天飓的技术博客

不过，大家不要忘了，我是语音助手，输入的是中文！所以，我要先判断输入的算式中是否包含四个运算符的对应中文单词（加、减、乘、除），如果包含了，那么就用+，-，*，/替换中文字。可是，我忘了，我用的是MitieNLP，而且我已经在nlu中定义了三个标签了，果然，当增加这个equation标签后，我的rasa train又双叒叕陷入了无止尽……Kill了rasa train的进程，重新定义nlu、domain和story，这次学乖了，我去掉了nlu中的新标签，在domain里增加了一个form，具体如下图。

同样的方法，但这次不用get_slot，而是直接获取最新的用户话本（user text）来做配对。同样的，domain里也不需要设置多个utter话术了，直接变成一个action_about_weather，story也合并成一个。对于三种天气，分别定义了要下雨了，正在下雨和好天气三个聊天意图，然后在domain中针对这三个intent又分别定义了对应的utter_***话术。但是问题来了，天气的种类远远不止上述三种，那么我是不是要每一种天气开头的聊天都要单独定义一遍？答案不是不可以，可会让人觉得有点傻。

Rasa train的训练究竟要用多长时间？昨天在做新一轮训练时，我记录了这个时间。开始前还是要先说明下，我用的是rasa1.4版，NLP是MitieNLP，系统是32位的Linux raspberrypi 4.19.57-v7+，armv7l GNU/Linux。Rasa train开始时间：2024-10-27 20:10 * 从正式执行rasa train命令开始到完成core model training，总耗时5分钟。 * 开始执行nlu model training，Part

对于上述应答情景，我在程序里先定义了两个数组，第一个是实际功能清单，第二个是功能关键字。rasa bot在判断了用户问题并转到action后，程序会执行tracker.get_slot("behavior")，获得user问题中对应的label信息，如果这个label为空，则按照情景3回复；如果label不为空，则让label的内容与功能关键字进行匹配，匹配成功按照情景1回复，否则就是按照情景2回复。比如我在nlu中定义的问题是询问语音助手能做什么，得到的回复应该是两种可能：1.是的，我具备***功能；

Rasa train的时候，如果pipeline中包含了MitieEntityExtractor，那么在训练中文NLU的时候，NLU中不能放置过多的entity标签——如“[今天](date)”，其中date就算一个。否则，训练进行到part II train segment classify的时候，训练时间会无限延长（可能几个小时都没结束）。就我的树莓派3B系统来看，在NLU里放三个entity标签可以用正常时间训练，多一个，训练时间就不可控。

和普通action的定义一样，先要定义一个class，如Class ActionQueryTaskForm(FormAction)，注意括弧内要填写“FormAction”，代表这是一个form action。首先需要在domain中定义form，同时也要定义这个form会引用那个entity，这些在slot中也要一起定义。当然，rasa中的form使用必定还有其他内容，等我用到的时候再来小结。》的时候，我尝试使用了form，这是我第一次在rasa中使用form，今天空下来了，自己小结下。

用sounddevice编写的音乐播放功能，结合rasa的语义解析，让树莓派语音助手也可以像小爱音箱一样，通过语音指令实现音乐播放。

用一个简单的threading.Timer()函数实现树莓派语音助手的定时提醒功能，在这里，rasa主要承担了语义解析职责，程序的实现还是在语音助手部分。

基于rasa1.4.0版本所开发的让树莓派智能语音助手实现todo task增删查功能。

遇到这个报错，不仅仅要检查domain.yml，还要查看nlu.md这个文件，要比对两个文件中intent的命名是否一致？我这次就是nlu中对应的intent名字少加了一个’s’造成的。从字面意思来看是这个”show_tasks”的intent没有在domain中定义。但是我打开domain.yml检查，domain里面是包含了这个intent的。知道问题后，可以修改nlu也可以修改domain文件，同时不要忘了再检查下stories里面有没有需要调整。

上网查了，有看到说是模型数据太大造成训练内存不足而导致了killed。我的模型数据肯定不大，不过我加载了 MITIE model，这个量不小。而且，我的SWAP虚拟内存也的确下调过。于是，重新设置一下SWAP虚拟内存。当时没有及时截屏，图片是从网上截取的。这个错误的发生很突然，在这之前都是显示正常的模型训练过程信息，然后就突然出现Killed，接着就退出了训练。注：1024即1G，只要你的TF卡剩余容量允许，这个值建议大点好。这两天在用rasa train训练模型的时候，遇到了一次。

大多数情况，的确是actions.py有问题，重新编译后就能正常连接，但也有少部分时间actions.py是ok的，模型也是ok的不需要重新训练，但运行rasa shell的时候就是会遇到。用sudo nano打开后，在一排import信息后就马上能看到DEFAULT_STREAM_READING_TIMEOUT_IN_SECONDS=10（默认值是10），直接把10改成30，然后存盘退出，再运行rasa shell，对于这样的情况烦不胜烦，难道就没其他方法了吗？问题，只要把对应时间设定调整下就ok了。

树莓派3B安装rasa-1.4.0全过程

犹豫了会儿，咬咬牙，重新恢复几个文档里面的新增actions部分，然后把actions.py也再次恢复。回忆之前正常的场景，我把actions server先关了，然后把actions.py重新变成空白的，再跑rasa shell，没有解决。把2个报错的问题解决了，成功执行rasa run actions，再执行rasa shell，还是一样，在我发送了消息，等到chatbot回复的时候，。先不管了，开了一个新的terminal，输入rasa run actions，第一次执行果然遇到报错《……

终于在树莓派上安装了rasa（见《树莓派智能语音助手之聊天机器人-RASA》https://blog.youkuaiyun.com/hydekong/article/details/141285925），接下来就要学习怎么训练模型，逐步实现真正的语音助手。这就是我训练的第一个中文模型。可以看到，根据user输入的“你好”，chatbot最终判断消息意图是greet，于是chatbot会回复“你好呀”。个人理解，nlu收录的是user的可能会话，在整个对话过程，chatbot会根据这个文件来预测user消息的意图。

介绍树莓派3B在运行rasa init和rasa shell时候遇到的报错及解决办法

解决：我的rasa是1.4.0版，所需要的gevent是1.4.0。然后我先把gevent降级到1.4.0，降级成功的同时看到pip resolver的提示说对应的greenlet版本需要0.4.14，于是照着做。分析：这个报错是我解决了报错1之后立马出现的，但其实和markupsafe没关系，而是和gevent有关。分析：出现这个报错表明你的markupsafe版本太新了，在2.1之后，markupsafe里就没有soft_unicode了，改成了soft_str。