与 Python 的 Alexa 技能 | 上海软件外包公司-知力科技

Alexa 技能可以使用 Alexa Lambda 函数或 REST API 终结点进行开发。Lambda 函数是亚马逊在 AWS 中提供的无服务器功能的实现。亚马逊建议使用 Lambda 函数，尽管它们不容易调试。虽然您可以登录到 CloudWatch 日志，但您无法命中断点并进入代码。

这使得对 Alexa 请求的实时调试成为一项非常困难的任务。在这篇文章中，我们将通过使用 Python、npm 和 AWS Lambda 函数为 Amazon Alexa 实现自定义技能。这个技能基本上是一个Hello世界的例子。通过这篇文章，您将能够为 Amazon Alexa 创建自定义技能，使用 Python 实现功能，并从本地计算机和 AWS 启动自定义技能。这篇文章包含来自不同资源的材料，可以在”资源”部分看到。

先决条件

在这里，您有此项目中使用的技术

亚马逊开发者帐户 –如何获取它
AWS 账户 –在此处免费注册
询问 CLI =安装和配置 ASK CLI
Python 3.x
视觉工作室代码
点包管理器
Alexa Ask 用于 Python（版本 >1.10.2）
恩罗克

Alexa 技能套件命令行界面（ASK CLI）是一个工具，可供您管理您的 Alexa 技能和相关资源，例如 AWS Lambda 函数。借助 ASK CLI，您可以访问技能管理 API，该 API 允许您从命令行以编程方式管理 Alexa 技能。我们将使用这个强大的工具来创建、构建、部署和管理我们的 Hello World 技能。我们开始吧！

使用 ASK CLI 创建技能

对于创建 Alexa 技能，我们将使用以前配置的 de ASK CLI。首先，我们必须执行此命令：

ask new

此命令将运行和交互式分步创建过程：

ASK CLI 要询问我们的第一件事是我们技能的运行时。在我们的例子中 Python3 ，：

最后，ASK CLI 将询问技能的名称。我们将设置名称alexa-python-lambda-helloworld

项目文件

这些是项目的主要文件：

壳

Ⅹ



2

  • 配置

•

  [.vscode]

  • 启动.json

  • 任务.json

  钩子

  兰布达

[ ]




12

  • 拦截器



13

  • 区域设置



14

  [ ] hello_world.py



15

  [ ] 要求.



16

  模型



17

  • es-ES.json



18

  技能.json



19

  local_debugger












在我们执行命令之前，此配置文件将保持为空ask deploy
.vscode/launch.json：启动首选项以在本地运行技能以进行本地测试，并在 中执行所有任务 .vscode/tasks.json 。此设置将启动 local_debugger.py 。此脚本在http://localhost:3001上运行用于调试技能的服务器。
挂钩：包含挂钩脚本的文件夹。亚马逊提供两个钩子：post_new_hook和pre_deploy_hook。

post_new_hook：在技能创建后执行。在 Python 中，创建位于 .venv/skill_env 的虚拟环境。
pre_deploy_hook：在技能部署之前执行。在 python 中，创建 lambda/py/lambda_upload 将存储所有将 lambda 上载到 AWS 所需的全部必要的文件夹。


lambda/py： 包含技能 AWS Lambda 函数的源代码的文件夹：

hello_world.py：lambda 主入口点。
locales：i18n 库使用的字典 python-i18n ，它允许我们在不同的配置语言中运行相同的技能。
requirementes.txt：此文件存储我们项目的 Python 依赖项，是理解和使用 Python 和 pip 的基本部分。
errors：包含所有错误处理程序的文件夹。
intents：包含所有意向处理程序的文件夹。
interceptors：在这里你可以找到所有的拦截器。


模型 = 包含技能交互模型的文件夹。每个交互模型都根据区域设置命名的 JSON 文件中定义。例如，es-ES.json。
skill.json• 技能清单。我们项目中最重要的文件之一。
local_debugger.py：用于本地调试我们的技能。
Python 中的 Lambda 函数
适用于 Python 的 ASK SDK 允许您花费更多时间实现功能，减少编写样板代码的时间，从而更轻松地构建极具吸引力的技能。
您可以在其官方GitHub 存储库中找到文档、示例和有用的链接。
lambda 项目中的主 Python 文件 hello_world.py 位于 lambda/py 文件夹中。此文件包含所有处理程序、拦截器，并导出对象中的 Skill 处理程序 handler 。
handler每次针对此特定功能启动 AWS Lambda 时，都会执行该对象。理论上，AWS Lambda 函数只是单个函数。这意味着我们需要定义调度逻辑，以便单个函数请求可以路由到适当的代码，因此处理程序skill_builder导入技能生成器

  从ask_sdk_model导入响应

  从意图导入启动请求处理程序作为启动

  从意图导入 HelloWorld意向处理程序作为你好

  从意图导入帮助意向处理作为帮助

  从意图导入取消或停止意向处理程序作为取消

  从意图导入会话结束请求处理程序作为会话

  从意图导入意向反射器作为反射器

  从错误导入 CatchAllExceptionHandler 作为错误

  从拦截器导入本地化拦截器作为区域设置
• 技能构建器对象充当技能的入口点，路由所有请求和响应

  • 对上述处理程序的有效负载。确保您已使用的任何新处理程序或拦截器

  * 定义如下。订单很重要 - 从上到下处理。

  sb = 技能构建器（）
sb.add_request_handler（启动。启动请求处理程序（））

  sb.add_request_handler（你好。你好世界意向处理（））

  sb.add_request_handler（帮助。帮助意向处理（））

  sb.add_request_handler（取消。取消或停止意图处理程序（））

  sb.add_request_handler（会话）。会话结束请求处理程序（））

  • 确保意向反射处理程序是最后一个，这样它不会覆盖您的自定义意图处理程序

  sb.add_request_handler（反射器。意向反射器处理（））
sb.add_global_request_interceptor（区域设置。本地化拦截器（））
sb.add_exception_handler（错误。捕获所有异常处理程序（））
处理程序 = sb.lambda_handler（）"数据朗="文本/x-python"*


























Ⅹ

29










             
          




1

skill_builder导入技能生成器


2

从ask_sdk_model导入响应



3

从意图导入启动请求处理程序作为启动



4

从意图导入HelloWorld意向处理程序作为你好



5

从意图导入帮助意向处理作为as帮助



6

从意图导入取消或停止意向处理程序作为取消



7

从意图导入意向反射器作为as反射器


9

从错误导入CatchAllExceptionHandler作为错误



10

从拦截器导入本地化拦截器作为区域设置



11





12

• 技能构建器对象充当技能的入口点，路由所有请求和响应



13

• 对上述处理程序的有效负载。确保您已使用的任何新处理程序或拦截器



14

* 定义如下。订单很重要 - 从上到下处理。



15

sb.add_request_handler（发射）。启动请求处理程序（））


18

sb.add_request_handler（你好）。HelloWorld意向处理机（））



19

sb.add_request_handler（帮助）。帮助意向处理（））



20

sb.add_request_handler（取消）。取消或停止意图处理程序（））



21

sb.add_request_handler（会话）。会话结束请求处理程序（））



22

• 确保意向反射处理程序是最后一个，这样它不会覆盖您的自定义意图处理程序



23

sb

意向反射器处理 （））


24





25

sb.add_global_request_interceptor（区域设置）。本地化拦截器（））



26





27

sb.add_exception_handler（错误）。捕获所有异常处理程序（））



28





29

处理程序sb.lambda_handler（）










请务必查看在 LaunchRequestHandler Python 中编写的 Alexa 技能处理程序的示例：



Python
 




























Ⅹ

18










             
          




1

类启动请求处理程序（抽象请求处理程序）：



2

""技能启动的处理程序"。



3





4

[ ] 类型： （处理输入） -> 布尔


6





7

返回ask_utils。is_request_type（"启动请求"） （handler_input）



8





9

def句柄（自我handler_input）：



10

* 类型： （处理程序输入） -> 响应



11

speak_outputi18n.t（"字符串。WELCOME_MESSAGE"）



12





13

handler_input。response_builder


15

  .发言（speak_output）



16

  .询问（speak_output）



17

  .响应



18

  )











使用可视化工作室代码构建技能
技能的生成在 文件夹中和 文件夹中完全自动化 launch.json tasks.json .vscode 。第一个文件用于在本地运行技能，但在该时刻之前，我们将执行第二个文件中定义的一些任务，这些任务是：

create_env：此任务将执行 hooks\post_new_hook 。此脚本将执行以下任务：

如果未使用 安装库，将安装 virtualenv 该库 pip 。
安装后，如果不在.venv/skill_env


install_dependencies：此任务将安装位于lambda/py/requirements

build最后，它将将所有源代码复制到 lambda\py Python 虚拟环境 site-packages 文件夹。
在这里，您可以 tasks.json 找到上面解释的任务和每个操作系统分离的命令的位置：



Json
 




























Ⅹ

50









  {


2

// 请参阅https://go.microsoft.com/fwlink/?LinkId=733558



3

// 有关任务的文档。



4

"版本""2.0.0"，



5

"任务"： |



6

  {



7

"标签""create_env"



8

"类型""外壳"



9

"命令"："$_工作区 Root}/挂钩/post_new_hook.sh 。


11

  },



12

"窗口"：|



13

"命令""$_工作区Root}/挂钩/post_new_hook.ps1。



14

  },



15

"linux"： |



16

"命令""$_工作区Root}/挂钩/post_new_hook.sh 。



17

          },{


19

"标签""install_dependencies"



20

"类型""外壳"



21

"osx"： |



22

"命令"".venv/skill_env/bin/pip-q安装 -r $workspaceRoot_/lambda/py/要求.txt"，



23

  },



24

"窗口"：|



25




26

  },



27

"linux"： |



28

"命令"".venv/skill_env/bin/pip-q安装 -r $workspaceRoot_/lambda/py/要求.txt"，



29

  },



30

"Dependson"： |



31

"create_env"



32

  ]



33

"标签"："构建"，


35

"类型""外壳"



36

"osx"： |



37

"命令""cp -r $r $workspaceRoot}/lambda/py/ $_工作区 Root}/.venv/skill_env/lib/python3.8/站点包/"



38

  },



39

"窗口"：|



40

"命令"xcopy{\工作区 Root}\lambda_py"{\工作空间 Root}.venv\skill_env\lib_网站包"/s /e /h /y"，



41

"linux"： |


43

"命令""cp -r $r $workspaceRoot}/lambda/py/ $_工作区 Root}/.venv/skill_env/lib/python3.8/站点包/"



44

  },



45

"Dependson"： |



46

"install_dependencies"



47

  ]



48

  }



49

  ]



50


注：在 ${workspaceRoot}/.venv/skill_env/lib/python3.8/site-packages/ 任务中注意Linux和OSX中的文件夹 build 。python3.8如果使用其他版本的 Python，必须更换。
使用可视化工作室代码运行技能
launch.json文件夹中的文件具有 .vscode Visual Studio 代码的配置，这使我们能够在本地运行 lambda：



Json
 




























Ⅹ

50










             
          




1

  {



2

"版本""0.2.0"，



3

"配置"： |



4

"类型"："python" "python"


6

"请求""启动"



7

"名称""启动技能"



8

"只是我的代码"假，



9

// 指定下载的本地适配器（用于 python）文件的路径



10

"程序""$工作空间Root]/local_debugger.py"



11

"osx"： |



12

"pythonPath"："$_工作区Root}/.venv/skill_env/bin/python"


14

"args"： |



15

// 本地主机上的端口号，其中 alexa 请求将路由到



16

"-端口号""3001"，



17

// 您的蛇主技能文件的名称



18

"-技能输入文件""$_工作区Root]/.venv/skill_env/lib/python3.8/站点包/hello_world.py"，



19

// lambda 处理程序的名称



20

                  ],


22

  },



23

"窗口"：|



24

"启动前任务""构建"



25

"pythonPath""$工作空间Root}/.venv/skill_env/脚本/python.exe"，



26

"args"： |



27

// 本地主机上的端口号，其中 alexa 请求将路由到



28

// python 主技能文件的名称


30

"-技能输入文件""$_工作区Root]/.venv/skill_env/Lib/网站包/hello_world.py"，



31

// lambda 处理程序的名称



32

"-兰布达汉德勒""处理程序"



33

  ],



34

  },



35

"linux"： |



36

"pythonPath"："$_工作区Root}/.venv/skill_env/bin/python"


38

"args"： |



39

// 本地主机上的端口号，其中 alexa 请求将路由到



40

"-端口号""3001"，



41

// 您的蛇主技能文件的名称



42

"-技能输入文件""$_工作区Root]/.venv/skill_env/lib/python3.8/站点包/hello_world.py"，



43

// lambda 处理程序的名称



44

                  ],


46

  },



47

              



48

  }



49

  ]



50

  }










此配置文件将执行上一节中解释的步骤，并将运行以下命令：



Java
 




























xxxxxxx

1













1

  .venv/skill_env/脚本/蛇local_debugger。py-端口号3001-技能入门文件。venv/skill_env/Lib/站点-包/hello_world。py-lambdaHandler处理程序











此配置使用 local_debugger.py 该文件，该文件运行TCP 服务器侦听http://localhost:3001
对于新的传入技能请求，将建立一个新的套接字连接。从套接字上收到的数据中提取请求正文，解析为 JSON 并传递给技能调用器的 lambda 处理程序。lambda 处理程序的响应解析为此处指定的 HTTP 200 消息格式。响应写入套接字连接并返回。
配置我们的 launch.json 文件并了解本地调试器的工作原理后，是时候单击播放按钮了：

执行后，您可以将 Alexa POST 请求发送到http://localhost:3001。
注：在 ${workspaceRoot}/.venv/skill_env/lib/python3.8/site-packages/hello_world.py 任务中注意Linux和OSX中的文件夹 build 。python3.8如果使用其他版本的 Python，必须更换。
使用可视化工作室代码调试技能
按照之前的步骤，现在您可以在 Python 虚拟环境文件夹中的所有 Python 文件中的任何位置设置断点 site-package ，以便调试您的技能：

本地测试请求
我肯定你已经知道著名的工具叫邮递员。REST API 已成为为服务提供公共和安全接口的新标准。虽然REST已经无处不在，但它并不总是容易测试。邮递员，使测试和管理 HTTP REST API 变得更加容易。Postman 为我们提供了多个用于导入、测试和共享 API 的功能，从长远来看，这将有助于您和您的团队提高工作效率。
运行应用程序后，将在http://localhost:3001上提供终结点。使用邮递员，您可以模拟任何 Alexa 请求。
例如，您可以测试 LaunchRequest ：



Json
 




























Ⅹ

38










             
          




1

{



2

"版本""1.0"，



3

"会话"：|



4

"会话 Id" ："amzn1.echo-api.session.唯一值-这里]，


6

"应用程序"： |



7

"应用程序 Id""amzn1.ask.skill.skill."。唯一值-此处*"



8

  },



9

"用户"：|



10

"用户 Id""amzn1.ask.帐户。唯一值-此处*"



11

  },



12

"属性"：|



13

"上下文"：


15

"音频播放器"：



16

"玩家活动""IDLE"



17

  },



18

"系统"：



19

"应用程序"：



20

"应用程序 Id""amzn1.ask.skill.skill."。唯一值-此处*"



21

  },



22

"用户 Id"："amzn1.ask.帐户。唯一值-此处*"


24

  },



25

"设备"：



26

"支持的接口"：



27

"音频播放器"：



28

  }



29

  }



30

  }



31

"请求"： |


33

"类型""启动请求"



34

"请求 Id""amzn1.echo-api.请求。唯一值-这里]，



35

"时间戳""2020-03-22T17：24：44Z"



36

"区域设置""en-US"



37

  }



38

  }











部署您的 Alexa 技能
在代码准备就绪后，我们需要将其部署在 AWS Lambda 上，以便它可以连接到 Alexa询问文件夹为空：



Json
 




























Ⅹ









             
          




1

  {



2

"deploy_settings"： |



3

"默认"： |



4

"was_cloned"：假，


6

"合并"：|



7

  }



8

  }



9

  }










使用 ASK CLI 部署 Alexa 技能：
ask deploy
正如官方文件所说：
从未部署本地技能项目时，ASK CLI 会在帐户的开发阶段创建新技能，然后部署技能项目。如果适用，ASK CLI 会在您的 AWS 账户中创建一个或多个新的 AWS Lambda 功能，并上传 Lambda 功能代码。具体而言，ASK CLI 执行以下操作：

查看技能项目的配置文件（在 .ask 文件夹中，位于技能项目文件夹中）查找现有技能 ID。如果配置文件不包含技能 ID，ASK CLI 将使用技能项目技能.json 文件中的技能清单创建新技能，然后将技能 ID 添加到技能项目的配置文件中。
查看技能项目的清单（技能.json 文件），了解技能发布的区域设置。这些列在清单.发布信息.区域设置对象中。对于每个区域设置，ASK CLI 在技能项目的模型文件夹中查找相应的模型文件（例如 es-ES.json），然后将模型上载到您的技能

查看 AWS Lambda 终结点的技能项目的清单（技能.json 文件）。这些列在清单.apis.中。端点或清单.apis..地区。。终结点对象（例如，清单.apis.custom.终结点或清单.apis.smartHome.区域.NA.终结点）。每个终结点对象都包含一个源 Dir 值，并且可选地包含一个 uri 值。ASK CLI 将 sourceDir 文件夹的内容上载到相应的 AWS Lambda 函数，并将 Lambda 函数的名称与 uri 值相同。有关 ASK CLI 如何执行上载到 Lambda 的更多详细信息，请参阅 AWS Lambda 部署详细信息。
在技能项目文件夹中查找技能内产品，如果发现任何产品，请将其上传到您的技能。有关技能内产品的详细信息，请参阅技能内采购概述。
在 Python 中，还有一些步骤。在部署 Alexa 技能之前， pre_deploy_hook hooks 将执行文件夹中的脚本。此脚本将运行以下任务：

它将在 site-packages lambda_upload 一个名为"位于文件夹中"的新文件夹中复制 Python 虚拟环境的所有文件 lambda/py 。
然后，将复制您在 中的 Python 中编写的技能的 lambda/py 源代码 lambda/py/lambda_puload 。
最后，此新文件夹将作为 将 .zip 部署到 AWS。

执行上述命令后，我们将 config 正确填充该文件：



Json
 







1

  {



2

"deploy_settings"： |



3

"默认"： |



4

"skill_id""amzn1.ask.skill.skill.skill.53ad2510-5758-48db-9c43-e4263a2055db"，



5

"资源"： |



6

"兰布达"： |



7

  {



8

"自定义/默认"


10

  ],



11

"arn""arn"arn：aws：lambda：us-east-1：141568529918：功能：问-定制-alexa-python-lambda-helloworld默认"



12

"aws区域""我们-东方-1"，



13

"代码里""兰布达/py/lambda_upload"，



14

"功能名称""问-定制-alexa-python-lambda-helloworld默认"



15

"处理程序""hello_world.handler"



16

"运行时"："python3.6"


18

  }



19

  ],



20

"清单"：|



21

"eTag""3809be2d04cfb7f90dd0fa023920e0bd"



22

  },



23

"交互模型"：|



24

"es-ES"： |



25

            }


27

  }



28

  },



29

"was_cloned"假，



30

"合并"：|



31

  }



32

  }



33

  }











直接从 Alexa 进行测试请求
ngrok 是一个非常酷、轻巧的工具，可在本地计算机上创建安全隧道，以及可用于浏览本地站点或 API 的公共 URL假设您在端口 3001 上运行本地 Web 服务器。在终端中，您将键入： ngrok http 3001 。这将开始在端口 3001 上侦听，并创建安全隧道：

所以，现在你必须去Alexa开发人员控制台，转到你的技能 > 终结点 > https，添加上面生成的 https URL。https://20dac120.ngrok.io。 https://20dac120.ngrok.io
选择"我的开发终结点"是子域。下拉列表中的选项，然后单击页面顶部的保存终结点。
转到 Alexa 开发人员控制台中的"测试"选项卡，然后启动您的技能。
Alexa 开发人员控制台将向 ngrok 终结点（https://20dac120.ngrok.io）发送 HTTPS 请求，该终结点会将其路由到您在 web API 服务器上运行在 http://localhost:3001上的技能。
资源

官方亚历克萨技能套件 Python SDK
官方亚历克萨技能套件 Python SDK 文档
官方亚历克萨技能工具包文档

结论
这是一个基本教程，学习Alexa技能使用Python。正如您在此示例中看到的，适用于 Python 的 Alexa 技能套件和 ALEXa 工具（如 ASK CLI）可以帮助我们很多，并让我们能够轻松创建技能。我希望这个示例项目对你有用。
都是人！
编码愉快！
Related Posts:
Python 中的 BigQuery DataFrame
Python 库中一维张量的范数
Python 函数管道：简化数据处理
使用 Python 和 GPT-4 探索文本生成
探索用于生成 AI 的 Python 工具
Python 在城市规划中的应用
                
				Tags: code, span

			
            
  
	  
		  Comments are closed.