也來寫機器人

今年五月，各平台陸續發表新的bot服務，為了學習golang也順便做點實驗，就順手寫了兩個平台上的機器人

Line: https://github.com/orsonwang/linebot_client

Line平台使用line官方的gloang 函式庫，直接可用

Facebook: https://github.com/orsonwang/fbbot_client

Facebook使用 https://github.com/frodsan/fbot 函式庫，但是在go 1.6會有點問題，所以我就自己Fork改了一下，雖然發了pull request回去，看來作者沒有要整併，也沒關係。 另外有 https://github.com/maciekmm/messenger-platform-go-sdk 可以直接使用，不過我懶得改過去了。

後面為了共用文字處理引擎，我借用 nats.io 來當one to many request response server，這樣就把這兩個程式變成純粹的收發平台，(幾乎)不做任何處理。

收到訊息，就把發送者ID跟訊息往後拋，讓後面文字處理引擎來回覆。

後面的文字處理本來想用jieba來斷字，但是就算斷完字，沒有語法引擎，還是要自己做patten matching，所以就乾脆的放棄斷字引擎，直接使用Reguar Expression來作業(也順便學一下RegEx的語法)。

這也回到一個問題，現在的文字服務，不管是關鍵字對應還是機器學習，最終還是需要撰寫patten matching才能提供服務，加上中文的難斷字、亂文法特性。最終會變成一個很大的map/Result，尤其是單句就完成的指令式服務，AI的價值好像很難彰顯。但是要做有記憶力的服務，難度就大幅提昇了，需要多重主詞、情境、指令的記憶點跟如何問答來補足資訊，這樣的服務用RegEx來寫，就會累死人(難以窮舉)，依靠機器學習來幫忙歸類才能讓負責寫答案的人專門寫答案。當然機器一定會有錯誤率，如果是在我所在的不能出錯行業，機器學習走監督式學習是必須的，讓機器學會把問題歸類到正確的答案區，整個對答就能很順利的完成。目前在這一塊技術，傳統字NLP領域，領先的好像是在北大，早幾年是中研院領先，但被北大超越後，好像就沒有再贏過去的發展。走機器學習來處理的，就都是中國的廠商了，台灣的廠商好像沒聽說有人投入，投入沒價值嗎？泛亞洲區用的文字幾乎都是需要另外斷字的，發展好能處理中文的，泰國、印尼、馬來西亞等新興國家都在後面等著你，好生意，誰會投資呢？

目前這文字引擎，不會聊天，都是處理金融業務的查詢，也為了做真一點的demo，就讓他提供真的匯率(背後寫了一個定時去爬台銀匯率網頁的小爬蟲)，另外也做了個覆的小能，然後就沒了，沒時間玩了。

現在在認真的測試聲紋辨識，希望能弄個方便的好東西出來。