根据上面的环境准备之后：

《Ai企业知识库》-模型实践-rasa开源学习框架-搭建简易机器人-环境准备(针对windows)-02-CSDN博客

基础的使用：

rasa项目初始化：

rasa init

首先进入目标文件夹

在dos窗口（目标文件夹下）使用指令rasa init

就可以帮助我们新建一个rasa项目。

 这里是询问是否让当前目录为项目的目录：

 这里要回复Y

是否要基于基本框架训练一个机器人？

因为 中有基础的样本。可以做一个简单模型。

回复Y的话就开始训练了一个简单模型了。

 是否和训练好的机器人做交互

回复Y的话就开始交互了，我这里使用了N。尝试使用别的方式来。

这个时候rasa已经搭建起来了。基本的框架。

 NLU管理配置文件：

config这个配置文件管理了nul

 在rasa中使用和准备nul的语料文件：

这个就是初始化的nlu文件。

 声明nlu之后整理列表即可。

 每个-后面都是列表中的一项

这里构建的越详细就越好。这里构建的越详细的话就越准确。

子意图定义：

要设计好一个机器人要识别的意图是什么！

要提前构建意图

注意：要使用英文书写

1、要围绕场景

2、确定多个意图

3、来保证可以识别到意图

Entity: 实体：意图

使用了examples:做了一些标注。使用中括号。

使用大括号字典的形式也是可以的。

rasa中实体的标注都是使用的是中括号和大括号来完成的。

Entity：Synonym同义词

使用synonym标记同义词

就是同义词替换，遇到下面的examples关键字会将关键词替换。

正则表达式

使用正则表达式来抽取信息。

关键字-regex

下面写上配置文件

从1去调用2使用正则表达式

注意：不能写太多的正则表达式，因为rasa会将正则表达式优先。这里如果使用了正则表达式，就会整个流程带来很缓慢的效果。

Lookup Table查表

可以提供一个词表，就可以不需要再准备很多的语料了。

 Role & Group

 ROLE:提供了一种方法，作为角色来完成这个属性。提供更加丰富的表达形式。

Group：补充信息，

配置文件中的pipline是涉及到模型选型的工作

 在rasa中我们需要根据pipline中的模型配置来确定训练和准备的语料。

就会根据我们的nlu来构建和训练模型

rasa train nlu

后面我会专门汇总一下rasa的命令