rasa的使用

rasa的使用

一. 安装

rasa有NLU和core两个模块，可以使用pip全部安装，默认是基于tensorflow2.1版本的
直接使用pip安装

# 创建一个python是3.6.8的环境
conda create -n qa python=3.6.8
# 使用pip安装rasa
pip install rasa 

二. 创建一个简单的语音助手

1. 创建一个空项目

#  如果不加--no-prompt会问很多问题，加上之后就直接创建一个工程
   rasa init --no-prompt

创建之后包含的文件：

2. NLU训练数据
   实际上是意图分类的训练数据
   
   以##开头的是意图，并且是以intent:开头，下面以-开头的是训练数据。
3. 模型配置文件
   包括NLU和Core的配置文件，两部分，定义了pipline使用的模型。language是在创建模型的时候创建的。
   如果使用配置的字典应该如何使用？
   
4. 配置stories
   stories.md文件是rasa core模块的训练数据，是一个assistant完成对话最重要的一步，如果不配置的话，只能训练Nlu的模型。

## story1
* greet
   - utter_greet

5. 定义domain.yml文件
   每一个机器人有一个domain，里面定义了intents、slots、responses。

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

6. 训练模型
   rasa训练可以指定模型存储的位置及模型的名字。

rasa train --out models --fixed-model-name rasa_zh_model

8. 启动模型

rasa shell

三、命令行

1. 启动交互模式，并指定已经训练好的模型

rasa interactive --model model/rasa_zh_model.tar.gz 

启动之后可以输入对话的内容来与assitant对话，并可以查看意图分类的结果及阈值。

退出交互模式时，会提醒把stories添加到stories.md文件，NLU数据添加到data/nlu.md数据上。

所以，interactivate的作用是通过交互的模式来训练模型，训练完成后并保存训练数据。

2. 启动模型服务

指定训练好的模型作为服务模型，并使用--endpoints来指定actions的服务端口。

rasa run --model models/rasa_zh_model.tar.gz --endpoints endpoints.yml

有一个问题是，这样启动了模型怎么实现对话呢？

3. 启动actions服务

这样自定义的action才可以注册，并被使用，否则无法使用。参数--actions后面是包名，而不是文件路径。

rasa run actions --actions dm.actions

4. 训练数据的格式转化

把nlu数据从md文件格式转换为json格式，--data是原始文件，--out是转化后的文件，-f是指定转化后的数据格式。

这个可以方便后台管理界面配置好intent后，写到算法的后台。

# 从md文件转化为json
 rasa data convert nlu --data data/nlu.md --out data/nlu.json -f json

# 从json转化为md文件
 rasa data convert nlu --data data/nlu.json --out data/nlu_md.md -f md

5. 可视化stories

把stories可视化，生成一个html文件，本地可以打开。

rasa visualize

从START到END一共4个story，蓝色框的是用户说的话，白色框的是assistant说的话。左边三个story都是以问好的形式来开始的。

四 rasa整体流程

参考

知乎：https://zhuanlan.zhihu.com/p/88625091
https://www.jianshu.com/p/ad11f5815447
rasa使用指南01
https://terrifyzhao.github.io/2018/09/17/Rasa%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%9701.html
rasa使用指南02
https://terrifyzhao.github.io/2019/02/26/Rasa%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%9702.html

action有三种类型：

• default action
• utter action
• custom action