Botpress vs Dialogflow ES vs Dialogflow CX pada tahun 2022 [Bagian satu]

Membandingkan Dialogflow dan Botpress cukup sulit dan menghabiskan banyak waktu. Kedua ekosistem pembuat chatbot ini memiliki fungsionalitas yang tak terhitung jumlahnya dan cara berbeda dalam melakukan berbagai hal yang membuat perbandingan head to head menjadi rumit, bahkan bagi orang-orang di industri ini. Jika Anda memutuskan di antara keduanya untuk proyek Anda berikutnya, sebenarnya hanya ada satu faktor nyata yang dapat memaksa Anda memilih salah satu dari keduanya, tergantung pada kebutuhan Anda (Botpress bukan SaaS, dan Dialogflow dihosting). Untuk sebagian besar, Anda akan menemukan bahwa kedua pilihan itu sah, tetapi Anda mungkin menemukan preferensi.

Untuk membantu Anda memahami bagaimana rasanya membuat bot dengan Dialogflow atau Botpress, saya telah membuat daftar poin-poin penting dan mengambil tangkapan layar sehingga Anda dapat memvisualisasikan perbedaan praktisnya. Saya telah berfokus pada: kemudahan umum platform, orientasi dan bekerja dengan anggota tim baru, melakukan tindakan umum & mengelola berbagai hal dalam skala besar.

Penting untuk dicatat bahwa, sampai batas tertentu, ketika Anda memilih Dialogflow, apa yang sebenarnya Anda lakukan adalah berinvestasi di Google Cloud Platform, jadi saya telah mengelompokkan Dialogflow ES (esensial) dan CX (pengalaman pelanggan). Selain itu, supaya adil, saya akan membandingkan dengan Botpress Enterprise, untuk memastikan perbandingannya adalah untuk solusi berbayar.

TLDR

Untuk bot gaya FAQ murni, Dialogflow ES akan melakukan pekerjaan itu! Untuk kontrol penuh atas kemampuan dan data Anda, Anda perlu mengunjungi Botpress Enterprise dan menjadi tuan rumah sendiri. Jika tidak, Dialogflow CX dan Botpress dapat menangani sebagian besar proyek dengan baik, dan ketiganya memiliki kemampuan pemahaman bahasa yang serupa. Dialogflow CX secara keseluruhan memiliki lebih banyak fitur dan memiliki polesan google, sedangkan Botpress lebih mudah dipahami dan digunakan. Harga sulit untuk dibandingkan, karena Dialogflow diberi harga per pesan (CX jauh lebih mahal daripada ES), dan model harga Botpresslebih berorientasi pada layanan.

Tabel Perbandingan Perbedaan

‍

Perbandingan Lengkap

‍

Menambahkan Tombol, dan pilihan

Tombol, pilihan dan saran sangat bagus karena memungkinkan pengguna untuk mengetahui apa saja pilihan yang ada, dan memudahkan mereka untuk memilih apa yang mereka inginkan. Bahkan pada panggilan telepon, pilihan dapat membantu pengguna menavigasi menu. Pada platform berbasis teks lainnya yang tidak mendukung tombol, singkatan dapat mempermudah untuk menjawab.

Dialogflow ES

• Jenis respons default pada Dialogflow ES tidak mengandung apa pun yang menyerupai tombol!

• Ketika Anda memilih platform seperti Slack yang mendukung fungsionalitas seperti tombol, Anda bisa melihat jenis respons bawaan untuk platform tersebut. Slack memiliki Gambar, Kartu, dan Balasan Cepat yang tidak dimiliki oleh opsi default (tanpa platform).

• Balasan Cepat dan Kartu adalah cara mudah untuk menambahkan tombol di Slack.

• Pada emulator obrolan, pratinjau khusus platform menunjukkan perbedaan di antara keduanya. Lebih mudah untuk mendapatkannya di dalam Dialogflow itu sendiri.

• Anda dapat dengan mudah menambahkan tautan atau teks. Balasan cepat memiliki nilai yang sama dengan teks. Nilai digunakan untuk deteksi maksud Pemahaman Bahasa Alami.

• Ada dua cara untuk menangani tanggapan. Yang pertama adalah membuat maksud dengan frasa pelatihan yang mirip dengan yang digunakan dalam Card / Quick Reply. Dialogflow menangkapnya dan mengirim pengguna ke respons.

• Metode kedua adalah dengan menggunakan fulfillment, sebuah cara yang bagus untuk mengatakan tindakan yang dilakukan setelahnya. Secara khusus, webhook pemenuhan berarti: menangani respons dengan kode.

• Sayangnya Anda harus pergi ke halaman yang berbeda untuk menangani semua pemenuhan Anda.

1 dari 8

Pada titik ini, Anda harus menggunakan fungsi google cloud , atau server Anda sendiri untuk menangani logika khusus. Ada sebuah editor kode yang terintegrasi, tetapi sangat terbatas. Ini bisa digunakan untuk satu atau dua tindakan, tetapi Anda tidak ingin memiliki seluruh kode Anda di sini.

Jika Anda berencana untuk mendukung beberapa platform, termasuk web, Anda harus membuat respons untuk setiap jenis. Keuntungannya adalah bahwa hal ini lebih kecil kemungkinannya untuk rusak. Di sisi lain, Anda akan memiliki lebih banyak pekerjaan berulang. Pratinjau khusus platform sangat bagus untuk pengujian. Sulit untuk beralih dari maksud ke maksud, untuk melihat apa yang sebenarnya terjadi ketika tombol diklik. Jika respons menangani kode, juga sulit untuk melihat apa yang terjadi, bahkan hanya untuk mendapatkan perspektif umum tentang apa yang sedang terjadi.

Dialogflow CX

Dialogflow CX menangani tombol dengan cara yang sama dan berbeda pada waktu yang sama.

• Dalam sebuah halaman, Anda perlu mengedit pemenuhan. Anggap saja sebagai tindakan yang terjadi di dalam halaman ini (posisi pengguna dalam percakapan).

• Menu untuk menambahkan Opsi Dialog. Teks sangat mudah, tetapi tidak ada opsi yang jelas untuk tombol.

• Opsi "Muatan khusus" adalah yang Anda perlukan jika Anda ingin menambahkan tombol. Ini tidak terlalu intuitif.

• Sebagai contoh, ini adalah cara Anda menambahkan tombol / chip. Anda perlu menavigasi dokumentasi.

• Jika Anda mengklik tombol test agent dan mencobanya, Anda akan mendapatkan tampilan seperti ini. Tidak ada tombol, tidak ada cara untuk melihat seperti apa tampilan tombol tersebut pada platform yang berbeda. Sangat tidak membantu!

• Untuk menguji aliran Anda, buka kelola, lalu integrasi, lalu tombol sambungkan Dialogflow messenger.

• Aktifkan, lalu klik selesai

• Klik tombol "Coba sekarang" yang halus, kemudian buka gelembung obrolan di kanan bawah dan coba pertanyaan Anda. Sepertinya jika Anda ingin mencobanya dengan lebih nyaman, Anda perlu membuat berkas html dan menambahkan kode yang mereka berikan.

1 dari 8

Semoga berhasil menemukan jawaban yang satu ini! UI tidak menjelaskan hal ini dengan jelas, dan mencari jawabannya akan memberi Anda hasil untuk solusi berbasis kode dan untuk Dialogflow ES. Respon yang kaya sangat kuat, tetapi untuk beberapa alasan belum diberi perlakuan GUI yang tepat. Ini adalah solusi berbasis coding yang dipaksa untuk Anda tangani dalam GUI. Akhirnya, menguji ini di emulator tidak menunjukkan kepada Anda bagaimana tampilannya pada platform yang berbeda seperti Dialogflow ES, atau bagaimana tampilannya di webchat.

Botpress v12

• Dari menu sebelah kiri, seret dan jatuhkan ikon pilihan.

• Pertanyaan dapat digunakan kembali, jadi ada pemilih

• Memilih pertanyaan dan jawaban. Perhatikan teks bebas yang dinonaktifkan. Ini tentu saja hanya berfungsi pada platform yang mengizinkannya.

• Setelah membuat atau memilih pasangan pertanyaan/jawaban, inilah yang Anda lihat.

• Bagian lanjutan memungkinkan Anda untuk memberikan prompt dalam jumlah tertentu jika pengguna menulis jawaban yang tidak cocok.

• Dalam editor alur, Anda dapat dengan mudah memvisualisasikan dan menangani konsekuensi dari pilihan. Pada kegagalan adalah ketika pengguna menekan jumlah maksimum respons yang salah.

• Jika Anda tidak ingin memaksakan pilihan pada pengguna, melainkan hanya memberi mereka saran, atur jumlah percobaan ulang maksimum ke 0 lalu deteksi masukan pengguna di elemen "User_failed_input" yang memicu "On failure".

1 dari 7

Secara keseluruhan, membuat pilihan yang diperlukan itu mudah di Botpress setelah Anda tahu caranya dan mudah divisualisasikan. Memberikan saran kurang intuitif dan terasa seperti penggunaan fungsionalitas keterampilan Choice yang tidak direncanakan. Fakta bahwa tombol-tombolnya lintas platform bisa menghemat waktu Anda jika Anda berencana untuk mendukung banyak platform.

Perbandingan

Botpress agak tidak intuitif di sini, karena Anda perlu menggunakan keterampilan pilihan, bahkan jika Anda ingin menampilkan saran. Keuntungannya adalah validasi; Anda dapat memaksa pengguna untuk menanggapi salah satu pilihan. Memisahkan fungsionalitas saran dari keterampilan pilihan mungkin dapat membantu mempermudah hal ini. Dialogflow ES agak lebih mudah. Masalahnya adalah tidak ada fungsionalitas tombol untuk semua platform yang mendukung. Anda perlu membuka tab khusus platform untuk mencobanya. Ini cukup sulit ditemukan. Dialogflow CX adalah pecundang di sini, tanpa cara berbasis GUI untuk menambahkan tombol. Tidak semuanya lebih baik menggunakan kode, dan agak sulit untuk memahami mengapa mereka memilih cara ini. Sementara Botpress dan Dialogflow ES keduanya dapat membuat lebih jelas bagaimana cara menambahkan tombol, Botpress menawarkan tombol dan validasi lintas platform yang nyaman, sementara Dialogflow ES membuatnya lebih mudah untuk mendapatkan saran.

Memvisualisasikan alur penekanan tombol

Botpress menjadi yang terbaik di sini. Karena solusi tunggal yang pas memudahkan untuk melihat apa yang terjadi setelah tombol diklik. Tombol-tombol Dialogflow menawarkan fungsionalitas tautan yang nyaman, tetapi dalam hal alur percakapan, ini bisa jadi sulit untuk divisualisasikan. Dialogflow ES tidak memiliki aliran visual seperti Dialogflow CX atau Botpress, sehingga membuatnya juga sulit.

Menguji tombol-tombol

Botpress dan Dialogflow ES memiliki strategi yang berlawanan dalam emulator. Botpress mengasumsikan semuanya akan serupa, jadi hanya menampilkan satu tampilan umum, dan Dialogflow mengasumsikan semuanya berbeda, dan menampilkan setiap versi secara terpisah. Untuk beberapa alasan, Dialogflow CX tampaknya telah memilih emulator default yang tidak menampilkan kepada Anda, dan sebagai gantinya menampilkan data. Hal ini cukup merepotkan, baik ketika mengembangkan untuk satu platform, maupun beberapa platform. Ini adalah contoh bahwa CX tidak hanya menjadi versi upgrade dari ES.

Kemampuan Memahami Bahasa Alami

Solusi pembuat chatbot sering kali membanggakan NLU (Pemahaman Bahasa Alami) yang mengalahkan industri, tetapi bagaimana hal ini diterjemahkan untuk membangun percakapan? Ada dua pertanyaan yang harus Anda tanyakan tentang NLU jika Anda berencana menggunakannya. Apakah NLU mendukung bahasa X, dan seberapa baik dukungannya?

Secara umum, ada dua hal yang bisa salah dengan NLU. Mesin mendeteksi sesuatu yang seharusnya tidak terdeteksi (false positive), atau mesin tidak mendeteksi sesuatu yang seharusnya terdeteksi (false negative). Dalam praktiknya, solusi untuk kedua masalah tersebut adalah dengan memberikan lebih banyak contoh dan contoh tandingan kepada mesin pembelajaran mesin. Ketika kedua mesin memiliki tolok ukur yang sama, perbedaannya adalah Anda mungkin harus menambahkan lebih banyak contoh kalimat untuk menutupi kasus-kasus yang kurang akurat pada mesin yang kurang akurat agar mesin tersebut menjadi akurat. Hal ini mungkin tidak selalu terjadi, tergantung pada topik yang Anda coba untuk pecahkan.

Botpress open source menawarkan mesin bahasa yang lebih sedikit daripada Dialogflow ketika digunakan secara lokal (12 di luar kotak). Jika Anda ingin menggunakan bahasa yang bukan salah satu dari 12 bahasa tersebut, Anda juga bisa menggunakan model FastText (Facebook Open Source dengan daftar bahasa yang bisa ditemukan di sini) untuk NLU, dan jika Anda perlu mengubah model bahasa Anda, Anda bisa melakukannya. Anda juga bisa menggunakan mesin Dialogflow untuk NLU jika Anda tidak keberatan jika Google meng-hosting data Anda. Ini bukan salah satu dari keduanya. Kedua platform ini selalu memperbaiki hal ini. Karena Botpress dapat menggunakan Dialogflow untuk NLU, perbandingan yang adil adalah apa yang dapat dilakukan Botpress NLU yang tidak dapat dilakukan oleh Dialogflow NLU.

NLU dalam bahasa yang populer kemungkinan besar memiliki kualitas yang sama baiknya di kedua platform, dan bahasa yang kurang populer akan lebih merepotkan.

Meskipun demikian, Jika Anda mengharapkan dukungan bahasa Ibrani atau Arab, harap diperhatikan bahwa pada saat ini, Dialogflow ES tidak mendukung kedua bahasa tersebut.

Mengenali Elemen Kalimat

Biasanya, pemahaman bahasa alami dibagi menjadi dua komponen, deteksi maksud dan pengenalan entitas. Anda dapat menganggap maksud sebagai kalimat, dan entitas sebagai bagian dari kalimat yang ingin Anda pahami. Tanggal, waktu, dan lokasi adalah entitas.

Ambil contoh kalimat ini sebagai ilustrasi: "Cari tiket dari Tokyo ke New York pada tanggal 11 Juni". Maksudnya adalah membeli tiket penerbangan, dan kalimat itu sendiri disebut ucapan. Sebuah maksud biasanya memiliki banyak ujaran untuk dimasukkan ke dalam Mesin Pembelajaran Mesin. Tokyo, New York, dan 11 Juni adalah entitas. Tiket bukanlah entitas karena struktur kalimat ini tidak akan bekerja dengan sesuatu selain tiket pesawat. Namun, Anda dapat menjadikannya sebagai entitas jika Anda memiliki maksud "membeli sesuatu". Terserah Anda untuk memutuskan apa yang ingin Anda ekstrak!

Dialogflow dan Botpress memiliki fungsionalitas yang kurang lebih sama, dengan perubahan-perubahan pada Pengalaman Pengguna, dan opsi-opsi yang sudah jadi.

Dialogflow ES

Untuk membuat entitas di Dialogflow ES, Anda dapat menetapkannya terlebih dahulu, atau menambahkannya setelah Anda menulis ucapan.

• Untuk membuat entitas dari ucapan maksud, cukup sorot bagian yang Anda inginkan (dalam kasus ini #14147) dan popup akan muncul.

• Ada banyak opsi default di luar kotak.

• Apabila pencarian Anda tidak membuahkan hasil, tombol buat baru akan memudahkan.

• "Izinkan ekspansi otomatis" memungkinkan pengguna untuk menulis sesuatu seperti "apel, pir, pisang", dan NLU juga dapat mencocokkan "jeruk".

• Setelah Anda mendefinisikan entitas Anda, dan setelah membuat ucapan, Dialogflow akan secara otomatis menandai isinya. Dalam kasus ini, penandaan otomatis agak terlalu bersemangat, tetapi lebih mudah untuk menghapus tag, daripada menambahkannya, jadi semuanya baik-baik saja.

1 dari 5

Dialogflow CX

• Yang menarik, Dialogflow CX tidak mengikuti Dialogflow ES dalam hal entitas. Tombol entitas baru tidak ada, jadi Anda harus pergi ke tempat lain untuk menambahkannya.

• Sebagai gantinya, Anda mendapatkan ini di bagian bawah halaman maksud. "Is list" memungkinkan Anda untuk memasukkan serangkaian nilai (apel, pir, dan pisang), dan "Redact in log", bagi pengembang untuk menyembunyikan informasi sensitif seperti nomor kartu kredit dalam log mereka.

• Pada halaman entitas Dialogflow CX, Anda dapat membuat entitas. Hal ini pada dasarnya sama dengan Dialogflow ES, tetapi dalam urutan yang berbeda. Pengecualian utama adalah opsi "Redact in log" yang ditemukan di tingkat lanjut.

• Ini adalah sesuatu yang unik untuk Dialogflow CX.

1 dari 4

Pencocokan yang kabur dan entitas yang ditambahkan secara otomatis menyebabkan masalah positif palsu. Sebagai contoh, jika Anda ingin mendeteksi buah yang berbentuk bulat seperti apel, pir, dan melon, dan memilih opsi tersebut, maka pisang juga akan dicocokkan, meskipun tidak berbentuk bulat. Pengecualian entitas dapat digunakan untuk mengatasi hal tersebut, meskipun menamai semua buah yang tidak bulat tidak praktis. Jarak tempuh Anda akan bervariasi.

Botpress v12

• Membuat entitas di Botpress cukup sederhana, tetapi tidak bisa dilakukan dengan cepat.

• Menyorot sesuatu tidak memberi Anda opsi untuk membuat tag baru seperti yang dilakukan Dialogflow ES. Setidaknya Anda dapat menekan angka pada keyboard Anda (dalam hal ini 0), untuk menandai semuanya dengan cepat.

• Jika Anda ingin menandai sesuatu, Anda perlu membuat slot terlebih dahulu. Ini berbeda dengan Dialogflow.

1 dari 3

Perbandingan

Entitas bersifat abstrak bagi semua orang, dan tidak ada platform yang membuatnya menjadi konsep yang intuitif seperti yang dimaksudkan. Pengguna harus mencari sendiri, atau menemukannya dalam dokumentasi / tutorial. Ini adalah tindakan yang akan sangat sering membutuhkan Pengembang. Hal ini dikarenakan banyak entitas khusus seperti nomor pesanan akan membutuhkan Regular Expressions.

Pencocokan fuzzy di Dialogflow tampaknya sedikit lebih kuat, karena ia juga mencocokkan kata-kata yang diurutkan ulang, tetapi kecuali jika bahasa tersebut mengizinkan kata-kata untuk diurutkan ulang, hal ini tampaknya tidak terlalu berguna.

Perbedaan nyata antara Dialogflow dan Botpress adalah perluasan otomatis. Anda dapat memberikan daftar sinonim dan Dialogflow akan tetap dapat memahaminya. Diberikan daftar belanja: apel, pir, pisang, sebagai contoh entitas dan kalimat "Saya ingin membeli mangga", Botpress tidak akan mendeteksinya dengan benar, dan Dialogflow bisa. Anda dapat mengatasi hal ini dengan menambahkan lebih banyak pengecualian, tetapi itu berarti lebih banyak pekerjaan. Hal ini juga menciptakan masalah baru, karena Anda sekarang menghadapi risiko pendeteksian yang berlebihan. Bidang pengecualian di Dialogflow CX dirancang untuk menangani hal ini. Secara keseluruhan, karena ini opsional, penyertaannya merupakan keuntungan bagi Dialogflow.

Untuk pengguna biasa, Dialogflow ES menang karena memiliki opsi default paling banyak, ekspansi otomatis, dan penandaan yang lebih nyaman.

Dialogflow CX, menang pada daftar entitas dalam kalimat. Anda bisa melakukan ini di Botpress tetapi jauh lebih rumit. Dialogflow CX juga menang dengan fitur menyembunyikan informasi dari log, yang mungkin penting atau tidak penting, tergantung pada kasus penggunaan Anda, tetapi ini hanya menang atas Dialogflow ES, karena Anda memiliki kontrol penuh atas Botpress.

Di Dialogflow, entitas secara otomatis ditandai, dan pengguna bisa memodifikasi nama jika mereka ingin membedakannya. Entah bagaimana, hal ini lebih dan kurang intuitif pada saat yang sama, tetapi bagi orang-orang yang baru memulai, ini adalah satu hal yang tidak perlu dikhawatirkan. Di Botpress, entitas harus dibuat terlebih dahulu, sebelum pengguna dapat menandainya dalam ucapan.

Menerapkan siap produksi chatbots

Anda bisa mengatakan bahwa Botpress harus di-hosting sendiri dan Dialogflow sudah di-hosting untuk Anda, tetapi itu tidak akan memberikan gambaran yang tepat. Dalam praktiknya, Botpress Enterprise menawarkan layanan hosting, dan Anda mungkin akan memerlukan beberapa penerapan dengan Dialogflow. Mengapa? Karena meskipun Dialogflow dapat dijalankan sepenuhnya dari cloud, saat Anda ingin menambahkan fungsionalitas kustom, Anda harus menerapkan fungsionalitas itu sendiri, pada Google Cloud yang disarankan atau di tempat lain.

Dialogflow ES

Selama Anda tidak menambahkan fungsionalitas khusus seperti mengambil informasi pesanan dari database jarak jauh, Anda tidak akan memerlukan penyebaran kode, tetapi masih ada penyebaran versi bot yang harus dilakukan (semua ada di cloud).

• Setelah Anda siap untuk menerapkan, buka pengaturan, lalu klik "Publikasikan versi".

• Beri nama, seperti Rilis awal atau v1.0.

• Anda dapat menamakan lingkungan Anda "Produksi". Opsi pemenuhan fungsi Cloud sama dengan Webhook, tetapi terintegrasi dengan Google Cloud.

• Di halaman Integrasi, pilih integrasi yang Anda inginkan, lalu Anda dapat memilih lingkungan yang Anda buat. Selesai!

1 dari 4

Untuk men-deploy kode kustom Anda, Anda dapat memilih platform lain, tetapi semua dokumentasi akan mengarahkan Anda untuk menggunakan fungsionalitas tanpa server dari Google Cloud. Anda akan menggunakan api ini untuk men-deploy kode Anda.

Pada kenyataannya, jika bot Anda sedikit rumit, bot Anda akan mengakses API, dan jika melakukannya, Anda akan memerlukan kode khusus. Meskipun hal ini dapat dilakukan dengan mudah (unggah kode Anda dengan satu perintah), jika Anda ingin melakukan tes kegunaan apa pun sebelum mengubah kode Anda, maka Anda mungkin harus membuat salinan agen Anda di Dialogflow ES untuk diuji. Tidak ada cara yang mudah untuk melakukan hal ini.

Dialogflow CS

Ini sangat mirip dengan Dialogflow ES.

• Anda perlu membuat versi untuk lingkungan terlebih dahulu.

• Dialogflow CX memiliki organisasi yang hampir sama dengan Dialogflow ES setelah membuat versi. Buat lingkungan (dalam hal ini Produksi), lalu arahkan ke Integrasi.

• Di halaman Integrasi, Anda dapat sekali lagi memilih produksi untuk diterapkan. Seperti halnya untuk Dialogflow ES, untuk men-deploy kode kustom Anda, Anda dapat memilih platform lain, tetapi semua dokumentasi akan mengarahkan untuk menggunakan fungsionalitas tanpa server Google Cloud.

• Ini adalah cara Anda menautkan ke fungsi-fungsi Anda di Dialogflow CX. Tidak ada jalan pintas ke Google Cloud Fungsi seperti di Dialogflow ES, tetapi Anda dapat menggunakan semua fungsi yang sama.‍

Botpress v12

Penyebaran Botpress biasanya dilakukan oleh pengguna untuk mempertahankan kepemilikan data, tetapi Botpress dapat menjadi tuan rumah atau membantu hosting tergantung pada kebutuhan Anda. Pada saat penulisan ini, tidak ada fungsionalitas hosting yang melayani sendiri. Fungsionalitas khusus dilampirkan pada instance Botpress , jadi ini agak mengurangi kompleksitas penyebaran melalui Dialogflow. Untuk penerapan yang dapat diskalakan, Anda akan membutuhkan insinyur perangkat lunak yang berpengalaman dalam perangkat lunak hosting, atau menggunakan layanan Botpress Enterprise.

Botpress Enterprise memang menyertakan pipeline yang memungkinkan Anda untuk mengidentifikasi dan memindahkan bot dari draf ke produksi, tetapi ini mengharuskan Anda untuk sudah menjalankan instance siap produksi yang dihosting.

• Botpress menyediakan daftar periksa produksi untuk mempermudah penerapan.

• Karena fungsi-fungsi yang ada di Botpress, semuanya bisa diuji bersama, dan Anda bisa memindahkan semuanya untuk ditinjau, kemudian diproduksi.

Untuk menghubungkan dengan integrasi, Anda harus mengikuti dokumentasi. Sebagian besar pekerjaan dilakukan dalam file konfigurasi, jadi Anda sebaiknya meminta pengembang untuk menanganinya, atau Botpress Enterprise Services.

Perbandingan

Dialogflow ES sulit dikalahkan jika Anda tidak memerlukan kode khusus. Sangat intuitif dan cepat. Jika Anda memang perlu menerapkan fungsi, Anda akan mendapatkan satu langkah tambahan. Dialogflow CX sedikit lebih sulit untuk diterapkan pada lingkungan produksi (satu langkah tambahan, dan pesan kesalahan yang kurang jelas), dan memiliki masalah yang sama dengan kode kustom. Keuntungan menggunakan Google Cloud Platform adalah Anda cenderung menggunakan fungsi cloud . Meskipun ini bukan cara termurah untuk meng-hosting kode, ini adalah cara termudah untuk memiliki fungsi yang sangat skalabel.

Proses untuk menerapkan fungsi untuk Dialogflow adalah membuat fungsi baru, meng-host-nya, mendapatkan tautannya, memperbaruinya di webhook/pemenuhan Dialogflow, menguji versi baru untuk memastikan fungsi tersebut berfungsi, dan jika demikian, terapkan versi baru tersebut. Pertama kali, seharusnya tidak terlalu merepotkan, tetapi jika Anda merasa akan sering memperbarui kode agar sesuai dengan logika percakapan Anda, Anda menambahkan lapisan kompleksitas tambahan. Di Botpress, kode dan logika percakapan hidup di dunia yang sama, sehingga memperbarui, menguji, dan menerapkan jauh lebih mudah. Kelemahannya adalah para pengembang harus menggunakan Nodejs, jadi jika mereka tidak terbiasa, akan ada kurva pembelajaran, tergantung pada apa yang mereka gunakan sebelumnya. Sisi positifnya, secara teori, dokumentasinya seharusnya lebih mutakhir, mengingat hanya ada satu library.

Jika bukan karena kode kustom, Botpress akan menjadi yang terburuk dalam kategori ini, karena Anda benar-benar harus meng-host sesuatu, dan bukan tidak. Meskipun Botpress menawarkan layanan penerapan, jadi secara teknis Anda tidak perlu melakukan apa pun, ini tidak akan pernah senyaman model swalayan. Kode kustom meniadakan keuntungan yang diberikan pada Dialogflow.

Hosting sendiri memiliki masalah dalam mengelola penskalaan. Tentu saja, jika proyek Anda tidak dapat menyertakan layanan dari luar, maka Botpress jelas merupakan pilihan yang tepat. Botpress memang memiliki dokumentasi tentang penerapan untuk versi Open Source-nya, tetapi ini bukan arsitektur penskalaan otomatis yang lengkap, seperti yang akan Anda dapatkan jika Anda menggunakan Dialogflow.

Cukup sampai di sini untuk bagian ini. Berikut ini adalah Bagian 2 dari Botpress vs Dialogflow ES vs Dialogflow CX.