La tarea de generación de conversaciones de dominio abierto tiene como objetivo generar respuestas contextualmente relevantes e informativas basadas en un historial de conversación dado. Un desafío crítico en los diálogos de dominio abierto es la tendencia de los modelos a generar respuestas seguras. El trabajo existente a menudo ha incorporado información de palabras clave en el historial de conversación para la generación de respuestas con el fin de aliviar este problema. Sin embargo, estos enfoques interactúan débilmente entre respuestas y palabras clave o ignoran la asociación entre la extracción de palabras clave y la generación de conversación. En este documento, proponemos un método basado en una Red de Transformadores Consciente de Palabras Clave (KAT) que puede fusionar palabras clave contextuales. Específicamente, el modelo permite que las palabras clave y los contextos interactúen plenamente con las respuestas para mejorar semánticamente las palabras clave. Modelamos conjuntamente la tarea de extracción de palabras clave y la tarea de generación de diálogos de una manera de aprendizaje multitarea. Los resultados experimentales de dos conjuntos de datos de diálogos de dominio abierto en chino mostraron que nuestro modelo propuesto superó a los métodos en métricas de evaluación semántica y no semántica, mejorando Coherencia, Fluidez e Informatividad en la evaluación manual.