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 StartedRust0155- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.76 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
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
1.26 K
155
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
612
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
987
253