使用Docker Compose部署Rasa对话机器人

使用Docker Compose部署Rasa对话机器人

rasa rasa: 是一个开源的聊天机器人框架，支持自然语言理解和生成。适合开发者构建智能聊天机器人和对话系统。 项目地址: https://gitcode.com/gh_mirrors/ra/rasa

前言

在现代对话机器人开发中，容器化部署已成为标准实践。本文将详细介绍如何使用Docker Compose工具来部署Rasa对话机器人系统，包括核心服务、动作服务器以及持久化存储的配置方法。

准备工作

Docker环境检查

在开始之前，请确保你的系统已经安装了Docker和Docker Compose。可以通过以下命令验证：

docker -v && docker-compose -v

如果命令返回版本信息，说明环境已就绪；如果没有输出，则需要先安装Docker环境。

核心服务配置

基础Docker Compose文件

创建一个docker-compose.yml文件，这是定义多容器应用的核心配置文件。最基本的Rasa服务配置如下：

version: '3.0'
services:
  rasa:
    image: rasa/rasa:3.0-full
    ports:
      - 5005:5005
    volumes:
      - ./:/app
    command:
      - run

这个配置定义了一个Rasa服务：

• 使用官方提供的Rasa镜像
• 暴露5005端口用于API访问
• 将当前目录挂载到容器的/app目录
• 运行rasa run命令启动服务

添加动作服务器

完整的Rasa系统通常需要独立的动作服务器。在Docker Compose中添加动作服务器服务：

  app:
    image: your-custom-action-server:tag
    expose: 5055

同时需要在endpoints.yml中配置动作服务器的连接：

action_endpoint:
  url: http://app:5055/webhook

通道配置

在部署到生产环境前，必须配置对话机器人的通信渠道。编辑credentials.yml文件启用所需的渠道，例如REST API渠道：

rest:
  # 无需额外配置

启用后，机器人将通过/webhooks/rest/webhook端点接收REST API请求。

持久化存储配置

默认情况下，Rasa使用内存存储对话记录，重启后会丢失所有数据。生产环境需要配置持久化存储方案。

常见存储方案

1. SQL数据库存储：

   tracker_store:
     type: SQL
     dialect: postgresql
     url: postgres
     db: rasa
     username: rasa
     password: password
   

2. Redis存储：

   tracker_store:
     type: redis
     url: redis
     db: 0
     password: password
   

3. MongoDB存储：

   tracker_store:
     type: mongod
     url: mongodb
     db: rasa
     collection: conversations
   

每种方案都需要在Docker Compose中添加相应的数据库服务。

运行与测试

完成配置后，使用以下命令启动所有服务：

docker-compose up

服务启动后，可以通过REST API测试机器人：

curl -XPOST http://localhost:5005/webhooks/rest/webhook \
  -H "Content-type: application/json" \
  -d '{"sender": "test", "message": "hello"}'

最佳实践建议

1. 版本控制：始终指定Docker镜像的具体版本，避免自动更新导致的不兼容问题
2. 资源限制：为每个服务配置合理的CPU和内存限制
3. 日志管理：配置日志驱动和日志轮转策略
4. 健康检查：为关键服务添加健康检查机制
5. 环境变量：敏感信息应通过环境变量注入，而非硬编码在配置文件中

通过以上步骤，你已经成功使用Docker Compose部署了一个完整的Rasa对话机器人系统，包括核心服务、动作服务器和持久化存储。这种部署方式便于扩展和维护，适合生产环境使用。

rasa rasa: 是一个开源的聊天机器人框架，支持自然语言理解和生成。适合开发者构建智能聊天机器人和对话系统。 项目地址: https://gitcode.com/gh_mirrors/ra/rasa