如何从 AWS lambda 重建对 Amazon lex 的响应？答案

【问题标题】：How to reconstruct a response to Amazon lex from AWS lambda?如何从 AWS lambda 重建对 Amazon lex 的响应？
【发布时间】：2019-09-16 14:08:06
【问题描述】：

我在 lex 控制台中设置了一个机器人，它从用户那里收集数据，例如他们感兴趣的产品/服务以及电子邮件 ID、电话号码等。现在，每次访问者与机器人交互时，我都想接收包含聊天对话的电子邮件。

我还创建了一个由 lex 实现触发的 lambda 函数，但我在 bot ui 上收到此错误 发生错误：无效的 Lambda 响应：收到来自 Lambda 的无效响应：无法构造 IntentResponse 的实例：没有字符串-参数构造函数/工厂方法从字符串值反序列化

根据文档，我已重建响应并返回它。

import json

def lambda_handler(event, context):
    print(event)

    var1 = '''dialogAction": {
    "type": "close",
    "fulfillmentState": "fulfilled",
    "message": {
      "contentType": "PlainText or SSML or CustomPayload",
      "content": "Message to convey to the user. For example, What size pizza would you like?"
    },
    }
    }'''
    return(var1)

这是错误的样子：-

An error has occurred: Invalid Lambda Response: Received invalid response from Lambda: Can not construct instance of IntentResponse: no String-argument constructor/factory method to deserialize from String value ('"dialogAction": { "type": "close", "fulfillmentState": "fulfilled", "message": { "contentType": "PlainText or SSML or CustomPayload", "content": "Message to convey to the user. For example, What size pizza would you like?" }, } }') at [Source: "\"dialogAction\": {\n \"type\": \"close\",\n \"fulfillmentState\": \"fulfilled\",\n \"message\": {\n \"contentType\": \"PlainText or SSML or CustomPayload\",\n \"content\": \"Message to convey to the user. For example, What size pizza would you like?\"\n },\n }\n }"; line: 1, column: 1]

【问题讨论】：

标签： python-3.x aws-lambda chatbot amazon-lex

【解决方案1】：

您错误地将响应作为字符串传递。通过使用三重引号'''，它添加了您可以在错误源中看到的换行符\n，而您不需要这些。

所以试试这个，只需将响应作为对象返回。我相信回调函数会在传递给 Lex 之前自动转换为 JSON。

 var1 = {
    dialogAction": {
         "type": "close",
         "fulfillmentState": "fulfilled",
         "message": {
               "contentType": "PlainText or SSML or CustomPayload",
               "content": "Message to convey to the user. For example, What size pizza would you like?"
         },
    }
}
return var1

【讨论】：