RasaTalk

基本概况

Rasa Talk 是一款构建在 Rasa NLU 之上的对话管理工具。它是出于对开源本地对话管理系统的渴望而构建的。最初受到 Rasa UI 的启发，灵感取自 Watson 对话。

Rasa Talk 可以用作训练数据生成器，但也可以将您的聊天机器人连接到 Facebook/Telegram/Skype/Slack 等！

请随时给我留言

演示

https://www.talk.jackdh.com （用户：[email protected] 密码：demo1234）

安装

先决条件

• 数据库：Mongodb - 您可以在本地或像 mlab 一样在线运行它
• 聊天机器人大脑：Rasa NLU - 我建议使用 Docker 运行

 git clone https://github.com/jackdh/RasaTalk/
Rename example.env to '.env'
Update the variables to include your MongoDB server IP and Rasa NLU IP.
yarn
yarn start

码头工人

使用选定的环境变量更新.env或docker-compose.yml 。 （Mongodb 卷不适用于 Windows）

docker-compose up

或者查看 https://github.com/jackdh/RasaTalk/wiki/Setup 以获取更详细的设置指南

启动并运行

• 使用正确的环境变量更新 .env。
• 创建一个新用户
• 添加新代理
• 向代理添加一些意图
• 向意图添加一些表达式。
• 如果需要，添加实体。
• 开始训练模型
• 创建一个可由 Intent 或 Regex 识别的对话节点。
• 填充节点的其余部分
• 右边测试一下！

特征

Facebook / Skype / 第三方。

由于 RT 的可消费性质，几乎可以将其连接到您想要的任何第三方聊天机器人。对于初学者，我提供了一个快速示例，说明如何使用 [Botkit](https://github.com/howdyai/botkit) 作为中间件来访问 Facebook

Facebook 和 Telegram 都可以在应用程序中轻松设置 查看 telegram 设置 wiki 了解更多信息！

生成 Rasa NLU 训练数据

• 代理 - 创建多个代理以从一个后端托管多个聊天机器人。
• 意图/表达式 - 手动或使用变体生成器在代理内构建多个不同的表达式。
• 实体 - 创建多个实体及其同义词。
• 实体插入 - 突出显示以将实体插入表达式中

对话管理

• Watson Conversation 风格的对话管理。
• 基于正则表达式或基于意图的识别。
• 具有多个意图或实体的动态识别，即：#intent OR @entity
• 智能情境感知
• 使用默认槽位或提示进行槽位填充
• 多种和/或不同的反应。
• 跳转到节点
• 在节点内发送和使用 REST API Web 挂钩。
• 基于条件的响应、网络钩子、跳转。
• 保存用户响应以供将来在节点或 API 中使用
• 创建快速回复按钮。

基于权限的编辑

• 基于角色、基于组和个人用户权限。
• 使用 PassportJS 创建安全的用户帐户
• 限制用户访问应用程序中的某些功能。

训练拉莎

• 将意图转换为训练数据。
• 准确的实体插入（不仅仅是搜索和替换）
• 查看当前训练时间。
• 查看当前正在训练的模型。

内置 Chatbot / Rasa 解析器

• 直接 Ping Rasa 服务器以获取 JSON 响应。
• 直接测试聊天机器人以查看对话管理的输出。

还来得及！

进一步分析

• 填写前仪表板以扩展简单的分析。

历史

• 查看用户与聊天机器人的聊天记录。
• 根据日期、主题或意图等条件进行过滤。

闲聊

• 进行简单的闲聊。

待办事项/请求帮助！

• 将测试覆盖率提高到 100%。
• 添加 Travis / Appveyor
• 为节点等字段提供自动完成选项。
• 更好的验证/错误通知。
• 添加意图/表达式的重命名选项
• 添加节点/训练数据的备份选项。
• 添加用于聊天和更新通知的套接字。

已知问题

• Prettier 发现了一个不存在的间距问题。
• 仪表板分析需要一个默认值。

谢谢

@Material-UI React 样板