來自eBay的軟件工程師Robet Enyedi在QCon紐約2017會議上談了個人購物助手這款購物機器人應用背后的架構設計。這款購物機器人助手于2016年發布，是基于Facebook Messenger打造的，集成了AI組件和ebay的用戶數據，通過對話的形式來為用戶提供購物選擇。

　　Enyedi認為AI技術給商業帶來了深遠的影響，簡潔的、能夠提供個性化交互的在線購物體驗才能滿足當前用戶的需求。

　　開發購物聊天機器人有諸多挑戰，例如要解決關聯性問題，提供購物會話、信息會話以及售后會話等功能，這可不止是簡單的搜索。同時，系統設計上也存在約束，比如用戶的輸入信息可能比較少，或者由于多次交互導致用戶輸入信息零散化等問題。要準確理解用戶的輸入，需要大量的數據作為輸入，系統的輸出也要能做到用戶友好。

　　第三方機器人框架一般都支持自然語言理解和處理、意圖檢測（例如天氣、航班以及購物等信息）、實體抽取（例如數字、溫度等信息）。但是他們在非線性會話和粗粒度機器人記憶功能方面很有限，API、工具和實現方面的可用度和成熟度也千差萬別。eBay團隊自己實現了機器人解決方案，其可以提供商務感知的輸入分析，這些分析結果又可以通過大規模數據分析、細粒度的長期且存儲安全的機器人記憶管理來調整，并且支持非線性多輪次會話。

　　購物機器人架構一般包含以下幾個模塊：

　　Facebook Massagener

　　購物機器人內部組織（ShopBot Fabric）

　　購物機器人AI系統（包括輸入處理器和對話管理器）

　　數據存儲（機器人記憶和知識圖譜）

　　購物機器人技術棧基于微服務架構，包括java8、Scala、Python、Play、Google Cloud BigTable以及Spark機器學習模型訓練。部署模型基于Google云平臺、Docker以及Kubernetes。

　　這款應用支持多輪次會話和多模式系統輸入等特性。多模式系統輸入可以是文本、點擊、音頻或者這些所有輸入的混合。多輪次對話則包含圍繞一個話題的對話，這比傳統的一維搜索效率更高。

　　對話管理器是購物機器人應用的核心模塊，輸入分析、機器人記憶管理、商品檢索、搜索（文本，可視和綜合搜索）以及知識圖譜等，都依賴于對話管理器。

　　購物機器人未來規劃包括：在云端提供eBay全部的庫存詳單，在非線性對話交流功能上繼續創新以及在可使商務對話更加簡潔和快速的AI技術上投入研究等。