Rasa简介

Rasa框架包含四个部分：

• Rasa NLU：提取用户想要做什么和关键的上下文信息
• Rasa Core：基于对话历史，选择最优的回复和动作
• 通道（channel）和动作（action）：连接对话机器人与用户及后端服务系统
• tracker store、lock store和event broker等辅助系统

1. 系统结构

Rasa的核心部分分为Rasa和Rasa SDK两部分
Rasa又可细分为Rasa NLU和Rasa Core

• Rasa
  • Rasa NLU：主要负责将用户的输入转化为意图和实体信息，即自然语言理解（NLU）过程
  • Rasa Core：主要负责基于当前和历史的对话记录（Rasa NLU的输出是对话记录的一部分），决策下一个动作（action），下一个动作可能是回复用户某种消息、调用用户自定义的动作类。
• Rasa SDK
  帮助用户构建自定义动作的软件开发工具包（Software Development Kit, SDK）。大多数机器人通过调用外部服务来完成功能。例如天气机器人调用天气信息服务商的接口完成天气查询。
  在Rasa中，这种由具体业务决定的动作被称为自定义动作（custom action）。自定义动作运行在一个单独的服务器进程中，称为动作服务器（action server）。动作服务器通过HTTP与Rasa Core通信。

另外，完整的聊天机器人需要一个友好的使用界面，Rasa通过通道（channel）支持多种即时通信软件（Instant Messaging，IM）对接Rasa。

Rasa核心工作逻辑和流程

康威定律（Conway's Law）：软件系统的结构反映组织结构。
基于此理论，Rasa NLU和Rasa Core结合比较紧密，都位于Rasa的软件包中；而Rasa SDK单独为一个软件包。
通常情况下，Rasa NLU和Rasa Core由算法团队负责，而自定义动作的开发由python工程师团队负责。Rasa SDK和Rasa Core的分开设计可以使两个团队在低耦合情况下，各自独立开发，独立部署，独立改进，从而提高工作效率。

2 Rasa项目的基本流程

构建一个完整的Rasa项目工程步骤：

1. 初始化项目
2. 准备NLU训练数据
3. 配置NLU模型
4. 准备故事（story）数据
5. 定义领域（domain）
6. 配置Rasa Core模型
7. 训练模型
8. 测试机器人
9. 让人们使用机器人

3 Rasa常用命令

rasa 常用命令 - python包包侠 - 博客园 (cnblogs.com)
rasa 如何写一个故事 - python包包侠 - 博客园 (cnblogs.com)

4 创建示例项目

.
|---- actions
  |---- actions.py
  |---- init.py
|---- config.yml
|---- credentials.yml
|---- data
  |---- nlu.yml
  |---- rules.yml
  |---- stories.yml
|---- domain.yml
|---- endpoints.yml
|---- tests
  |---- test_stories.yml