开源智能应答机器人 - Rasa-Pro源代码安装及启动 (1)

对话式AI新选择:Rasa Pro与开源版的深度对比及升级指南 本文深度对比了Rasa Pro与开源版在企业级对话式AI应用中的核心差异。Rasa Pro作为完整的企业平台,在可观测性、安全合规、高并发处理及端到端测试等方面提供强大支持,解决了规模化部署的痛点。文章还提供了从开源版平滑升级到Rasa Pro的四阶段实操指南,帮助企业基于业务需求做出明智的技术决策。 阅读详情
AI摘要

Rasa是开源智能应答机器人,Rasa-Pro虽不开源,但本地安装后可阅读前后端代码。本文介绍Rasa-Pro安装与启动,包括基于GitHub CodeSpace和本地安装基础模块,启动时可去掉证书认证、修改Web Server文本编码问题,还提及Rasa-Pro对AI技能提升及未来扩展应用的意义。

        Rasa作为一个开源的智能应答机器人其模块非常成熟,同时Rasa-Pro虽然不开源,但是在本地安装后是可以直接进行前后端的代码阅读,并且也可以发布为自己的应答机器人。而Rasa-Pro在最新版本中引入了LLM模式,在它原来的自然语言实现的基础上更上一层楼。理解Rasa-Pro的源代码可以对我们AI相关技能的提高非常有用:

        1、如何用现有的开源模块实现自己的自然语言理解模块,rasa-pro是一个国外的版本,虽然对于中文模块支持感觉不是特别好,但是其整个软件框架还是非常有借鉴意义

        2、如何把LLM用在自然语言机器人模型上

        后续通过扩展Rasa模块,把Rasa-Pro和FreeSwitch及淘宝/京东等电商平台的客服结合都是一个非常好的未来工具

1、安装基础rasa-pro 模块

        在分析及详细了解rasa-pro模块之前,需要先安装rasa-pro, rasa-pro 本身就提供了一个基于github codespace的代码编译及修改。由于要分析代码,而阅读代码使用VS Code,因此整个模块安装在了Windows上面。rasa-pro默认是用python的env模式来进行的。

1.1 GitHub CodeSpace 

         直接访问这个地址 https://github.com/RasaHQ/codespaces-quickstart/ 来基于浏览器进行代码阅读。GitHub CodeSpace是一个基于浏览器的代码编写虚拟环境,进入后点击 

这个是我的VSCode 打开的CodeSpace项目目录

1.2、本地使用Rasa Pro

        由于GitHub WorkSpace远程操作的不稳定性,我在本地复杂了上面的目录部署了一套。先使用python  env 创建 rasa pro 的python 虚拟环境

python -m venv rasa-env
rasa-env\Scripts\activate

         安装 rasa pro ,在安装rasa pro 的时候可能会有环境影响而导致各种问题,正常是        pip install rasa-pro,如果在最后安装后

Rasa Pro企业级对话AI实战:从安全扫描到密钥管理的完整配置指南 本文深入探讨了Rasa Pro在企业级对话AI系统中的核心安全与运维配置。通过实战案例,详细解析了如何利用其安全扫描、密钥管理、PII数据脱敏和可观测性功能,构建符合安全合规要求的生产级对话系统,助力企业从Demo平稳过渡到安全、可扩展的生产环境。 阅读详情

相关推荐

Rasa(非Pro)开源意图识别聊天机器人本地部署及调试,从零到一构建学习

当前语境下,大模型可以完成各种对话的需求,各种智能体+知识库也能完成各种各样nlp任务,但是幻觉问题,让很多场景无法直接使用大模型,对话机器人中rasa框架比较著名,rasa pro版(商用)也是融入了大模型,通过CALM扩展了开源Rasa的功能为了能够快速理解和学习,从简单传统的开源rasa搭建和使用进行展开,因为非ai科班出身,也想探究一下,传统的语义识别与现在的大模型究竟差距有多大Rasa是一套用来构建基于上下文的AI小助手和聊天机器人框架。

“逛丢一只鞋”的博客 2279

用Rasa Pro构建银行IVR语音助手:从对话设计到端到端测试的避坑手册

本文详细介绍了使用Rasa Pro构建银行IVR语音助手的全链路实战经验。从业务流程拆解、模块化对话设计,到Rasa Pro企业级功能(如IVR语音连接器、并发锁存储)的深度应用与配置避坑,再到端到端测试、性能调优及安全合规(PII处理)等关键环节,为金融科技团队提供了一份从开发到部署的实用避坑手册。

weixin_28335283的博客 658

rasa安装和测试

rasa core:对话管理 rasa nlu :语义理解,意图识别和实体识别   git源地址参考:https://github.com/tedljw/rasa_test_ch   1. 安装相关组件包 pip install rasa_nlu==0.13.4 pip install rasa_core==0.11.4 pip install rasa_core_sdk==0....

5067

Rasa 3.x 学习系列-Rasa [3.5.4] -2023-04-05新版本发布

Rasa 3.x 学习系列-Rasa [3.5.4] -2023-04-0新版本发布Rasa Pro 3.5 中引入的两项新功能将帮助您更好地测试和保护您的 AI 助手:端到端测试和机密管理。

大模型与Agent智能体 1147

聊天机器人Rasa面试内容整理-Rasa 是什么?

它由两部分组成:Rasa Open Source 和 Rasa Pro (或 Rasa Enterprise),提供了强大的工具集来创建自然语言理解(NLU)和对话管理(DM)功能。高度可定制: Rasa 是完全开源的,开发者可以根据自己的需求自由调整、扩展功能,例如集成自定义模型或外部 API。设计对话逻辑: 定义对话的故事(Stories)和规则(Rules),或者使用机器学习模型来预测对话的下一步。对话管理(Core): Rasa Core 负责对话的管理和流转,支持复杂的、多轮对话。

不务正业的猿 524

VC Spyglass CDC实战:从TCL脚本到SDC约束的完整避坑指南

本文是一份针对数字IC验证工程师的VC Spyglass CDC实战指南。文章详细阐述了从TCL脚本环境搭建、SDC约束编写到典型CDC违规(如SETUP_PORT_UNCONSTRAINED)诊断与修复的完整流程,旨在帮助读者高效避坑,深入理解工具逻辑,从而完成可靠的时钟域交叉验证。

go5gopher的博客 384

基于sklearn实现LDA主题模型(附实战案例)

目录LDA主题模型1.LDA主题模型原理2.LDA主题模型推演过程3.sklearn实现LDA主题模型(实战)3.1数据集介绍3.2导入数据3.3分词处理 3.4文本向量化3.5构建LDA模型3.6LDA模型可视化 3.7困惑度 其实说到LDA能想到的有两个含义,一种是线性判别分析(Linear Discriminant Analysis),一种说的是概率主题模型:隐含狄利克雷分布(Latent Dirichlet Allocation,简称LDA)。 现在讨论的是主题模型

m0_64336780的博客 2万+

隧道裂缝检测【C++PCL】

我们团队注重每一个细节,确保代码的可读性、可维护性和可扩展性达到最高标准。我们严格遵循行业最佳实践,采用模块化和面向对象的设计原则,使得我们的代码结构清晰且易于理解。我们的点云服务更是引以为傲。我们的技术团队拥有深厚的专业知识和丰富的经验,能够提供高度准确和高效的点云处理服务。无论是点云的获取、存储还是分析,我们都能够满足客户的需求,并提供出色的解决方案。我们的技术实力也是无与伦比的,拥有广泛的技术背景和深入的专业知识。

weixin_45196569的博客 849

在Qt中集成VTK和PCL:实现数据可视化的完整指南

在现代软件开发中,数据可视化至关重要。将VTK(Visualization Toolkit)和PCL(Point Cloud Library)集成到Qt环境里,能为开发者提供强大的可视化解决方案。本文将深入讲解如何在Qt中读取PCL文件,展示VTK模型和PCL数据,适合想要在Qt项目中实现数据可视化的开发者。

轩宇的博客 917

【数字IC设计】芯片设计中的RDC

在芯片设计中,RDC是的缩写,类似于CDC(clock domain crossing),由于现在SOC芯片是有很多ECUs组成,为了使整个系统能够快速从复位中恢复, 用户希望SOC里面每个ECU模块都可以有自己独立的异步复位信号,这样可以在出问题的时候只复位有错误逻辑的模块,而使其它模块保持正常工作。

qq_40268672的博客 2185

CKAD-CN考试之路----12

显然,对应的value都已经实现了加密.保存退出,等待pod重新创建。确认secret是否被加密。编辑secret文件。

Q先生 446

视觉Transformer实战 | Token-to-Token Vision Transformer(T2T-ViT)详解与实现

Vision Transformer (ViT) 在计算机视觉领域取得了巨大成功,但标准的 ViT 存在一些局限性,如需要大规模预训练数据、对局部结构建模不足等。Token-to-Token ViT (T2T-ViT) 通过引入渐进式分词过程改进了原始 ViT,使其能够在中小型数据集上取得更好的性能。本节将详细介绍 T2T-ViT 的技术原理,并使用 PyTorch 从零开始实现 T2T-ViT。

盼小辉丶的博客 4万+

B.3【智能标注】:基于Labelstudio的UIE半监督深度学习的智能标注方案(云端版),提效。

Label Studio 所提供的 Machine Learning Backend 提供了一个比较灵活的辅助人工标注的框架,我们通过它确实可以加快 nlp 数据的标注Label Studio 的 enterprise 版本提供了 Active Learning 的流程,不过从其描述看这个流程并不完美,尤其是 fit 部分,由于 Label Studio 低估了「Train」所花费的时间,所以每次标注都自动训练的流程可能并不会那么顺滑(会在链接时候等待一段时间)

丨汀、的博客 1840

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

上一篇: WSL2 已经安装Ubuntu Docker的情况下使用Docker Desktop
下一篇: RAG 中 Rerank 模型介绍
livepy
博客等级 码龄18年 84粉丝 24原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

livepy

老码农,赋闲在家要吃饭

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值