ai chatbot framework

Ein in Python erstelltes KI-Chatbot-Framework

Einen Chatbot zu erstellen kann entmutigend klingen, ist aber durchaus machbar. AI Chatbot Framework ist eine in Python erstellte KI-gestützte Konversationsdialogschnittstelle. Mit diesem Tool ist es einfach, Konversationsszenarien in natürlicher Sprache zu erstellen, ohne jeglichen Programmieraufwand. Dank der reibungslosen Benutzeroberfläche ist es mühelos möglich, Konversationen mit dem Bot zu erstellen und zu trainieren, und er wird immer intelligenter, da er aus Gesprächen mit Menschen lernt. Das AI Chatbot Framework kann auf jedem Kanal Ihrer Wahl (z. B. Messenger, Slack usw.) eingesetzt werden, indem es seine API in diese Plattform integriert.

Sie müssen kein Experte für künstliche Intelligenz sein, um einen fantastischen Chatbot mit KI-Funktionen zu erstellen. Mit diesem Musterprojekt können Sie im Handumdrehen eine KI-gestützte Chat-Maschine erstellen. Es kann zahlreiche Fehler geben. Fühlen Sie sich also frei, über Pull-Requests einen Beitrag zu leisten.

Installation

Verwenden von Docker-Compose

docker-compose up -d

Helm verwenden

helm dep update helm/ai-chatbot-framework

helm upgrade --install --create-namespace -n ai-chatbot-framework ai-chatbot-framework helm/ai-chatbot-framework

# port forward for local installation
kubectl port-forward --namespace=ai-chatbot-framework service/ingress-nginx-controller 8080:80

Mit Docker

 # pull docker images
docker pull alfredfrancis/ai-chatbot-framework_backend:latest
docker pull alfredfrancis/ai-chatbot-framework_frontend:latest

# start a mongodb server
docker run --name mongodb -d mongo:3.6

# start iky backend
docker run -d --name=iky_backend --link mongodb:mongodb -e= " APPLICATION_ENV=Production " alfredfrancis/ai-chatbot-framework_backend:latest

# setup default intents
docker exec -it iky_backend python manage.py migrate

# start iky gateway with frontend
docker run -d --name=iky_gateway --link iky_backend:iky_backend -p 8080:80 alfredfrancis/ai-chatbot-framework_frontend:latest

ohne Docker

• Richten Sie Virtualenv ein und installieren Sie die Python-Anforderungen

virtualenv -p python3 venv
source venv/bin/activate
pip install -r requirements.txt
python manage.py migrate
python run.py

• Produktion

APPLICATION_ENV= " Production " gunicorn -k gevent --bind 0.0.0.0:8080 run:app

• Öffnen Sie http://localhost:8080/

Frontend-Dist aktualisieren

• Führen Sie den Entwicklungsmodus aus

 cd frontend
npm install
ng serve

• Nehmen Sie den Produktionsaufbau

 cd frontend
ng build --prod --optimize

Heroku

• Fügen Sie Ihre Entwicklungs-/Produktionskonfigurationen in config.py hinzu

DB

Wiederherstellen

Mit den folgenden Schritten können Sie einige Standardabsichten importieren

• Gehen Sie zu http://localhost:8080/agent/default/settings
• Klicken Sie auf „Datei auswählen“.
• Wählen Sie „examples/default_intents.json-Datei“
• Klicken Sie auf Importieren

Screenshots

Anleitung

Schauen Sie sich dieses grundlegende Tutorial auf YouTube an.

Sehen Sie sich das Tutorial zum Erfüllen Ihrer Chatbot-Absicht mit einem API-Aufruf an – Recipe Search Bot

Todos

• Schreiben Sie Unit-Tests
• Mehrsprachiger Absichtsklassifikator
• Migration von PyCRFSuite zu sklearn-crfsuite
• Unterstützen Sie Folgegespräche

Abhängigkeitsdokumentationen

• SKLearn-Dokumentation
• CRFsuite-Dokumentation
• Python CRfSuite

Freie Software, verdammt noch mal!

---