不用神经网络！自己设计一款带记忆、同义词识别的轻量对话机器人（符号派小Demo）

程序员小董

53人浏览 · 2026-11-03 17:36:16

程序员小董 · 2026-11-03 17:36:16 发布

文章目录

前言

很多同学一听到人工智能、聊天AI，第一反应就是大模型、Transformer、神经网络、海量数据集、GPU训练。
包括我最开始也是这么认为的：AI = 写一堆复杂Python代码训练模型。

不一定所有AI都要神经网络，来试试手写一个带记忆的对话机器人
在这里插入图片描述

但还有一条古老、有趣、完全可控的路线：符号主义AI。
不需要深度学习、不需要训练、不需要数据集，依靠「关键词分组（同义词）+ 状态记忆 + 候选回复池」，也能做出一个不死板、有简单记忆能力的对话程序。

它不是通用大模型，理解能力有限，但胜在：
✅ 代码全透明，每一条回复逻辑都能看懂
✅ 上手门槛低，只需要基础C++
✅ 脱离死板的 if(输入=="xxx") 一对一查表
✅ 同一个语义，换不同说法也能识别，并且共享对话记忆

本文就带着大家从零实现这个小Demo，一起感受这种不一样的“人工心智”设计思路。

设计思路说明

先讲清楚核心架构，这是这个小机器人最精髓的地方：

同义词分组：把表达同一个意思的词语归为一组，映射到同一个话题标识。比如 hello、hi、你好、嗨 都属于打招呼话题。只要命中组内任意一词，都进入同一个状态。
话题状态记忆：给每个话题维护一个计数器，记录这个话题被用户询问过多少次。
差异化回复池：同一个话题，第一次触发、多次触发，分别准备多句候选回复，随机抽取，避免每次回答一模一样。
隔离状态污染：只有本轮输入命中关键词，才更新计数；本轮没有命中任何话题，直接返回听不懂，不会拿历史状态乱拼接回复（修复容易踩坑的bug）。
多话题同时命中支持：一句话同时命中多个话题时，可以输出混合风格的回复。

重点区分：

传统查表机器人：输入A→固定输出1，一一映射，非常死板
神经网络大模型：依靠数据拟合概率分布，黑盒，需要训练
我们这款符号对话机器人：人工定义语义分组与规则，靠状态叠加产生变化，可解释、可控

完整代码

#include <iostream>
#include <unordered_map>
#include <string>
#include <vector>
#include <random>

using namespace std;

// 判断字符串s是否包含子串sub
bool str_contains(const string& s, const string& sub) {
    return s.find(sub) != string::npos;
}

// 从候选回复数组中随机挑选一条
string random_pick(const vector<string>& arr) {
    static mt19937 rng(random_device{}());
    uniform_int_distribution<int> dist(0, arr.size() - 1);
    return arr[dist(rng)];
}

// 存储各个话题的交互次数（记忆结构体）
struct Data {
    unordered_map<string, int> ask_times = {};
    Data() {
        ask_times["hello"] = 0;
        ask_times["weather"] = 0;
    }
};

Data s;

// ========== 配置区：同义词分组，新增话题只在这里扩展 ==========
unordered_map<string, vector<string>> keyword_group = {
    {"hello", {"hello", "hi", "嗨", "你好"}},
    {"weather", {"weather", "天气", "下雨", "热不热"}}
};

// 检测输入，返回所有命中的话题列表
vector<string> detect_topic(const string& ipt) {
    vector<string> hit_topics;
    for (auto& item : keyword_group) {
        string topic = item.first;
        auto& words = item.second;
        for (auto& w : words) {
            if (str_contains(ipt, w)) {
                hit_topics.push_back(topic);
                break; // 当前话题只要命中一个同义词即可，不再重复检测本组其他词
            }
        }
    }
    return hit_topics;
}

// 根据本轮命中话题 + 历史计数，生成回复
string generate_reply(bool hit_hello, bool hit_weather) {
    // 同时命中多个话题，混合回复
    if (hit_hello && hit_weather) {
        vector<string> mix = {
            "一边打招呼一边问天气呀～",
            "哈喽，你是想问问天气吗？"
        };
        return random_pick(mix);
    }

    // 打招呼话题分支
    if (hit_hello) {
        int cnt = s.ask_times["hello"];
        if (cnt <= 1) {
            vector<string> hello_first = {
                "你好呀，很高兴认识你!",
                "哈喽！很高兴和你聊天~",
                "嗨，你好呀！"
            };
            return random_pick(hello_first);
        } else {
            vector<string> hello_more = {
                "你好呀，怎么又打了一次招呼呀!",
                "又见到你啦，哈喽～",
                "又跟我打招呼啦！"
            };
            return random_pick(hello_first);
        }
    }

    // 天气话题分支
    if (hit_weather) {
        int cnt = s.ask_times["weather"];
        if (cnt <= 1) {
            vector<string> weather_first = {
                "今天的天气看起来还不错哦",
                "你想了解天气吗？",
                "来聊聊天气啦"
            };
            return random_pick(weather_first);
        } else {
            vector<string> weather_more = {
                "又问天气啦，你很关心天气呀",
                "怎么又想知道天气啦？",
                "还在关心天气情况嘛"
            };
            return random_pick(weather_more);
        }
    }

    // 本轮没有命中任何关键词
    return "我还暂时没听明白你的问题";
}

int main() {
    cout << "===== 符号派简易对话机器人 =====" << endl;
    while (true) {
        cout << "\n请输入你想问的内容:" << endl;
        string ipt;
        cin >> ipt;

        auto hit_list = detect_topic(ipt);
        bool hit_hello = false;
        bool hit_weather = false;
        for (auto& t : hit_list) {
            if (t == "hello") hit_hello = true;
            if (t == "weather") hit_weather = true;
        }

        // 仅本轮命中话题才增加计数，避免记忆污染
        if (hit_hello) s.ask_times["hello"]++;
        if (hit_weather) s.ask_times["weather"]++;

        cout << generate_reply(hit_hello, hit_weather) << endl;
    }
    return 0;
}

运行测试示例

===== 符号派简易对话机器人 =====

请输入你想问的内容:
hello
你好呀，很高兴认识你!

请输入你想问的内容:
你好
你好呀，怎么又打了一次招呼呀!

请输入你想问的内容:
weather
你想了解天气吗？

请输入你想问的内容:
天气
又问天气啦，你很关心天气呀

请输入你想问的内容:
aaaa
我还暂时没听明白你的问题

可以看到：
hello 和 你好 属于同一个话题，记忆互通；weather 和 天气 互通。
多次输入同义内容，会切换二次话术；无关输入不会乱触发历史记忆。