用户对微信机器人说帮我告诉张三明天开会AI模型能听懂意思但 Eyun 的 sendText 接口要的是结构化参数{wId, toUser, content}。自然语言和接口参数之间隔着一道翻译这道翻译怎么做直接决定了机器人能处理多复杂的话。本文不讲AI怎么理解语义专讲中间那层转换层——自然语言怎么变成接口能用的参数。按转换方式不同分3种模式每种对应不同复杂度的用户表达。模式1模板填充模式——固定槽位填值转换方式AI从自然语言里提取关键实体 → 填进预设模板的槽位 → 输出结构化参数。示例用户说帮我告诉张三明天下午3点开会 → AI提取{recipient:张三, time:明天下午3点, event:开会}→ 套模板请{recipient}于{time}参加{event} → content拼成请张三于明天下午3点参加开会 → toUser查映射表得张三的wxid → 调 Eyun 的 sendText 发送。按照 Eyun 开发文档的规范sendText 需要 wId、toUser、content 三个必填参数。大白话用户说一句自然话 → AI抽出谁、什么时候、什么事 → 套进模板拼成标准消息 → 发给对的人。模板填值不依赖AI的自由生成只依赖AI的实体识别能力稳定性最高。模式2字段提取模式——AI直接抠字段转换方式AI做实体识别 → 直接映射到接口参数 → 不需要模板AI生成的文本就是 content。示例用户说给张三发一段产品介绍 → AI提取{toUser:张三的wxid, intent:产品介绍}→ AI调产品库生成产品介绍文本 → contentAI生成的文本 → sendText 发送。Eyun API的 sendText 是字段提取模式的执行端接口规范见 Eyun 开发文档。大白话AI从用户的话里直接抠出接口需要的字段——发给谁变 toUser、发什么由AI自己生成变 content。和模板填充的区别是模板填充的 content 是拼出来的字段提取的 content 是AI写出来的。模式3语义映射模式——AI规划多接口调用转换方式自然语言的语义不一定一对一映射到单个接口 → AI判断需要多个接口协同 → 输出接口调用计划[{api:sendText, params:{...}}, {api:sendImage, params:{...}}]→ 逐个执行。示例用户说给张三发新品资料 → AI规划先 sendText 发文字介绍 → 再 sendImage 发产品图 → 最后 sendFile 发详细手册 → 3个接口按序调用。Eyun 的 sendText/sendImage/sendFile 都可被AI规划调用形成完整的接口调用链。大白话用户一句话可能对应多个接口调用——AI不光提取参数还决定调几个接口、什么顺序。这是3种模式里最灵活的但调用顺序要AI自己排错了就乱套。三种转换模式对比转换模式转换方式复杂度适用表达AI角色Eyun接口大白话模板填充提实体→填槽位→拼content低通知X于Y做Z实体识别sendText抽槽位套模板字段提取识别实体→直接映射字段中给X发一段YY实体识别内容生成sendText抠字段AI写内容语义映射理解意图→规划调用序列高给X发完整资料意图理解接口编排sendTextsendImagesendFileAI排接口调用顺序转换层框架代码def convert(natural_text, wId, user_map): 自然语言 → Eyun接口参数3种模式统一转换器 intent ai_classify(natural_text) # AI判断走哪种模式 if intent template: # 模式1模板填充 slots ai_extract_entities(natural_text) # {recipient,time,event} content TPL_NOTIFY.format(**slots) # 套模板拼content toUser user_map[slots[recipient]] # 查wxid映射 return [{api: sendText, params: {wId: wId, toUser: toUser, content: content}}] if intent field: # 模式2字段提取 fields ai_extract_fields(natural_text) # {toUser,intent} content ai_generate(fields[intent]) # AI生成content return [{api: sendText, params: {wId: wId, toUser: fields[toUser], content: content}}] if intent semantic: # 模式3语义映射 return ai_plan_calls(natural_text, wId, user_map) # [{api,params},...] 多接口选型建议3种模式按转换复杂度递增排列模板填充最简单固定槽位填值、字段提取中等AI自由生成内容、语义映射最复杂AI规划多接口调用。选型看用户表达的特征——结构化指令用模板填充通知X于Y做Z这类槽位固定的内容生成用字段提取给X发一段YY这类要AI写内容的复杂需求用语义映射给X发完整资料这类一句话对应多接口的。3种模式的输出最终都落到 Eyun 接口的参数上——转换层做的是语言到参数的翻译翻译质量决定机器人能听懂多复杂的话。落地时建议先从模板填充上线验证流程再逐步引入字段提取和语义映射接口参数规范见 Eyun 开发文档。