最初の Rasa プロジェクトをセットアップする

Rasa は、会話型 AI とチャットボットを作成するためのオープンソース フレームワークです。 Rasa で最初のプロジェクトを構成したい場合は、ここが正しい場所です。このブログでは、私たちは Rasa プロジェクトをゼロから段階的に立ち上げていきます。

ラサとは何ですか？

本題に入る前に、Rasa とは何かを明確にしましょう。 Rasa は 2 つの主要コンポーネントで構成されています:

1. Rasa オープンソース: 自然言語理解 (NLU) と対話管理を構築するためのフレームワーク。

2. Rasa X: アシスタントを長期的に改善および管理するためのツールです。

Rasa は Python で書かれており、柔軟なカスタマイズが可能なため、開発者の間で人気があります。

前提条件

Rasa をセットアップするには、以下が必要です:

• Python 3.8 または 3.9 (Rasa は現在 3.10 をサポートしていません)

• pip (Python パッケージマネージャー)

• 仮想環境 (オプションですが推奨)

Python と基本的なコマンドラインの使用法に精通していると役立ちますが、必須ではありません。

ステップ 1: Python のインストールと仮想環境の作成

1. Python をダウンロード:

• Python Web サイトにアクセスし、Python 3.8 または 3.9 をダウンロードします。

1. 仮想環境を作成する: 仮想環境を使用すると、Rasa プロジェクトの依存関係がグローバルな Python セットアップから分離されます。

   python -m venv venv
   ソース venv/bin/activate

ステップ 2: Rasa をインストールする

1. pip 経由で Rasa をインストールします:

   pip インストール ラサ

   1. インストールを確認します:

   rasa --バージョン

Rasa のバージョンと Python のバージョンが表示されるはずです。

ステップ 3: 最初の Rasa プロジェクトを作成する

それでは、Rasa プロジェクトを作成しましょう:

1. 次のコマンドを実行します:

   ラサ初期化

   1. プロンプトに従います:

• Rasa は、次の構造で新しいプロジェクト ディレクトリをセットアップします:

  my_project/
  §── アクション/
  §── データ/
  §── モデル/
  §── テスト/
  §── config.yml
  §── credentials.yml
  §── ドメイン.yml
  └── endpoints.yml

• モデルをトレーニングし、アシスタントをテストするように求められます。ぜひ試してみてください!

ステップ 4: Rasa の主要ファイルを理解する

プロジェクト内の主要なファイルの内訳は次のとおりです:

• domain.yml: ボットの性格、意図、応答、エンティティを定義します。

• data/nlu.yml: 意図認識のトレーニング例が含まれています。

• data/stories.yml: 対話モデルをトレーニングするための会話フローを定義します。

• config.yml: インテント分類とエンティティ認識のための機械学習パイプラインを指定します。

• endpoints.yml: 外部サービス (アクション サーバーなど) を見つける場所を構成します。

• credentials.yml: Slack や Telegram などのサードパーティ統合を構成します。

ステップ 5: Rasa モデルをトレーニングする

1. まだトレーニングされていない場合は、次のコマンドを使用してアシスタントをトレーニングします。

   ラサトレイン

   1. これにより、models/ ディレクトリにモデル ファイルが生成され、チャットボットを機能させる準備が整います!

ステップ 6: アシスタントをテストする

1. アシスタントをローカルでテストします:

   ラサシェル

   1. いくつかのメッセージを入力して、アシスタントがどのように応答するかを確認します。例:

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

ステップ 7: カスタム アクションを追加する

ボットに API からのデータの取得などのアクションを実行させたいですか?カスタムアクションを追加してください!

1. actions/ ディレクトリを開き、Python ファイル (actions.py など) を作成します。

2. カスタム アクションを作成します:

   rasa_sdk インポートアクションから
   rasa_sdk.executor からインポート CollectingDispatcher

   クラス ActionHelloWorld(アクション):
   定義名(自分):
   "action_hello_world" を返します

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

   1. domain.yml を更新してアクションを含めます:

   アクション:

   • action_hello_world
     1. アクションサーバーを起動します:

   ラサ実行アクション

参考文献?

• Rasa 公式ドキュメント

• Python ダウンロード

• Virtualenv ドキュメント

楽しくコーディングしてください

以上が最初の Rasa プロジェクトをセットアップするの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。