rasa ptbr boilerplate

浅层样板

英文版：README-en

该样板是作为 Tais 项目的通用抽象而诞生的。如今，它的目标是让创建 Rasa 聊天机器人变得更容易。随着框架的发展，目前样板的重点是实时代码文档。

在这里您可以找到完全使用巴西葡萄牙语的聊天机器人，它将帮助您提供对话、代码和 Rasa 功能的使用示例。

建筑学

样板架构可分为 2 个主要部分：

• 创造

将.yml配置文件转换为包含聊天机器人智能的modelo treinado的过程。

• 提供

用户通过 Telegram 与 Boilerplate 进行交互，Telegram 通过连接器向 Rasa NLU 发送消息，在其中识别意图，并根据故事和操作通过 Rasa Core 进行响应。

用于对话的模型由训练器模块生成，然后传输到机器人。这些模型可以在机器人之间进行版本控制和演化。

教程

首先，使用以下命令将存储库克隆到本地计算机：

git clone https://github.com/lappis-unb/rasa-ptbr-boilerplate.git

要让 Rasa 聊天机器人正常工作，请确保您位于项目文件夹中，然后在终端中运行以下命令：

make init

此命令将构建必要的基础设施（上传具有依赖项的容器、训练聊天机器人并在 shell 模式下启动聊天）以启用与聊天机器人的交互。

安装完所有内容后，您将看到以下消息并可以开始与机器人交互：

Bot loaded. Type a message and press enter (use ' /stop ' to exit):
Your input - >

要关闭与机器人的交互，只需输入ctrl+c 。

命令

• 训练命令用于在机器人对话中创建必要的模型。要训​​练您的聊天机器人，请运行以下命令：

make train

• 要在终端中运行机器人，请运行：

make shell

电报配置

完成所有必要环境变量的导出教程后，您可以在 Telegram 上正确运行机器人。

在继续之前。重要提示：环境变量对于机器人正常运行是必要的，所以不要忘记导出它们。

然后在 Telegram 上运行机器人：

make telegram

分析

为了可视化用户和聊天机器人之间的交互数据，我们使用了 Elastic Stack 的一部分，由 ElasticSearch 和 Kibana 组成。因此，我们使用代理来管理消息。因此，无论我们使用哪种类型的信使，我们都可以向 ElasticSearch 添加消息。

• 要快速配置，请运行以下命令：

make build-analytics

等待ElasticSearch服务准备就绪，然后运行以下命令配置索引：

 make config-elastic

等待Kibana服务准备就绪，然后运行以下命令来配置仪表板：

 make config-kibana

上述命令只需执行一次，整个analytics基础设施就可供使用。

通过 URL locahost:5601访问kibana

如果您想了解分析堆栈配置过程，请参阅完整的分析说明。

添加自定义培训组件

Rasa 允许您将自定义模块添加到处理管道中，请在此处了解更多信息。

这里有一个实现情感分析的自定义组件的示例。

要使用它，只需将components.sentiment_analyzer.SentimentAnalyzer组件引入bot/config.yml文件即可。如示例所示：

 language : "pt"

pipeline:
  - name: WhitespaceTokenizer
  - name: "components.sentiment_analyzer.SentimentAnalyzer"                                                                                        - name: RegexFeaturizer

然后，如bot/components/labels.yml文件示例中所示，添加与标签（评级或情绪）相对应的短语。

最后，再次训练机器人，如果组件识别出该实体的值，则信息将存储在sentiment实体中。

笔记本 - 数据分析

设置

提起notebooks容器

make notebooks

通过localhost:8888访问笔记本

文档

项目文档可以使用 GitBook 在本地运行。要通过 npm 安装 gitbook，您需要在计算机上安装 Node.js 和 npm。

• 安装gitbook：

npm install -g gitbook gitbook-cli

• 安装后，在项目根文件夹中运行：

gitbook build .

• 并在本地运行：

gitbook serve .

• 使用权：

 http://localhost:4000/

贡献：要为项目文档做出贡献，请阅读如何为文档做出贡献

如何获得帮助

Tais 框架的部分技术文档可在存储库的 wiki 上找到。如果您找不到答案，请使用duvida标签提出问题，我们将尽力尽快回复。

如果您对 Rasa 有任何疑问，请参阅 Rasa Stack Brasil Telegram 群组，我们也随时为您提供帮助。

请在我们的网站上查看更多联系信息：https://lappis.rocks。

执照

整个样板框架是在 GPL3 许可证下开发的

请参阅此处的许可证依赖项列表