DialogFlow开发的Google Home应用迁移Alexa：后续意图触发方案咨询

我太懂你这种从DialogFlow转Alexa时的挫败感了——DialogFlow的后续意图把多轮对话做得像搭积木一样简单，而Alexa这边一开始摸不着门道真的很正常！结合你用自有API而非Lambda的场景，我给你梳理几个实用的实现思路：

核心逻辑：用会话属性（Session Attributes）跟踪对话进度 #

和DialogFlow自动维护上下文不同，Alexa需要你手动管理对话的“状态”——也就是当前问到了哪一步，已经收集到了哪些用户信息。会话属性会在整个对话周期内保留，正好用来存这些关键数据。

步骤1：先拆解对话流程，定义状态和槽位 #

先把你的需求拆成明确的递进步骤，比如：

• 状态1：初始启动，询问第一个问题（低维护/功能性花园）
• 状态2：已收集第一个偏好，询问第二个问题（是否喜欢放松型花园）
• 状态3：已收集前两个信息，询问第三个问题（是否要种蔬菜）
• 状态4：所有信息收集完成，调用自有API返回结果

同时，把要收集的信息定义成对应槽位：比如自定义槽位GardenType（值为low maintenance/working），系统槽位YES_NO（用来处理后两个问题的是/否回答）。

步骤2：在自有API中根据会话状态处理请求 #

你不需要为每个步骤单独创建意图（当然也可以，但更高效的是用一个主意图配合状态判断）。比如创建一个GardenRecommendationIntent，然后在你的API服务端按以下逻辑处理：

伪代码示例（服务端处理逻辑）

# 假设这是你的自有API处理Alexa请求的核心逻辑
def handle_alexa_request(request_data):
    # 读取会话属性（如果没有则初始化）
    session_attrs = request_data.get('session', {}).get('attributes', {})
    current_step = session_attrs.get('current_step', 1)
    slots = request_data.get('intent', {}).get('slots', {})

    # 按当前对话步骤分支处理
    if current_step == 1:
        # 第一次触发，直接问第一个问题
        return {
            "outputSpeech": {"type": "PlainText", "text": "您偏好低维护型还是功能性花园？"},
            "shouldEndSession": False,
            "sessionAttributes": {"current_step": 2}
        }
    elif current_step == 2:
        # 收集第一个回答，验证有效性
        garden_type = slots.get('GardenType', {}).get('value')
        if not garden_type or garden_type not in ['low maintenance', 'working']:
            # 用户回答不符合要求，重新引导
            return {
                "outputSpeech": {"type": "PlainText", "text": "抱歉我没听清，您是偏好低维护型还是功能性花园呢？"},
                "shouldEndSession": False,
                "sessionAttributes": {"current_step": 2}
            }
        # 保存信息，进入下一轮
        session_attrs['garden_type'] = garden_type
        session_attrs['current_step'] = 3
        return {
            "outputSpeech": {"type": "PlainText", "text": "您是否喜欢可放松的花园？"},
            "shouldEndSession": False,
            "sessionAttributes": session_attrs
        }
    elif current_step == 3:
        # 收集第二个回答
        relax_pref = slots.get('RelaxPreference', {}).get('value')
        if not relax_pref or relax_pref not in ['yes', 'no']:
            return {
                "outputSpeech": {"type": "PlainText", "text": "抱歉我没听清，您是否喜欢可放松的花园呢？请回答是或否。"},
                "shouldEndSession": False,
                "sessionAttributes": session_attrs
            }
        session_attrs['relax_preference'] = relax_pref
        session_attrs['current_step'] = 4
        return {
            "outputSpeech": {"type": "PlainText", "text": "您是否想要在花园中种植蔬菜？"},
            "shouldEndSession": False,
            "sessionAttributes": session_attrs
        }
    elif current_step == 4:
        # 收集第三个回答，调用自有API
        veggie_pref = slots.get('VeggiePreference', {}).get('value')
        if not veggie_pref or veggie_pref not in ['yes', 'no']:
            return {
                "outputSpeech": {"type": "PlainText", "text": "抱歉我没听清，您是否想要在花园中种植蔬菜呢？请回答是或否。"},
                "shouldEndSession": False,
                "sessionAttributes": session_attrs
            }
        # 调用你的业务API
        api_result = call_your_garden_api(
            garden_type=session_attrs['garden_type'],
            relax_pref=relax_pref,
            veggie_pref=veggie_pref
        )
        # 返回结果并结束会话
        return {
            "outputSpeech": {"type": "PlainText", "text": api_result.get('reply', '根据您的需求，为您推荐适合的花园方案。')},
            "shouldEndSession": True
        }

可选方案：用Alexa Dialog Management简化槽位填充 #

如果觉得手动写状态判断太繁琐，你可以用Alexa的Dialog Management功能（在Skill Builder后台配置）。它能自动帮你引导用户填充缺失的槽位，适合槽位之间没有依赖的场景：

• 在意图中添加所有需要的槽位，标记为Required
• 为每个槽位设置Prompt（缺失时的提问语）
• 配置完成后，Alexa会自动依次询问用户所有槽位，收集完成后再把完整数据发送到你的API

不过如果你的后续问题需要根据前面的回答动态调整（比如用户选了低维护就跳过某个问题），还是手动用会话属性的方式更灵活。

关键注意事项 #

• shouldEndSession必须设为False：多轮对话过程中，这个字段一定要设为False，否则会话会直接中断，用户没法继续回答。
• 错误处理不能少：一定要处理用户回答不符合预期的情况（比如没听清、回答不在槽位选项里），重新引导用户，避免体验断裂。
• 跨会话保存可选：如果需要长期保存用户偏好，可以用Alexa的Persistent Attributes，但需要用户授权。

内容的提问来源于stack exchange，提问作者Codebricks