Mise en place de votre premier projet Rasa

Rasa est un framework open source pour créer une IA conversationnelle et des chatbots. Si vous souhaitez configurer votre premier projet dans Rasa, vous êtes au bon endroit. Dans ce blog, nous allons mettre en place un projet Rasa à partir de zéro, étape par étape.

Qu’est-ce que Rasa ?

Avant de plonger dans le vif du sujet, clarifions ce qu’est le Rasa. Rasa se compose de deux composants principaux :

1. Rasa Open Source : Un cadre pour développer la compréhension du langage naturel (NLU) et la gestion du dialogue.

2. Rasa X : Un outil pour améliorer et gérer votre assistant au fil du temps.

Rasa est écrit en Python et permet une personnalisation flexible, ce qui en fait un choix populaire parmi les développeurs.

Conditions préalables

Pour configurer Rasa, vous avez besoin de :

• Python 3.8 ou 3.9 (Rasa ne prend actuellement pas en charge 3.10)

• pip (gestionnaire de paquets Python)

• Environnement virtuel (facultatif mais recommandé)

La familiarité avec Python et l'utilisation de base de la ligne de commande est utile mais pas obligatoire.

Étape 1 : Installation de Python et création d'un environnement virtuel

1. Télécharger Python :

• Rendez-vous sur le site Web de Python et téléchargez Python 3.8 ou 3.9.

1. Créer un environnement virtuel : l'utilisation d'un environnement virtuel maintient les dépendances de votre projet Rasa isolées de votre configuration Python globale.

   python -m venv venv
   source venv/bin/activate

Étape 2 : Installer Rasa

1. Installez Rasa via pip :

   pip installer rasa

   1. Vérifiez l'installation :

   rasa --version

Vous devriez voir la version Rasa et la version Python affichées.

Étape 3 : Créez votre premier projet Rasa

Maintenant, créons votre projet Rasa :

1. Exécutez la commande suivante :

   initialisation rasa

   1. Suivez les instructions :

• Rasa mettra en place un nouveau répertoire de projet avec la structure suivante :

  mon_projet/
  ├──actions/
  ├── données/
  ├── modèles/
  ├──essais/
  ├── config.yml
  ├──credentials.yml
  ├── domaine.yml
  └── endpoints.yml

• Nous serons invités à former un modèle et à tester votre assistant. Allez-y et essayez-le !

Étape 4 : Comprendre les fichiers clés dans Rasa

Voici une répartition des fichiers clés de votre projet :

• domain.yml : définit la personnalité, les intentions, les réponses et les entités de votre bot.

• data/nlu.yml : contient des exemples de formation pour la reconnaissance d'intention.

• data/stories.yml : définit les flux de conversation pour entraîner le modèle de dialogue.

• config.yml : spécifie le pipeline d'apprentissage automatique pour la classification des intentions et la reconnaissance des entités.

• endpoints.yml : configure où trouver les services externes (par exemple, le serveur d'action).

• credentials.yml : configure les intégrations tierces comme Slack ou Telegram.

Étape 5 : Entraînez votre modèle Rasa

1. Utilisez la commande suivante pour former votre assistant s'il n'est pas déjà formé :

   train rasa

   1. Cela générera un fichier modèle dans le répertoire models/, prêt à alimenter votre chatbot !

Étape 6 : Testez votre assistant

1. Testez votre assistant en local :

   coquille rasa

   1. Tapez quelques messages pour voir comment l'assistant répond. Par exemple :

> Hi Hello! <br>
Hey! How are you?<br>

Étape 7 : Ajouter des actions personnalisées

Vous souhaitez que votre bot effectue des actions telles que récupérer des données à partir d'une API ? Ajoutez des actions personnalisées !

1. Ouvrez le répertoire actions/ et créez un fichier Python (par exemple, actions.py).

2. Écrivez votre action personnalisée :

   depuis l'action d'importation rasa_sdk
   depuis rasa_sdk.executor import CollectingDispatcher

   classe ActionHelloWorld(Action):
   nom def (soi) :
   renvoyer "action_hello_world"

   def run(self, dispatcher, tracker, domain):
       dispatcher.utter_message(text="Hello, world!")
       return []
   

   1. Mettez à jour domain.yml pour inclure votre action :

   actions :

   • action_hello_world
     1. Démarrez le serveur d'action :

   actions d'exécution rasa

Des références ?

• Documentation officielle Rasa

• Téléchargement Python

• Documentation Virtualenv

Bon codage

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!