첫 번째 Rasa 프로젝트 설정

Rasa는 대화형 AI 및 챗봇을 만들기 위한 오픈 소스 프레임워크입니다. Rasa에서 첫 번째 프로젝트를 구성하려는 경우 올바른 위치에 오셨습니다. 이 블로그에서 Iwe는 Rasa 프로젝트를 처음부터 단계별로 설정해 보겠습니다.

라사 란 무엇입니까?

깊이 들어가기 전에 라사가 무엇인지 먼저 알아보겠습니다. Rasa는 두 가지 기본 구성 요소로 구성됩니다.

1. Rasa 오픈 소스: 자연어 이해(NLU) 및 대화 관리 구축을 위한 프레임워크

2. Rasa X: 시간이 지남에 따라 어시스턴트를 개선하고 관리하기 위한 도구입니다.

Rasa는 Python으로 작성되었으며 유연한 사용자 정의가 가능하여 개발자들 사이에서 인기가 높습니다.

전제 조건

Rasa를 설정하려면 다음이 필요합니다.

• Python 3.8 또는 3.9 (Rasa는 현재 3.10을 지원하지 않습니다)

• pip (Python 패키지 관리자)

• 가상 환경(선택 사항이지만 권장)

Python 및 기본 명령줄 사용법에 익숙하면 도움이 되지만 필수는 아닙니다.

1단계: Python 설치 및 가상 환경 생성

1. Python 다운로드:

• Python 웹사이트로 이동하여 Python 3.8 또는 3.9를 다운로드하세요.

1. 가상 환경 만들기: 가상 환경을 사용하면 Rasa 프로젝트 종속성이 전역 Python 설정에서 격리된 상태로 유지됩니다.

   python -m venv venv
   소스 venv/bin/활성화

2단계: Rasa 설치

1. pip를 통해 Rasa 설치:

   pip 설치 rasa

   1. 설치 확인:

   rasa --version

Rasa 버전과 Python 버전이 표시됩니다.

3단계: 첫 번째 Rasa 프로젝트 만들기

이제 Rasa 프로젝트를 만들어 보겠습니다.

1. 다음 명령을 실행하세요:

   라사 초기화

   1. 안내를 따르세요.

• Rasa는 다음 구조로 새 프로젝트 디렉터리를 설정합니다.

  my_project/
  ├── 액션/
  ├── 데이터/
  ├── 모델/
  ├── 테스트/
  ├── config.yml
  ├── 자격증명.yml
  ├── domain.yml
  └── 엔드포인트.yml

• 모델을 훈련하고 어시스턴트를 테스트하라는 메시지가 표시됩니다. 한번 시도해 보세요!

4단계: Rasa의 주요 파일 이해

다음은 프로젝트의 주요 파일에 대한 분석입니다.

• domain.yml: 봇의 성격, 의도, 응답 및 엔터티를 정의합니다.

• data/nlu.yml: 의도 인식을 위한 훈련 예제가 포함되어 있습니다.

• data/stories.yml: 대화 모델을 훈련하기 위해 대화 흐름을 정의합니다.

• config.yml: 인텐트 분류 및 엔터티 인식을 위한 기계 학습 파이프라인을 지정합니다.

• endpoints.yml: 외부 서비스(예: 작업 서버)를 찾을 위치를 구성합니다.

• credentials.yml: Slack 또는 Telegram과 같은 타사 통합을 구성합니다.

5단계: Rasa 모델 훈련

1. 아직 훈련되지 않은 경우 다음 명령을 사용하여 어시스턴트를 훈련시키십시오.

   라사 열차

   1. 이렇게 하면 models/ 디렉토리에 모델 파일이 생성되어 챗봇을 구동할 준비가 됩니다!

6단계: 어시스턴트 테스트

1. 로컬에서 어시스턴트 테스트:

   라사 쉘

   1. 어시스턴트가 어떻게 응답하는지 보려면 일부 메시지를 입력하세요. 예:

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

7단계: 맞춤 작업 추가

봇이 API에서 데이터를 가져오는 등의 작업을 수행하길 원하시나요? 사용자 정의 작업을 추가하세요!

1. actions/ 디렉터리를 열고 Python 파일(예: actions.py)을 만듭니다.

2. 맞춤 작업 작성:

   rasa_sdk에서 가져오기 작업
   rasa_sdk.executor import CollectingDispatcher

   에서

   클래스 ActionHelloWorld(Action):
   def 이름(본인):
   "action_hello_world"를 반환합니다

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

   1. 작업을 포함하도록 domain.yml을 업데이트하세요.

   작업:

   • action_hello_world
     1. 액션 서버 시작:

   라사 실행 작업

참고자료?

• 라사 공식 문서

• Python 다운로드

• Virtualenv 문서

행복한 코딩

위 내용은 첫 번째 Rasa 프로젝트 설정의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!