Rasa는 대화형 AI 및 챗봇을 만들기 위한 오픈 소스 프레임워크입니다. Rasa에서 첫 번째 프로젝트를 구성하려는 경우 올바른 위치에 오셨습니다. 이 블로그에서 Iwe는 Rasa 프로젝트를 처음부터 단계별로 설정해 보겠습니다.
라사 란 무엇입니까?
깊이 들어가기 전에 라사가 무엇인지 먼저 알아보겠습니다. Rasa는 두 가지 기본 구성 요소로 구성됩니다.
Rasa 오픈 소스: 자연어 이해(NLU) 및 대화 관리 구축을 위한 프레임워크
Rasa X: 시간이 지남에 따라 어시스턴트를 개선하고 관리하기 위한 도구입니다.
Rasa는 Python으로 작성되었으며 유연한 사용자 정의가 가능하여 개발자들 사이에서 인기가 높습니다.
전제 조건
Rasa를 설정하려면 다음이 필요합니다.
Python 3.8 또는 3.9 (Rasa는 현재 3.10을 지원하지 않습니다)
pip (Python 패키지 관리자)
가상 환경(선택 사항이지만 권장)
Python 및 기본 명령줄 사용법에 익숙하면 도움이 되지만 필수는 아닙니다.
1단계: Python 설치 및 가상 환경 생성
- Python 다운로드:
- Python 웹사이트로 이동하여 Python 3.8 또는 3.9를 다운로드하세요.
-
가상 환경 만들기: 가상 환경을 사용하면 Rasa 프로젝트 종속성이 전역 Python 설정에서 격리된 상태로 유지됩니다.
python -m venv venv
소스 venv/bin/활성화
2단계: Rasa 설치
-
pip를 통해 Rasa 설치:
pip 설치 rasa
- 설치 확인:
rasa --version
Rasa 버전과 Python 버전이 표시됩니다.
3단계: 첫 번째 Rasa 프로젝트 만들기
이제 Rasa 프로젝트를 만들어 보겠습니다.
-
다음 명령을 실행하세요:
라사 초기화
- 안내를 따르세요.
-
Rasa는 다음 구조로 새 프로젝트 디렉터리를 설정합니다.
my_project/
├── 액션/
├── 데이터/
├── 모델/
├── 테스트/
├── config.yml
├── 자격증명.yml
├── domain.yml
└── 엔드포인트.yml 모델을 훈련하고 어시스턴트를 테스트하라는 메시지가 표시됩니다. 한번 시도해 보세요!
4단계: Rasa의 주요 파일 이해
다음은 프로젝트의 주요 파일에 대한 분석입니다.
domain.yml: 봇의 성격, 의도, 응답 및 엔터티를 정의합니다.
data/nlu.yml: 의도 인식을 위한 훈련 예제가 포함되어 있습니다.
data/stories.yml: 대화 모델을 훈련하기 위해 대화 흐름을 정의합니다.
config.yml: 인텐트 분류 및 엔터티 인식을 위한 기계 학습 파이프라인을 지정합니다.
endpoints.yml: 외부 서비스(예: 작업 서버)를 찾을 위치를 구성합니다.
credentials.yml: Slack 또는 Telegram과 같은 타사 통합을 구성합니다.
5단계: Rasa 모델 훈련
-
아직 훈련되지 않은 경우 다음 명령을 사용하여 어시스턴트를 훈련시키십시오.
라사 열차
- 이렇게 하면 models/ 디렉토리에 모델 파일이 생성되어 챗봇을 구동할 준비가 됩니다!
6단계: 어시스턴트 테스트
-
로컬에서 어시스턴트 테스트:
라사 쉘
- 어시스턴트가 어떻게 응답하는지 보려면 일부 메시지를 입력하세요. 예:
> Hi Hello! <br> Hey! How are you?<br>
7단계: 맞춤 작업 추가
봇이 API에서 데이터를 가져오는 등의 작업을 수행하길 원하시나요? 사용자 정의 작업을 추가하세요!
actions/ 디렉터리를 열고 Python 파일(예: actions.py)을 만듭니다.
-
맞춤 작업 작성:
rasa_sdk에서 가져오기 작업
에서
rasa_sdk.executor import CollectingDispatcher클래스 ActionHelloWorld(Action):
def 이름(본인):
"action_hello_world"를 반환합니다def run(self, dispatcher, tracker, domain): dispatcher.utter_message(text="Hello, world!") return []
- 작업을 포함하도록 domain.yml을 업데이트하세요.
작업:
- action_hello_world
- 액션 서버 시작:
라사 실행 작업
참고자료?
라사 공식 문서
Python 다운로드
Virtualenv 문서
행복한 코딩
위 내용은 첫 번째 Rasa 프로젝트 설정의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

Linux 터미널에서 Python 버전을 보려고 할 때 Linux 터미널에서 Python 버전을 볼 때 권한 문제에 대한 솔루션 ... Python을 입력하십시오 ...

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

이 튜토리얼은 간단한 나무 탐색을 넘어서 DOM 조작에 중점을 둔 아름다운 수프에 대한 이전 소개를 바탕으로합니다. HTML 구조를 수정하기위한 효율적인 검색 방법과 기술을 탐색하겠습니다. 일반적인 DOM 검색 방법 중 하나는 EX입니다

이 기사는 Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask 및 요청과 같은 인기있는 Python 라이브러리에 대해 설명하고 과학 컴퓨팅, 데이터 분석, 시각화, 기계 학습, 웹 개발 및 H에서의 사용에 대해 자세히 설명합니다.

이 기사는 Python 개발자가 CLIS (Command-Line Interfaces) 구축을 안내합니다. Typer, Click 및 Argparse와 같은 라이브러리를 사용하여 입력/출력 처리를 강조하고 CLI 유용성을 향상시키기 위해 사용자 친화적 인 디자인 패턴을 홍보하는 세부 정보.


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

SublimeText3 영어 버전
권장 사항: Win 버전, 코드 프롬프트 지원!

맨티스BT
Mantis는 제품 결함 추적을 돕기 위해 설계된 배포하기 쉬운 웹 기반 결함 추적 도구입니다. PHP, MySQL 및 웹 서버가 필요합니다. 데모 및 호스팅 서비스를 확인해 보세요.

드림위버 CS6
시각적 웹 개발 도구

WebStorm Mac 버전
유용한 JavaScript 개발 도구
