Einrichten Ihres ersten Rasa-Projekts

Rasa ist ein Open-Source-Framework zur Erstellung von Konversations-KI und Chatbots. Wenn Sie Ihr erstes Projekt in Rasa konfigurieren möchten, sind Sie bei uns genau richtig. In diesem Blog werde ich Schritt für Schritt ein Rasa-Projekt von Grund auf aufbauen.

Was ist Rasa?

Bevor wir uns darauf einlassen, klären wir zunächst, was Rasa ist. Rasa besteht aus zwei Hauptkomponenten:

1. Rasa Open Source: Ein Framework für den Aufbau von Natural Language Understanding (NLU) und Dialogmanagement.

2. Rasa X: Ein Tool zur Verbesserung und Verwaltung Ihres Assistenten im Laufe der Zeit.

Rasa ist in Python geschrieben und ermöglicht eine flexible Anpassung, was es zu einer beliebten Wahl unter Entwicklern macht.

Voraussetzungen

Um Rasa einzurichten, benötigen Sie:

• Python 3.8 oder 3.9 (Rasa unterstützt derzeit 3.10 nicht)

• pip (Python-Paketmanager)

• Virtuelle Umgebung (optional, aber empfohlen)

Kenntnisse mit Python und der grundlegenden Verwendung der Befehlszeile sind hilfreich, aber nicht erforderlich.

Schritt 1: Python installieren und virtuelle Umgebung erstellen

1. Python herunterladen:

• Gehen Sie zur Python-Website und laden Sie Python 3.8 oder 3.9 herunter.

1. Erstellen Sie eine virtuelle Umgebung: Durch die Verwendung einer virtuellen Umgebung bleiben Ihre Rasa-Projektabhängigkeiten von Ihrem globalen Python-Setup isoliert.

   python -m venv venv
   Quelle venv/bin/activate

Schritt 2: Rasa installieren

1. Rasa über pip installieren:

   pip install rasa

   1. Überprüfen Sie die Installation:

   rasa --version

Sie sollten die Rasa-Version und die Python-Version angezeigt sehen.

Schritt 3: Erstellen Sie Ihr erstes Rasa-Projekt

Jetzt erstellen wir Ihr Rasa-Projekt:

1. Führen Sie den folgenden Befehl aus:

   rasa init

   1. Folgen Sie den Anweisungen:

• Rasa richtet ein neues Projektverzeichnis mit folgender Struktur ein:

  mein_Projekt/
  ├── Aktionen/
  ├── Daten/
  ├── Modelle/
  ├── Tests/
  ├── config.yml
  ├── credentials.yml
  ├── domain.yml
  └── endpoints.yml

• Wir werden aufgefordert, ein Modell zu trainieren und Ihren Assistenten zu testen. Probieren Sie es aus!

Schritt 4: Verstehen Sie die Schlüsseldateien in Rasa

Hier ist eine Aufschlüsselung der Schlüsseldateien in Ihrem Projekt:

• domain.yml: Definiert die Persönlichkeit, Absichten, Antworten und Entitäten Ihres Bots.

• data/nlu.yml: Enthält Trainingsbeispiele für die Absichtserkennung.

• data/stories.yml: Definiert Konversationsflüsse, um das Dialogmodell zu trainieren.

• config.yml: Gibt die Machine-Learning-Pipeline für die Absichtsklassifizierung und Entitätserkennung an.

• endpoints.yml: Konfiguriert, wo externe Dienste (z. B. Aktionsserver) zu finden sind.

• credentials.yml: Konfiguriert Integrationen von Drittanbietern wie Slack oder Telegram.

Schritt 5: Trainieren Sie Ihr Rasa-Modell

1. Verwenden Sie den folgenden Befehl, um Ihren Assistenten zu schulen, falls er noch nicht geschult ist:

   Rasa-Zug

   1. Dadurch wird eine Modelldatei im Verzeichnis models/ generiert, die Ihren Chatbot mit Strom versorgt!

Schritt 6: Testen Sie Ihren Assistenten

1. Testen Sie Ihren Assistenten vor Ort:

   Rasa-Muschel

   1. Geben Sie einige Nachrichten ein, um zu sehen, wie der Assistent reagiert. Zum Beispiel:

> Hi Hello! <br>
Hey! How are you?<br>

Schritt 7: Benutzerdefinierte Aktionen hinzufügen

Möchten Sie, dass Ihr Bot Aktionen wie das Abrufen von Daten von einer API ausführt? Fügen Sie benutzerdefinierte Aktionen hinzu!

1. Öffnen Sie das Verzeichnis „actions/“ und erstellen Sie eine Python-Datei (z. B. „actions.py“).

2. Schreiben Sie Ihre benutzerdefinierte Aktion:

   aus rasa_sdk-Importaktion
   aus rasa_sdk.executor import CollectingDispatcher

   Klasse ActionHelloWorld(Action):
   def name(self):
   gib „action_hello_world“ zurück

   def run(self, dispatcher, tracker, domain):
       dispatcher.utter_message(text="Hello, world!")
       return []
   

   1. Aktualisieren Sie domain.yml, um Ihre Aktion einzuschließen:

   Aktionen:

   • action_hello_world
     1. Aktionsserver starten:

   rasa run-Aktionen

Referenzen?

• Offizielle Rasa-Dokumentation

• Python-Download

• Virtualenv-Dokumentation

Viel Spaß beim Codieren

Das obige ist der detaillierte Inhalt vonEinrichten Ihres ersten Rasa-Projekts. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!