在目前市场上的智能客服及其NLP领域，聊天模块是一个非常重要的研究领域。目前业界对聊天模块的解决方案一般有以下三种方案：基于固定模板，我们都知道一般的业务问答解决方案都是基于模板的问答。同样，基于模板的问答也适用于聊天系统。这种方法的优点是容易控制。使用少量的模板来满足各种问题的需求，缺点是有比较高的概率回答没有被问到的问题。这种方法是在语料库的基础上，先收集整理一批聊天数据库。一般来说，它的目的是概括一个标准问题和相应的问题。问题有多个答案，形成类似于一问多答的效果。这种做法的好处是回答内容是可控的，不会出现意想不到的答案。目前市场上八卦语料的实践比较广泛，比如朱健机器人、平安，对金融保险行业比较好，对孩子来说比较好。北京光年的图灵机器人、狗尾草的小少爷等都是用的这种方法。缺点是答题内容非常有限。毕竟都是设计好的语料库中的答案。基于生成的生成一直是NLP领域的研究前沿。早期微软小冰和各大研究所推出的聊天系统都是生成式的。/神经网络可以获得额外的答案，从而达到无中生有的效果。缺点是答案的内容不可控，谁也无法预知会出现什么样的答案。目前，这种方法只能用于研究和一些真实的“聊天”，不能用于企业业务。毕竟，没有人能够真正控制答案的内容。是否存在性别或种族歧视？综上所述，这三种方式各有优势。在我们实际使用中，需要根据业务需要采用相应的设施。以下是三种方案的对比：答案内容可控性：基于语料>基于固定模板>基于生成答案内容丰富度：基于生成>基于固定模板>基于语料答案内容可靠性：基于语料>basedonfixedtemplate>basedongenerative目前大部分企业采用语料+模板的组合方式，既能实现内容的可控性，又能在一定程度上满足Richness。
