[论文解读] dFlow: A Domain Specific Language for the Rapid Development of open-source Virtual Assistants

Nikolaos Malamas, Konstantinos Panayiotou+1 more|arXiv (Cornell University)|Oct 3, 2023

AI in Service Interactions被引用 5

一句话总结

dFlow 是一种领域特定语言（DSL），通过与框架无关的文本化方法，实现开源虚拟助手的低代码开发。基于与系统无关的元模型，并与 Discord 上的云原生架构集成，dFlow 允许 NLP 专业知识较少的开发人员，利用 Rasa 快速设计、测试和部署特定任务的虚拟助手，在大规模评估中展现出对初级开发人员的高可用性。

ABSTRACT

An increasing number of models and frameworks for Virtual Assistant (VA) development exist nowadays, following the progress in the Natural Language Processing (NLP) and Natural Language Understanding (NLU) fields. Regardless of their performance, popularity, and ease of use, these frameworks require at least basic expertise in NLP and software engineering, even for simple and repetitive processes, limiting their use only to the domain and programming experts. However, since the current state of practice of VA development is a straightforward process, Model-Driven Engineering approaches can be utilized to achieve automation and rapid development in a more convenient manner. To this end, we present extit{dFlow}, a textual Domain-Specific Language (DSL) that offers a simplified, reusable, and framework-agnostic language for creating task-specific VAs in a low-code manner. We describe a system-agnostic VA meta-model, the developed grammar, and all essential processes for developing and deploying smart VAs. For further convenience, we create a cloud-native architecture and expose it through the Discord platform. We conducted a large-scale empirical evaluation with more than 200 junior software developers and collected positive feedback, indicating that dFlow can accelerate the entire VA development process, while also enabling citizen and software developers with minimum experience to participate.

研究动机与目标

• 解决由于复杂的 NLP 和软件工程需求导致的虚拟助手（VA）开发高门槛问题。
• 使具备最少领域知识的公民开发者和初级程序员能够无需深入掌握 NLP 或软件工程知识，创建特定任务的虚拟助手。
• 提供与供应商和框架无关的解决方案，避免供应商锁定，并支持在不断演进的开源 NLP 框架中实现可扩展性。
• 通过使用文本化 DSL 和自动化部署流水线的模型驱动工程（MDE），加速虚拟助手开发。
• 在非专家参与者的真实场景中，评估 dFlow DSL 的可用性和有效性。

提出的方法

• 设计一种与系统无关的虚拟助手元模型，抽象出核心 VA 组件，独立于底层框架。
• 定义一种文本化 DSL 语法，以人类可读且可重用的格式指定意图、实体、训练示例和对话流程。
• 实现一个生成器组件，使用开源 Rasa 框架将 dFlow 模型转换为 Rasa 兼容的配置。
• 设计并部署一种云原生架构，托管 dFlow 系统，通过 Discord 平台实现模型的自动生成和部署。
• 集成端到端流程，包括模型验证、测试和部署，以支持无缝的开发工作流。
• 采用模型驱动工程（MDE）流水线，其中元模型、DSL 语法和代码生成器相互解耦且可组合。

实验结果

研究问题

• RQ1 RQ1：文本化 DSL 是否能显著降低非专家开发人员在创建特定任务虚拟助手时的开发工作量和学习曲线？
• RQ2 RQ2：dFlow DSL 在多大程度上实现与框架和系统无关，从而支持未来扩展至其他 NLP 框架或部署环境？
• RQ3 RQ3：dFlow 在多大程度上能有效支持具备最少编程和 NLP 知识的公民开发者，成功设计并部署功能完整的虚拟助手？
• RQ4 RQ4：与传统虚拟助手开发工作流相比，dFlow 在感知可用性和生产效率方面有何提升？
• RQ5 RQ5：dFlow 是否可扩展以支持高级功能，如多轮对话、条件逻辑和外部服务集成？

主要发现

• 在 219 名参与者中，几乎所有人都能成功使用 dFlow 设计并部署虚拟助手，尽管他们仅具备基本编程技能，且在 NLP 或虚拟助手开发领域知识极少。
• 参与者表示 dFlow 简单明了，易于学习，理解或应用该语言时几乎没有困难，表明其入门门槛极低。
• dFlow DSL 在实践中展现出强大的可用性，使开发人员无需深入掌握 NLP 或软件工程知识，即可实现虚拟助手的快速开发与部署。
• dFlow 元模型的框架无关设计确保了长期可维护性，因为通过更新生成器，可支持新的 Rasa 版本或替代框架，而无需修改核心 DSL 或元模型。
• 基于 Discord 的云原生架构实现了无缝、实时的测试与部署，显著提升了开发体验并减少了设置开销。
• 研究证实，dFlow 有效减少了手写代码和特定领域的技术要求，使更广泛的公民开发者能够参与虚拟助手的创建。