RasaGPT 项目教程
2024-08-10 11:09:04作者:何将鹤
1. 项目的目录结构及介绍
RasaGPT 项目的目录结构如下:
RasaGPT/
├── app/
│ ├── actions/
│ ├── rasa-credentials/
│ ├── rasa-data/
│ ├── rasa-models/
│ ├── rasa-server/
│ ├── scripts/
│ └── tests/
├── docker-compose.yml
├── env-example
├── .gitignore
├── LICENSE
├── Makefile
├── README.md
└── RESULTS.md
目录介绍
app/: 包含项目的主要代码和子目录。actions/: 包含自定义的 Rasa 动作。rasa-credentials/: 包含 Rasa 的凭证配置。rasa-data/: 包含 Rasa 的数据文件,如 NLU 数据和故事。rasa-models/: 包含训练好的 Rasa 模型。rasa-server/: 包含 Rasa 服务器的配置和代码。scripts/: 包含一些辅助脚本。tests/: 包含测试代码。
docker-compose.yml: Docker 配置文件,用于启动项目。env-example: 环境变量示例文件。.gitignore: Git 忽略文件配置。LICENSE: 项目许可证。Makefile: 包含一些常用的命令。README.md: 项目说明文档。RESULTS.md: 包含机器人的示例命中和未命中结果。
2. 项目的启动文件介绍
项目的启动文件主要是 docker-compose.yml 和 Makefile。
docker-compose.yml
docker-compose.yml 文件用于定义和运行多容器 Docker 应用程序。以下是该文件的主要内容:
version: '3.4'
services:
rasa:
image: rasa/rasa:latest-full
ports:
- "5005:5005"
volumes:
- ./app/rasa-data:/app/data
- ./app/rasa-models:/app/models
- ./app/rasa-server:/app/custom
command: run --enable-api --cors "*"
actions:
image: rasa/rasa-sdk:latest
volumes:
- ./app/actions:/app/actions
ports:
- "5055:5055"
fastapi:
build: ./app/fastapi
ports:
- "8000:8000"
Makefile
Makefile 包含一些常用的命令,如启动、停止和训练模型等。以下是一些示例命令:
start:
docker-compose up -d
stop:
docker-compose down
train:
docker-compose run rasa train
3. 项目的配置文件介绍
项目的配置文件主要位于 app/rasa-data/ 目录下,包括以下文件:
config.yml
config.yml 文件包含 NLU 管道和策略配置。以下是示例内容:
language: en
pipeline:
- name: "WhitespaceTokenizer"
- name: "RegexFeaturizer"
- name: "LexicalSyntacticFeaturizer"
- name: "CountVectorsFeaturizer"
- name: "CountVectorsFeaturizer"
analyzer: "char_wb"
min_ngram: 1
max_ngram: 4
- name: "DIETClassifier"
epochs: 100
- name: "EntitySynonymMapper"
- name: "FallbackClassifier"
threshold: 0.3
policies:
- name: "MemoizationPolicy"
- name: "RulePolicy"
- name: "TEDPolicy"
max_history: 5
epochs: 100
credentials.yml
credentials.yml 文件包含 webhook 和即时通讯工具凭据的路径。以下是示例内容:
messenger:
access_token: "YOUR"
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
572
99
暂无描述
Dockerfile
710
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2