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: greet
  examples: |
    - hey
    - hello
    - hi
    - hello there
    - good morning
    - good evening
    - moin
    - hey there
    - let's go
    - hey dude
    - goodmorning
    - goodevening
    - good afternoon

- intent: goodbye
  examples: |
    - cu
    - good by
    - cee you later
    - good night
    - bye
    - goodbye
    - have a nice day
    - see you around
    - bye bye
    - see you later

- intent: affirm
  examples: |
    - yes
    - y
    - indeed
    - of course
    - that sounds good
    - correct

- intent: deny
  examples: |
    - no
    - n
    - never
    - I don't think so
    - don't like that
    - no way
    - not really

- intent: mood_great
  examples: |
    - 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_unhappy
  examples: |
    - 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_challenge
  examples: |
    - 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 path
  steps:
  - intent: greet
  - action: utter_greet
  - intent: mood_great
  - action: utter_happy

- story: sad path 1
  steps:
  - 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 2
  steps:
  - 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_challenge

responses:
  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: 60
  carry_over_slots_to_new_session: true