---
title: "對話系統（Dialogue System）"
slug: dialogue-system
language: zh-TW
source: https://aiterms.tw/terms/dialogue-system
updated_at: 2026-04-29
tags: [自然語言處理, AI應用, 機器學習, 深度學習, 大型語言模型]
ipas_term: false
---

# 對話系統（Dialogue System）

> **你跟客服機器人對話時，它怎麼理解你的意圖並接話？**
> 你可以把 對話系統 想成一個會理解意圖、再組織回應的對話引擎。
> 它其實就是先判斷你在問什麼，再決定要回答、追問，還是幫你完成任務。
> 對話系統是一種能與人類進行自然語言互動的AI系統，目標是理解使用者意圖並提供適當的回應，完成特定任務或提供資訊。如果少了這個中介，聊天機器人很容易只會接詞，不會接意圖。

### 容易混淆
> **vs 傳統搜尋引擎**
> 搜尋引擎像一本巨大的百科全書，你輸入關鍵字它給你一堆連結；對話系統則像一個會回答問題的專家，直接給你精準的答案，甚至能跟你來回互動。
>
> **聊天機器人 vs 對話式人工智慧**
> 聊天機器人 比較像同一類問題裡的近鄰參考，對話式人工智慧 則更像把資料或結構往更深一層整理，兩者的用法不一樣。
>
> **最關鍵的區別：** 先看它是在做「理解、生成、分組、保護」哪一件事，再看細節。

### 記住這句就好
> 先懂意圖，再決定下一句怎麼回

### 實際案例
> **案例一：對話系統 做客服問答**
> 使用者只打「我要改地址」，系統先判斷是訂單、收件資訊還是帳號設定，再把流程接下去。
>
> **案例二：對話系統 做訂票助理**
> 當使用者說「下週五晚上」又補一句「台北到台中」，系統要把時間、地點和任務一起整理好。

### 深入了解
> 對話系統通常由理解、管理和生成三部分串起來
> 它不只是回一句話，而是要根據上下文持續判斷任務是否已完成
> 使用者一句話裡若有缺漏，系統還要學會追問或補齊資訊
>
> 對話系統 真正重要的，不是名詞本身，而是它幫你解決的是哪一類問題。

### 情境判斷
> **Q1（直覺題）：** 客服機器人收到一句不完整的話，第一步通常是什麼？
> → 先判斷使用者想做什麼，也就是先抓意圖，再決定怎麼接話。
>
> **Q2（判斷題）：** 只要模型會回話，就算對話系統做得好嗎？
> → 不一定，還要看它能不能維持上下文、完成任務、在模糊輸入時追問補齊資訊。
>
### 常見問題
> **Q：對話系統如何理解使用者的意圖？**
> 對話系統通常使用自然語言理解（NLU）技術來理解使用者的意圖。NLU模組會分析使用者的輸入，提取關鍵詞、短語和語法結構，並將其映射到預定義的意圖和實體。常用的NLU技術包括基於規則的方法、基於統計的方法和基於深度學習的方法。
>
> **Q：對話系統如何處理模糊或不完整的輸入？**
> 對話系統可以使用多種策略來處理模糊或不完整的輸入。例如，它可以詢問使用者更多資訊，使用上下文資訊來推斷使用者的意圖，或者提供多個選項供使用者選擇。此外，一些對話系統還可以使用容錯機制來處理拼寫錯誤或語法錯誤。
>
> **Q：如何評估對話系統的性能？**
> 評估對話系統的性能可以使用多種指標，包括：意圖識別準確率、實體提取準確率、對話成功率、使用者滿意度等。此外，還可以通過人工評估來評估對話系統的自然性、流暢性和有用性。常用的評估方法包括：使用者測試、專家評估和自動評估。
>
### 相關術語
> - **聊天機器人**：讀完這個再看它，可以把上下游概念串起來
> - **對話式人工智慧**：讀完這個再看它，可以把上下游概念串起來
> - **自然語言處理**：讀完這個再看它，可以把上下游概念串起來
> - **意圖分類**：讀完這個再看它，可以把上下游概念串起來
> - **槽位填充**：讀完這個再看它，可以把上下游概念串起來

---

來源：https://aiterms.tw/terms/dialogue-system
快查頁：https://aiterms.tw/terms/dialogue-system
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-dialogue-system