Rasa est un framework open source pour créer une IA conversationnelle et des chatbots. Si vous souhaitez configurer votre premier projet dans Rasa, vous êtes au bon endroit. Dans ce blog, nous allons mettre en place un projet Rasa à partir de zéro, étape par étape.
Qu’est-ce que Rasa ?
Avant de plonger dans le vif du sujet, clarifions ce qu’est le Rasa. Rasa se compose de deux composants principaux?:
Rasa Open Source?: Un cadre pour développer la compréhension du langage naturel (NLU) et la gestion du dialogue.
Rasa X : Un outil pour améliorer et gérer votre assistant au fil du temps.
Rasa est écrit en Python et permet une personnalisation flexible, ce qui en fait un choix populaire parmi les développeurs.
Conditions préalables
Pour configurer Rasa, vous avez besoin de?:
Python 3.8 ou 3.9 (Rasa ne prend actuellement pas en charge 3.10)
pip (gestionnaire de paquets Python)
Environnement virtuel (facultatif mais recommandé)
La familiarité avec Python et l'utilisation de base de la ligne de commande est utile mais pas obligatoire.
étape 1 : Installation de Python et création d'un environnement virtuel
- Télécharger Python?:
- Rendez-vous sur le site Web de Python et téléchargez Python 3.8 ou 3.9.
-
Créer un environnement virtuel?: l'utilisation d'un environnement virtuel maintient les dépendances de votre projet Rasa isolées de votre configuration Python globale.
python -m venv venv
source venv/bin/activate
étape 2?: Installer Rasa
-
Installez Rasa via pip?:
pip installer rasa
- Vérifiez l'installation?:
rasa --version
Vous devriez voir la version Rasa et la version Python affichées.
étape 3 : Créez votre premier projet Rasa
Maintenant, créons votre projet Rasa?:
-
Exécutez la commande suivante?:
initialisation rasa
- Suivez les instructions?:
-
Rasa mettra en place un nouveau répertoire de projet avec la structure suivante?:
mon_projet/
├──actions/
├── données/
├── modèles/
├──essais/
├── config.yml
├──credentials.yml
├── domaine.yml
└── endpoints.yml Nous serons invités à former un modèle et à tester votre assistant. Allez-y et essayez-le?!
étape 4?: Comprendre les fichiers clés dans Rasa
Voici une répartition des fichiers clés de votre projet?:
domain.yml?: définit la personnalité, les intentions, les réponses et les entités de votre bot.
data/nlu.yml?: contient des exemples de formation pour la reconnaissance d'intention.
data/stories.yml?: définit les flux de conversation pour entra?ner le modèle de dialogue.
config.yml?: spécifie le pipeline d'apprentissage automatique pour la classification des intentions et la reconnaissance des entités.
endpoints.yml?: configure où trouver les services externes (par exemple, le serveur d'action).
credentials.yml?: configure les intégrations tierces comme Slack ou Telegram.
étape 5?: Entra?nez votre modèle Rasa
-
Utilisez la commande suivante pour former votre assistant s'il n'est pas déjà formé?:
train rasa
- Cela générera un fichier modèle dans le répertoire models/, prêt à alimenter votre chatbot !
étape 6?: Testez votre assistant
-
Testez votre assistant en local?:
coquille rasa
- Tapez quelques messages pour voir comment l'assistant répond. Par exemple?:
> Hi Hello! <br> Hey! How are you?<br>
étape 7?: Ajouter des actions personnalisées
Vous souhaitez que votre bot effectue des actions telles que récupérer des données à partir d'une API?? Ajoutez des actions personnalisées?!
Ouvrez le répertoire actions/ et créez un fichier Python (par exemple, actions.py).
-
écrivez votre action personnalisée?:
depuis l'action d'importation rasa_sdk
depuis rasa_sdk.executor import CollectingDispatcherclasse ActionHelloWorld(Action):
nom def (soi)?:
renvoyer "action_hello_world"def run(self, dispatcher, tracker, domain): dispatcher.utter_message(text="Hello, world!") return []
- Mettez à jour domain.yml pour inclure votre action?:
actions?:
- action_hello_world
- Démarrez le serveur d'action?:
actions d'exécution rasa
Des références ?
Documentation officielle Rasa
Téléchargement Python
Documentation Virtualenv
Bon codage
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undress AI Tool
Images de déshabillage gratuites

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
échangez les visages dans n'importe quelle vidéo sans effort grace à notre outil d'échange de visage AI entièrement gratuit?!

Article chaud

Outils chauds

Bloc-notes++7.3.1
éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

La clé pour gérer l'authentification de l'API est de comprendre et d'utiliser correctement la méthode d'authentification. 1. Apikey est la méthode d'authentification la plus simple, généralement placée dans l'en-tête de demande ou les paramètres d'URL; 2. BasicAuth utilise le nom d'utilisateur et le mot de passe pour la transmission de codage Base64, qui convient aux systèmes internes; 3. OAuth2 doit d'abord obtenir le jeton via client_id et client_secret, puis apporter le Bearertoken dans l'en-tête de demande; 4. Afin de gérer l'expiration des jetons, la classe de gestion des jetons peut être encapsulée et rafra?chie automatiquement le jeton; En bref, la sélection de la méthode appropriée en fonction du document et le stockage en toute sécurité des informations clés sont la clé.

Assert est un outil d'affirmation utilisé dans Python pour le débogage et lance une affirmation d'établissement lorsque la condition n'est pas remplie. Sa syntaxe est affirmer la condition plus les informations d'erreur facultatives, qui conviennent à la vérification de la logique interne telle que la vérification des paramètres, la confirmation d'état, etc., mais ne peuvent pas être utilisées pour la sécurité ou la vérification des entrées des utilisateurs, et doit être utilisée en conjonction avec des informations d'invite claires. Il n'est disponible que pour le débogage auxiliaire au stade de développement plut?t que pour remplacer la manipulation des exceptions.

TypeHintsInpythonsolvetheproblebandofambigu?té et opposant à un montant de type de type parallèlement au développement de l'aménagement en fonction des types de type.

Une méthode courante pour parcourir deux listes simultanément dans Python consiste à utiliser la fonction zip (), qui appariera plusieurs listes dans l'ordre et sera la plus courte; Si la longueur de liste est incohérente, vous pouvez utiliser itertools.zip_langest () pour être le plus long et remplir les valeurs manquantes; Combiné avec enumerate (), vous pouvez obtenir l'index en même temps. 1.zip () est concis et pratique, adapté à l'itération des données appariées; 2.zip_langest () peut remplir la valeur par défaut lorsqu'il s'agit de longueurs incohérentes; 3. L'énumération (zip ()) peut obtenir des indices pendant la traversée, en répondant aux besoins d'une variété de scénarios complexes.

Inpython, itérateurslawjectsThatallowloopingthroughCollectionsbyImpleting __iter __ () et__Next __ (). 1) iteratorsworkVeatheitorat

Pour créer des API modernes et efficaces à l'aide de Python, FastAPI est recommandé; Il est basé sur des invites de type Python standard et peut générer automatiquement des documents, avec d'excellentes performances. Après avoir installé FastAPI et ASGI Server Uvicorn, vous pouvez écrire du code d'interface. En définissant les itinéraires, en écrivant des fonctions de traitement et en renvoyant des données, les API peuvent être rapidement construites. Fastapi prend en charge une variété de méthodes HTTP et fournit des systèmes de documentation SwaggerUI et Redoc générés automatiquement. Les paramètres d'URL peuvent être capturés via la définition du chemin, tandis que les paramètres de requête peuvent être implémentés en définissant des valeurs par défaut pour les paramètres de fonction. L'utilisation rationnelle des modèles pydantiques peut aider à améliorer l'efficacité du développement et la précision.

Pour tester l'API, vous devez utiliser la bibliothèque des demandes de Python. Les étapes consistent à installer la bibliothèque, à envoyer des demandes, à vérifier les réponses, à définir des délais d'attente et à réessayer. Tout d'abord, installez la bibliothèque via PiPinstallRequests; Utilisez ensuite les demandes.get () ou les demandes.Post () et d'autres méthodes pour envoyer des demandes GET ou POST; Vérifiez ensuite la réponse.status_code et la réponse.json () pour vous assurer que le résultat de retour est en conformité avec les attentes; Enfin, ajoutez des paramètres de délai d'expiration pour définir l'heure du délai d'expiration et combinez la bibliothèque de réessayer pour obtenir une nouvelle tentative automatique pour améliorer la stabilité.

Dans Python, les variables définies à l'intérieur d'une fonction sont des variables locales et ne sont valides que dans la fonction; Les variables globales sont définies à l'extérieur qui peuvent être lues n'importe où. 1. Les variables locales sont détruites lors de l'exécution de la fonction; 2. La fonction peut accéder aux variables globales mais ne peut pas être modifiée directement, donc le mot-clé global est requis; 3. Si vous souhaitez modifier les variables de fonction externes dans les fonctions imbriquées, vous devez utiliser le mot-clé non local; 4. Les variables avec le même nom ne se affectent pas dans différentes lunettes; 5. Global doit être déclaré lors de la modification des variables globales, sinon une erreur non liée à la dorsale sera augmentée. Comprendre ces règles permet d'éviter les bogues et d'écrire des fonctions plus fiables.
