透過 AWS Lambda 和 Alexa Skills Kit，開發者可以建立更具彈性的語音控制 IoT 應用，擺脫 Alexa-Hosted Skills 的限制，例如 S3 和 DynamoDB 的容量限制。本文將逐步說明如何使用 Lambda 函式結合 ASK CLI 來建立一個語音控制的應用程式。首先，在 AWS Lambda 中建立一個新的函式，並設定 Alexa Skills Kit 作為觸發器，確保 Skill ID 與 Lambda 函式正確連結。接著，將 Lambda 函式的 ARN 複製到 Alexa Developer Console 中的端點設定，完成技能與後端邏輯的串接。後續步驟會示範如何在 Lambda 函式中撰寫 Python 程式碼，包含處理語音指令、控制 IoT 裝置以及回傳語音訊息等功能。此外，文章也提供新增意圖的程式碼範例，讓開發者可以根據需求擴充技能的功能。最後，我們將說明如何測試 Lambda 函式以及在 Alexa 裝置上進行實際測試，確保應用程式運作正常。
6.8 發布後
一旦發布（並且Amazon允許！），您可以新增技能啟動短語和意圖啟動短語。這些是我們在「Build」標籤中看到的內容。撰寫本文時，這些功能仍處於測試階段。如需更多資訊，請參考「名稱免費互動」，參考3。
6.9 分析
您可以透過玄貓找到您的技能的效能情況。您可以選擇一個時間段，並檢視會話數、唯一客戶、語音輸入次數等資料。您還可以檢視意圖使用百分比（此處停止意圖已使用12%，Fallback 25%，FindAWord 65%）。效能資料提供了語音輸入和意圖的信心指標。
第7章 使用Lambda和ASK CLI建立技能
7.1 簡介
到目前為止，我們一直使用Alexa-Hosted Skills來建立技能。這對於入門很好，但有一些限制，如我們已經看到的S3組態和DynamoDB儲存和讀寫限制。 有兩種其他方法可以建立技能。第一種是使用AWS Lambda服務，第二種是使用ASK CLI（Alexa Skill Kit命令列直譯器）。
7.1.1 AWS Lambda技能
使用此方法，您在開發者控制檯中建立技能模型（如我們所做的），但這次使用AWS Lambda程式碼編輯器網頁建立Lambda技能。保持兩個視窗同時開啟很有用。 然後，技能模型和程式碼必須連結起來——技能需要知道程式碼，反之亦然。您給Lambda函式分配技能ID和技能的ARN（Amazon資源編號）。 開發者控制檯介面自截圖以來已經改變，但程式相似。選擇您的技能名稱和地區；選擇體驗（其他）並向下滾動到組態自己的主機和地區；從頭開始，然後建立技能。 在開發者控制檯中建立一個技能，但這次我們不會使用Alexa-Hosted技能。選擇「組態自己的主機」而不是。 現在，單擊「建立技能」。您可以從一些範本中選擇。Node.js比Python有更多選擇。選擇「從頭開始」。 您的技能模型將被構建，開發者控制檯將被開啟。為了安全起見，請檢查呼叫名稱並將其設定為您的選擇。 如果您現在單擊「程式碼」標籤，您將沒有任何程式碼。 我們將在AWS Lambda控制檯中編輯程式碼。 我們需要技能ID，因此請選擇「端點」並複製技能ID： 稍後，我們將用函式程式碼ARN填充預設地區。 您需要一個AWS帳戶，如前所述。 「建立函式」將您帶到下一個螢幕，該螢幕提供選項，如「從頭開始編寫」、「選擇藍圖」或「瀏覽無伺服器應用儲存函式庫」。 無伺服器應用儲存函式庫目前有762個公共應用程式可供選擇，包括Python和Node.js的「hello world」以及alexa-skills-kit-nodejs-factskill。 選擇「從頭開始編寫」。 注意許可權。我們將使用預設值，但您可以設定許可權以允許程式碼或S3、資料函式庫CloudWatch存取。我們將在設計智慧家居技能時建立許可權。 命名函式，選擇執行時套件（我這裡使用Python），然後單擊「建立函式」。 下一個螢幕提供函式概覽、我們的ARN（需要用於技能）和程式碼區域。
使用 AWS Lambda 和 Alexa Skills Kit 建立語音控制 IoT 應用程式
在本章中，我們將探討如何使用 AWS Lambda 和 Alexa Skills Kit (ASK) 建立語音控制 IoT 應用程式。首先，我們需要在 AWS Lambda 中新增一個觸發器，該觸發器將執行我們的程式。這裡，我們將新增一個來自 Alexa Skills Kit 的觸發器，但您的程式碼也可以在圖片上傳、DynamoDB 中的資料變化或其他觸發器中執行。
新增觸發器
- 前往 AWS Lambda 首頁，點選「新增觸發器」按鈕。
- 選擇「Alexa Skills Kit」作為觸發器型別。
- 輸入您之前複製的 Skill ID，然後點選「新增」按鈕。這樣可以確保只有具有該特定 Skill ID 的 Skill 可以呼叫 Lambda 函式。
組態端點
- 傳回 AWS Lambda 首頁，複製 ARN（Amazon Resource Name）。
- 切換到 Alexa Developer Console，將 ARN 輸入「預設端點」欄位中。這個欄位位於「構建」標籤的「端點」選項中。
- 儲存端點並重新構建您的模型。
編寫 Lambda 函式
- 傳回 AWS Lambda 首頁，檢視編輯器。
- 這是基本的 Lambda Python 程式碼，它可以執行，但不瞭解您的意圖。 3.您可以測試此程式碼。點選「測試」按鈕，儲存建議的函式（myTest），然後執行它。
修改程式碼
- 程式碼從
def lambda_handler(event, context):開始。 2.您可以在此處輸入您的程式碼或上傳 zip 檔案（稍後我們也會這樣做）。在此示例中，我們將輸入程式碼。 - 我已修改程式碼以包含物體偵測功能。您可以從 Elektor 軟體（第 7 章）中找到此程式碼。
- 複製並貼上程式碼到編輯區域中。儲存它。
- 佈署您的程式碼。
測試函式
1.您可以從 Lambda 主控臺測試此函式。 2. 或者，您可以從 Developer Console 測試它，使用您之前設定的呼叫名稱啟動它。
顯示資訊
- 我們之前使用卡片顯示圖片。在
build_speechlet_response函式中，我們使用卡片顯示文字：
'card': {
'type': 'Simple',
'title': "SpeechletTitle - " + title,
'content': "SpeechletContent - " + output
}
這是一種快速簡單的方式，可以在具有螢幕的裝置上顯示資訊。
新增意圖
- 在此程式碼中，我們新增了一個意圖，以展示如何實作它。
def say_hello():
session_attributes = {}
card_title = “Hello”
speech_output = “Well done, your intent skill works”
reprompt_text = “Say hello again”
should_end_session = False
return build_response(session_attributes, build_speechlet_response(
card_title, speech_output, reprompt_text, should_end_session))
它從 def on_intent (intent_request, session): 程式碼中被呼叫：
def on_intent (intent_request, session):
""" Called when the user specifies an intent for this skill """
intent = intent_request['intent']
這樣就完成了使用 AWS Lambda 和 Alexa Skills Kit 建立語音控制 IoT 應用程式的過程。
使用 AWS Lambda 建立 Alexa 技能：結論
從雲端原生開發的視角來看，本章介紹的利用 AWS Lambda 建立 Alexa 技能的方法，展現了其在提升技能開發效率和擴充套件性方面的顯著優勢。相較於 Alexa-Hosted Skills 的侷限性，Lambda 賦予開發者更大的彈性，尤其在處理複雜邏輯、整合外部服務以及管理資源方面。透過 Lambda，我們可以突破儲存空間和資料函式庫讀寫的限制，更自由地運用各種 AWS 服務，例如本章中整合的物件偵測功能。
然而，Lambda 也並非毫無挑戰。開發者需要熟悉 AWS 生態系統，並掌握 Lambda 函式的佈署和管理。此外，許可權管理、程式碼除錯以及版本控制等方面也需要額外關注。對於初學者而言，學習曲線相對較陡峭。
展望未來，隨著 Serverless 架構的日益成熟，Lambda 的應用場景將更加廣泛。結合 ASK CLI 等工具，開發者可以更便捷地構建、測試和佈署 Alexa 技能，加速語音應用程式的創新。預期未來會有更多開發工具和框架出現，進一步簡化開發流程，降低開發門檻。
對於有意深入探索 Alexa 技能開發的團隊，玄貓建議優先掌握 Lambda 函式的核心概念和操作方法，並關注 Serverless 架構的最佳實踐。同時，積極探索與其他 AWS 服務的整合方案，例如 DynamoDB、S3 和 API Gateway 等，將有助於打造更豐富、更強大的語音應用程式。
