Rasa对话模型——做一个语言助手

1、Rasa模型

1.1 模型介绍

Rasa是一个用于构建对话 AI 的开源框架，主要用于开发聊天机器人和语音助手。Rasa 提供了自然语言理解（NLU）和对话管理（DM）功能，使开发者能够创建智能、交互式的对话系统。

1.2 主要功能

• 意图识别:

  根据用户输入识别用户的意图，如问候、查询信息、执行任务等。

• 实体提取:

  从用户输入中提取有用的信息，如时间、地点、数量等。

• 对话管理:

  管理多轮对话的状态，确保对话流程的连贯性和逻辑性。

• 自定义动作:

  支持在对话中调用自定义动作，如查询数据库、调用外部API等。

• 多渠道支持:

  支持集成多个聊天渠道，如Slack、Facebook Messenger、Telegram、WhatsApp等。

• 对话训练和测试:

  提供方便的训练和测试工具，帮助开发者优化和验证对话系统的性能。

1.3  工作流程

• 数据收集和标注:

  收集用户输入示例，并将其标注为意图和实体。

• 模型训练:

  使用收集和标注的数据训练NLU和对话管理模型。

• 对话设计:

  使用故事（stories）和规则（rules）定义对话流程和策略。

• 自定义动作实现:

  编写自定义动作代码，实现对外部服务的调用和复杂任务的处理。

• 集成和部署:

  将Rasa系统集成到所需的聊天渠道，并进行部署和上线。

• 监控和优化:

  通过日志和用户反馈，持续监控和优化对话系统的性能。

2、本地环境

2.1 python环境

在Windows上使用命令行窗口查看所安装的python版本

python --version

2.2 Visual Studio Code编译

Visual Studio Code是一款由微软开发且跨平台的免费源代码编辑器。该软件以扩展的方式支持语法高亮、代码自动补全、代码重构功能，并且内置了命令行工具和Git 版本控制系统。

3、程序内容

3.1 程序框架

rasa/
├── data/
   ├── nlu.yml                        //收集并标注训练数据，确保覆盖用户的所有可能输入。
   └── stories.yml                       //编写示例对话，展示系统应如何处理不同的对话场景。
├── models/
├── config.yml                               //配置NLU和对话管理的模型管道和策略。
├── domain.yml                                //定义对话域，包括意图、实体、槽和响应模板。
└── endpoints.yml

3.2 具体代码

3.2.1 nlu.yml

version: "3.1"nlu:
- intent: greetexamples: |- hey- hello- hi- hello there- good morning- good evening- moin- hey there- let's go- hey dude- goodmorning- goodevening- good afternoon- intent: goodbyeexamples: |- cu- good by- cee you later- good night- bye- goodbye- have a nice day- see you around- bye bye- see you later- intent: affirmexamples: |- yes- y- indeed- of course- that sounds good- correct- intent: denyexamples: |- no- n- never- I don't think so- don't like that- no way- not really- intent: mood_greatexamples: |- perfect- great- amazing- feeling like a king- wonderful- I am feeling very good- I am great- I am amazing- I am going to save the world- super stoked- extremely good- so so perfect- so good- so perfect- intent: mood_unhappyexamples: |- my day was horrible- I am sad- I don't feel very well- I am disappointed- super sad- I'm so sad- sad- very sad- unhappy- not good- not very good- extremly sad- so saad- so sad- intent: bot_challengeexamples: |- are you a bot?- are you a human?- am I talking to a bot?- am I talking to a human?

 3.2.2 stories.yml 

version: "3.1"stories:- story: happy pathsteps:- intent: greet- action: utter_greet- intent: mood_great- action: utter_happy- story: sad path 1steps:- intent: greet- action: utter_greet- intent: mood_unhappy- action: utter_cheer_up- action: utter_did_that_help- intent: affirm- action: utter_happy- story: sad path 2steps:- intent: greet- action: utter_greet- intent: mood_unhappy- action: utter_cheer_up- action: utter_did_that_help- intent: deny- action: utter_goodbye

3.2.3 domain.yml

version: "3.1"intents:- greet- goodbye- affirm- deny- mood_great- mood_unhappy- bot_challengeresponses:utter_greet:- text: "Hey! How are you?"utter_cheer_up:- text: "Here is something to cheer you up:"image: "https://i.imgur.com/nGF1K8f.jpg"utter_did_that_help:- text: "Did that help you?"utter_happy:- text: "Great, carry on!"utter_goodbye:- text: "Bye"utter_iamabot:- text: "I am a bot, powered by Rasa."session_config:session_expiration_time: 60carry_over_slots_to_new_session: true

3.3 代码运行

在vscode中右击项目目录，在集成终端中打开，然后输入下面的命令创建虚拟环境（也可以使用命令行界面导航到该文件夹下）

python -m venv venv

初始化rasa，然后一直输入y就可以啦

rasa init

 

4.总结

使用Rasa构建一个属于自己的语言助手，自己创建语料库，你也来试一试吧！