接下来这几天，将会带领各位以GCP的架构的视角。
向各位阐述我们先前进行的DialogFLow Fulliment操作实际上的架构图是什麽
而你可以在这个基础上进行怎样的设计来建构更好的流程。

先前实作所建构的架构

在数天前的实作教学中：

• [Day17] 藉由DialogFlow Fulfillment 实践对话流设计

我们藉由内建在DialogFlow的Inline Editor，
在Cloud Function上建立DialogFlow Fullfiment。
从GCP的架构来看，我们可以得到下方这张图：

从这张示意图，我们可以理解Google助理与我们的Action是如何互动的，

当使用者透过Google助理与我们的Action互动後，
Google助理会辨识用户输入的语音，并将辨识後得到的文字转传给DialogFlow。
执行自然语言处理的DialogFlow会寻找对应的Intent，并设法给予相对应的回应。
如果指定的Intent被设定以Fullfiment来处理回应，则DialogFlow会将撷取到的参数送往Fullfiment。
并由Fullfiment的程序码进行逻辑盼判断来产生回应。
上述的说明也可以透过这张图来表示：

透过Cloud Function直接拉取资料

假定你所使用的资料是Open API。
那麽，你可以透过处理DialogFLow Fullfiment的Cloud Function直接拉取资料。
从GCP的角度，现在你的专案架构会变成以下形式：

例如

介接《萌典》的 OPEN API 所建构的Action

• 台湾国语辞典|Google 助理

下一步...

在明天的文章中，将会说明如何进行前後端分离。
使两个不同的Cloud Function分别专注於不同的任务上，
而这麽做可以为我们带来甚麽好处。