现有的基于神经网络的任务导向型对话系统大多遵循编码器-解码器范式，其中解码器仅依赖源文本生成词序列，通常存在生成不稳定和可读性差的问题。受传统基于模板的生成方法启发，本文提出一种面向知识驱动型任务导向对话系统的模板引导式混合指针网络。该方法从预先构建的领域特定对话知识库中检索若干可能相关的候选回答作为引导答案，并将这些引导答案融入编码与解码两个过程。具体而言，我们设计了一种带有门控机制的记忆指针网络模型，以充分挖掘检索到的回答与真实应答之间的语义相关性。我们在四个广泛使用的任务导向型对话数据集上对所提模型进行了评估，其中包括一个模拟数据集和三个人工构建的数据集。实验结果表明，该模型在多种自动评估指标下均显著优于当前最先进的方法。