会话代理面临的一个挑战是,它们无法识别用户命令的未声明的假设,这对于人类来说是一项微不足道的任务,因为它们具有常识。为了实现这一目标,本文提出了一个面向会话代理的零样本常识推理系统。我们的推理器从满足if-(状态),then-(动作),because-(目标)的一般模板的用户命令中发现未声明的假设。我们的推理器使用最先进的基于transformer的生成常识知识库(KB)作为其推理背景知识的来源。我们提出了一种新颖的迭代知识查询机制,利用符号逻辑规则从神经知识库中提取多跳推理链,大大减少了搜索空间。与迄今为止收集到的任何KBs类似,我们的常识知识库很容易丢失知识。因此,我们提出了一种新的动态问题生成策略,以对话方式从人类用户中引出缺失的知识,该策略为人类用户生成并呈现上下文化的查询。我们通过用户研究来评估该模型,与SOTA相比,该模型的成功率提高了35%。