python开源项目rasa对话式聊天机器人常用命令

Rasa 是用于构建对话式 AI 助手和聊天机器人的开源框架，它提供了一套完整的工具和库，帮助开发者创建高度定制化、智能的对话系统。那么，在Python中项目中要如何使用rasa呢？
 

rasa安装

安装使用最简单的pip安装即可。

pip install rasa

 

项目初始化

如果你还没有 Rasa 项目，可使用以下命令初始化一个新的项目：

rasa init

该命令会创建一个新的 Rasa 项目，包含必要的配置文件和示例数据。
 

训练模型

训练模型是让 Rasa 学习意图、实体和对话流程的关键步骤。使用以下命令进行训练：

rasa train

此命令会根据 data/ 目录下的对话数据和 domain.yml 文件来训练模型。训练完成后，模型会保存在 models/ 目录中。
 

启动 Rasa 服务器

启动 Rasa 服务器以接收用户输入并生成回复：

rasa run

默认情况下，服务器会在 http://localhost:5005 上监听请求。你可以使用以下参数进行配置：
--port：指定服务器监听的端口，例如 rasa run --port 5006。
--debug：开启调试模式，方便查看详细的日志信息，如 rasa run --debug。
--enable-api：启用 Rasa API，允许通过 HTTP 请求与 Rasa 交互，示例：rasa run --enable-api。

执行rasa run时，如果报错No module found ，则可能是缺失了模型。如果没有模型，则需要先训练，如果有模型，则需要引入模型路径，参考如下

rasa run --model models/

带目录运行虽然可以解决问题，但并非最佳方案。因为出现这个问题，大概率是你没有进入rasa目录。没有进入rasa目录会导致后面的操作全部要带目录去操作，何其麻烦。

所以更好的方案是

cd rasa #进入rasa目录
rasa run  #运行或其他操作

这样，就不存在报错了。

 

启动动作服务器

如果你在项目中使用了自定义动作，需要启动动作服务器：

rasa run actions

默认情况下，动作服务器会在 http://localhost:5055 上监听请求。
 

交互式训练

Rasa 提供了交互式训练模式，允许你在对话过程中实时调整模型：

rasa interactive

此命令会启动一个交互式会话，你可以与机器人进行对话，并在需要时纠正模型的预测。
 

测试模型

在训练模型后，你可以使用以下命令对模型进行测试：

rasa test

该命令会根据 data/test/ 目录下的测试数据对模型进行评估，并生成测试报告。
 

可视化对话流程

使用以下命令可以可视化对话流程，帮助你理解模型的决策过程：

rasa visualize

运行此命令后，会生成一个 HTML 文件，展示对话流程图。
 

查看帮助信息

如果你忘记了某个命令的用法或需要查看更多选项，可以使用 --help 参数：

rasa --help

这将显示 Rasa 的所有可用命令和选项。
以上就是在 Python 中使用 Rasa 进行训练和启动的常用命令汇总。根据项目的具体需求，你可以灵活组合这些命令来完成聊天机器人的开发和部署。