greatwind的博客

NotImplementedError: typ "[‘safe’, ‘rt’]"not recognised (need to install plug-in?)pip install ruamel.yaml==0.16.5‘coroutine’ object is not iterable

目录语言模型(Language Models)MitieNLPSpacyNLPHFTransformersNLP标记符(Tokenizers)空格标记符(WhitespaceTokenizer)参考组件(Components)组成NLU管道(pipeline)，并按顺序将用户输入处理为结构化输出。有用于实体提取(entity extraction)、意图分类(intent classification)、响应选择(response selection)、预处理(pre-processing)等的组件。语

目录The NLU Pipeline组件分词器特征化器意图分类器实体提取器交互：消息传递预测行为(Predicting Actions)总结参考在Rasa项目中，NLU管道定义了处理步骤，将非结构化用户消息转换为意向和实体。它由一系列组件组成，可以由开发人员配置和定制。本指南的目的是解释组件在Rasa NLU管道中扮演的角色，以及它们如何相互作用。The NLU Pipeline在Rasa中，NLU管道是在config.yml文件中定义的。此文件描述了，Rasa通过使用管道检测意图和实体的所有步骤。

运行操作服务(action server)有两种方法，具体取决于您使用的环境是否安装了rasa：如果安装了rasa，则可以使用rasa命令运行操作服务：rasa run actions如果未安装rasa，则可以直接将操作服务作为python模块运行：python -m rasa_sdk --actions actions使用上面的命令，rasa_sdk将期望在名为actions.py的文件或名为actions的包目录中找到您的操作。可以使用--actions标志指定不同的actions模块或包

目录UsageDefining a FormActivating a FormDeactivating a FormSlot Mappingsfrom_entityfrom_textfrom_intentfrom_trigger_intentWriting Stories / Rules for Unhappy Form PathsAdvanced UsageValidating Form InputCustom Slot MappingsDynamic Form BehaviorThe requested

目录Using ActionQueryKnowledgeBaseCreate a Knowledge BaseDefine the NLU DataCreate an Action to Query your Knowledge BaseHow It WorksQuery the Knowledge Base for ObjectsQuery the Knowledge Base for an Attribute of an ObjectResolve MentionsCustomizationCustom

# 此文件包含您的机器人正在使用的语音和聊天平台的凭据。# https://rasa.com/docs/rasa/messaging-and-voice-channelsrest:# # 您不需要在此处提供任何内容-此channel不需要任何凭据(credentials)# # #facebook:# verify: "<verify>"# secret: "<your secret>"# page-access-token: "<your pa

# 此文件包含bot可以使用的不同endpoints。# 从中提取模型的服务器。# https://rasa.com/docs/rasa/model-storage#fetching-models-from-a-server#models:# url: http://my-server.com/models/default_core@latest# wait_time_between_pulls: 10 # [optional](default: 100)# 运行自定义操作的服务

以下是开发人员从其他工具转向Rasa开源的几个原因：更快：在本地运行-无需HTTP请求或服务器往返可定制：调整模型，并使用数据集获得更高的精度开放源代码：没有供应商锁定的风险-Rasa在Apache2.0许可下开放源代码，您可以在商业项目中使用它此外，我们的开源工具允许开发人员构建上下文AI助手，并使用机器学习而不是规则来管理对话-请参阅本文。了解如何从以下位置进行迁移：Google DialogflowWit.aiMicrosoft LUISIBM Watson...

目录一、环境配置0.前期准备1.创建虚拟环境2.安装必要的模块包准备训练数据一、环境配置0.前期准备安装Cmake1.创建虚拟环境conda create -n rasa python=3.72.安装必要的模块包# jiebapip install -i https://mirrors.ustc.edu.cn/pypi/web/simple jieba# scikit-learnpip install -i https://mirrors.ustc.edu.cn/pypi/web

目录处理超出范围的消息1.创建超出范围的意图(nlu.yml)2.定义响应消息(domain.yml)3.创建超出范围规则(rules.yml)处理特定的超出范围消息FallbacksNLU Fallback1.更新配置文件(config.yml)2.定义响应消息(domain.yml)3.创建NLU fallback规则(rules.yml)处理置信度较低的Action1.更新配置文件(config.yml)2.定义默认响应消息(domain.yml)3.自定义默认操作(actions.py)Two-St

目录1.定义表单(form)插槽映射响应参考表单的工作方式是提示用户输入信息，直到它收集了所有必需的信息。信息存储在插槽中。一旦所有必需的插槽都被填满，bot就会满足用户的原始请求。1.定义表单(form)要定义表单，您需要定义：插槽映射：要收集的必需信息响应：你的机器人应该如何回答每一条信息插槽映射对于餐馆搜索示例，我们希望从用户那里收集以下信息：美食(cuisine)人数(number of people)是否坐在外面(whether they want to sit outs

目录1.更新配置(config.yml)2.定义检索意图和响应选择器3.创建规则(rules.yml)4.更新NLU训练数据(nlu.yml)5.定义响应(domain.yml)总结要处理常见问题和闲聊，您需要一个基于规则的对话管理策略（RulePolicy）和一个简单的方法来返回问题的相应响应（ResponseSelector）。1.更新配置(config.yml)对于常见问题和闲聊，您总是希望助理在每次提出相同类型的问题时都以相同的方式回答。Rules允许你这么做。要使用规则，您需要将RulePo

目录安装(Installation)1.1快速安装(Quick Installation)1.2分步安装1.创建虚拟环境2.安装开源Rasa1.3从源码安装(Building from Source)1.4附加依赖项(Additional Dependencies)Dependencies for spaCyDependencies for MITIE1.5版本升级安装(Installation)1.1快速安装(Quick Installation)使用pip安装开源Rasa(要求Python 3.6

目录action_listenaction_restartaction_session_start定制(Customization)action_default_fallbackaction_deactivate_loopaction_revert_fallback_eventsaction_two_stage_fallbackaction_default_ask_affirmationaction_default_ask_rephraseaction_backForm Action参考默认行为(Defa

Custom Actions参考自定义行为可以运行您想要的任何代码，包括API调用、数据库查询等。它们可以打开指示灯、将事件添加到日历、检查用户的银行余额，或者您可以想象的任何其他操作。有关如何实现自定义行为的详细信息，请参阅SDK文档。您想在故事中使用的任何自定义行为都应该添加到domain的actions部分。当对话引擎预测要执行的自定义行为时，它将调用行为服务器，并提供以下信息：{ "next_action": "string", "sender_id": "string", "t

目录方法(Methods)Action.nameAction.run参数(Parameters)参考Action类是任何自定义行为的基类。要定义自定义行为，请创建action类的子类，并覆盖两个必需的方法name和run。当行为服务器收到运行操作的请求时，它将根据其name方法的返回值调用操作。自定义行为框架如下所示：class MyCustomAction(Action): def name(self) -> Text: return "action_name"

目录格式(Format)User MessagesActionsEventsSlot EventsForm EventsCheckpoints and OR statementsCheckpointsOr StatementsTest Conversation FormatEnd-to-end Training参考故事(Stories)是一种训练数据，用于训练助手的对话管理模型。故事(Stories)可以用来训练模型，这些模型可以推广到未发现的对话路径。格式(Format)故事(Stories)是用户

仅训练NLU模型要仅训练NLU模型，请运行：rasa train nlu这将在data/目录中查找NLU训练数据文件，并在models/目录中保存训练模型。模型的名称将以nlu-开头。在命令行上测试NLU模型要在命令行上试用NLU模型，请运行以下命令：rasa shell nlu这将启动rasa shell，并要求您输入一个消息以进行测试。你可以随时输入你喜欢的信息。或者，您可以省去nlu参数，直接传入仅nlu的模型：rasa shell -m models/nlu-20190515-

目录多个Domain文件(Multiple Domain Files)意图(Intents)为某些目的忽略实体(Ignoring Entities for Certain Intents)实体(Entities)插槽(Slots)插槽与会话行为(Slots and Conversation Behavior)插槽类型(Slot Types)Text SlotBoolean SlotCategorical SlotFloat SlotList SlotAny SlotCustom Slot TypesSlot

目录概述(Overview)高级结构(High-Level Structure)例子(Example)NLU训练数据(NLU Training Data)训练实例(`Training Examples`)实体(Entities)同义词(Synonyms)正则表达式(Regular Expressions)查找表(Lookup Tables)会话训练数据(Conversation Training Data)故事(Stories)用户消息(User Messages)行为(Actions)表单(Forms)槽

目录一、构建自己的对话助手(简单示例)1. NLU数据(NLU data)2. 响应(Responses)3. 故事(Stories)4. 表单(Forms)5. 规则(Rules)安装(Installation)快速安装(Quick Installation)从源码安装(Building from Source)附加依赖项(Additional Dependencies)Dependencies for spaCyDependencies for MITIE调整自己的NLU模型(Tuning Your N

openapi: "3.0.2"info: title: "Rasa Custom Action Server Required Endpoint" description: >- API of the action server which is used by Rasa to execute custom actions.servers: - url: "/webhook" description: "Local development action ser

openapi: 3.0.1info: title: "Rasa - Server Endpoints" version: "1.0.0" description: >- Rasa服务器提供用于检索会话跟踪程序的端点(endpoints)以及用于修改会话跟踪程序的端点。 此外，还提供了用于训练和测试模型的端点。 servers: - url: "http://localhost:5005" description: "Local developmen