▼         ▼         ▼
 [流程]    [流程]    [轉人工]   [FAQ]

設計原則：

• 主要功能不超過 5 個入口
• 每個流程控制在 3-5 步
• 永遠提供「返回」或「取消」選項

大型專案組織方式

方法 1：用 Context 前綴分組

booking_*：訂位相關 Context
order_*：訂單相關 Context
support_*：客服相關 Context

方法 2：考慮升級到 CX

如果 Intent 超過 50 個，建議改用 Dialogflow CX。CX 的 Flow 架構更適合大型專案。

詳細的 CX 教學請參考 Dialogflow CX 教學：從入門到進階。

插圖：Agent 架構規劃圖

場景描述： 一張心智圖風格的圖表，中央是 Agent 名稱，分支出四個主要功能區（訂位、查詢、客服、FAQ）。每個功能區下方列出相關的 Intent 名稱，用顏色區分不同分類。

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: dialogflow-agent-architecture-planning

---

對話架構越做越亂？Intent 和 Context 的規劃需要經驗，架構不好會讓專案難以維護。預約架構諮詢，讓有經驗的人幫你設計可擴展的架構。

---

Conditional Response 條件式回應

讓機器人根據不同情況給出不同回應，更像真人對話。

根據參數動態回應

場景：根據人數給不同回應

方法 1：在 Response 中使用條件（ES 不直接支援）

方法 2：使用 Fulfillment

function handler(agent) {
  const partySize = agent.parameters.party_size;

  if (partySize > 10) {
    agent.add('10 位以上需要預付訂金，請問可以嗎？');
  } else if (partySize > 6) {
    agent.add('好的，6 位以上幫您安排包廂，請問時間是？');
  } else {
    agent.add('好的，請問用餐時間是？');
  }
}

根據 Context 切換回應

場景：已經問過日期，不要重複問

function handler(agent) {
  const context = agent.context.get('booking_date');

  if (context) {
    const date = context.parameters.date;
    agent.add(`您之前選的是 ${date}，要改日期嗎？還是繼續？`);
  } else {
    agent.add('請問用餐日期是哪一天？');
  }
}

實作範例

完整的條件式訂位流程：

exports.dialogflowWebhook = (request, response) => {
  const agent = new WebhookClient({ request, response });

  function handleBooking(agent) {
    const { date, time, party_size } = agent.parameters;

    // 檢查是否是週末
    const bookingDate = new Date(date);
    const isWeekend = bookingDate.getDay() === 0 || bookingDate.getDay() === 6;

    // 檢查是否是熱門時段
    const hour = parseInt(time.split(':')[0]);
    const isPeakHour = hour >= 18 && hour <= 20;

    if (isWeekend && isPeakHour && party_size > 4) {
      agent.add('週末熱門時段大桌位置有限，建議提前 3 天預約。您確定要訂這個時段嗎？');
    } else if (isWeekend) {
      agent.add('週末用餐人較多，建議提早 10 分鐘到場。確認訂位嗎？');
    } else {
      agent.add(`好的，${date} ${time}，${party_size} 位，確認訂位嗎？`);
    }
  }

  const intentMap = new Map();
  intentMap.set('booking.confirm', handleBooking);

  agent.handleRequest(intentMap);
};

更多 Fulfillment 開發細節，請參考 Dialogflow Fulfillment 與 API 整合教學。

---

常見錯誤與除錯

錯誤 1：Intent 互相衝突

症狀：說 A 卻觸發 B

原因：Training Phrases 太相似

解法：

1. 檢查兩個 Intent 的 Training Phrases
2. 讓差異更明顯
3. 使用 Input Context 區隔

錯誤 2：Context 過期

症狀：多輪對話中途斷掉

原因：Lifespan 太短

解法：增加 Lifespan，或在每個步驟都重新設定 Output Context

錯誤 3：參數擷取失敗

症狀：應該擷取到的參數是 null

原因：

1. Entity 沒有覆蓋使用者的說法
2. Training Phrases 沒有標註 Entity

解法：

1. 增加 Entity 的同義詞
2. 確認 Training Phrases 有正確標註

除錯技巧

使用測試面板：

1. 在 Dialogflow Console 右側測試
2. 點擊「Diagnostic Info」查看詳細資訊
3. 檢查觸發的 Intent、參數值、Context 狀態

查看歷史記錄：

1. 點擊左側「History」
2. 查看過去的對話記錄
3. 找出辨識失敗的案例，加入 Training Phrases

---

下一步

掌握 Intent 和 Context 後，你可以：

1. 整合後端系統：Dialogflow Fulfillment 與 API 整合教學
2. 串接 LINE Bot：Dialogflow LINE Bot 串接教學
3. 學習 CX 版本：Dialogflow CX 教學：從入門到進階

插圖：Intent/Context 學習完成路線圖

場景描述： 一張路線圖，起點是「Intent/Context 基礎」，分成三條路徑：「後端整合」連接到 Fulfillment 文章、「平台整合」連接到 LINE Bot 文章、「進階架構」連接到 CX 教學文章。每條路徑用不同顏色標示。

視覺重點：

• 主要內容清晰呈現

必須出現的元素：

• 依據描述中的關鍵元素

需要顯示的中文字： 無

顏色調性： 專業、清晰

避免元素： 抽象圖形、齒輪、發光特效

Slug: dialogflow-intent-context-next-steps

---

對話設計需要專業建議？

好的對話設計讓使用者覺得在跟真人聊天，不好的設計讓人想直接打電話找客服。

如果你需要：

• 規劃複雜的多輪對話流程
• 優化現有機器人的辨識率
• 設計自然流暢的對話體驗
• 處理大量 Intent 的架構規劃

預約 AI 導入諮詢，讓有經驗的對話設計師幫你打造真正好用的 AI 客服。

諮詢完全免費，我們會在 24 小時內回覆。

---