Rasa PTBR Boilerplate 项目启动与配置教程

1. 项目目录结构及介绍

Rasa PTBR Boilerplate 项目的目录结构如下：

rasa-ptbr-boilerplate/
├── actions/
│   ├── __init__.py
│   └── actions.py
├── data/
│   ├── nlu.yml
│   ├── stories.yml
│   └── domain.yml
├── config.yml
├── models/
│   └── training_data.yml
├── requirements.txt
└── run.py

以下是各个目录和文件的简要介绍：

• actions/: 包含自定义动作的 Python 脚本。
• data/: 存储项目所用的训练数据。
  • nlu.yml: 自然语言理解训练数据，定义了实体和意图。
  • stories.yml: 故事文件，定义了对话流程。
  • domain.yml: 定义了项目的域，包括实体、意图、动作等。
• config.yml: 项目的配置文件。
• models/: 存储训练好的模型。
  • training_data.yml: 模型的训练数据。
• requirements.txt: 项目依赖的 Python 包。
• run.py: 项目的启动脚本。

2. 项目的启动文件介绍

项目的启动文件是 run.py。该脚本负责初始化和运行 Rasa 应用程序。以下是 run.py 的主要功能：

from rasa.core import run

if __name__ == "__main__":
    run()

在执行 run.py 时，Rasa 会自动读取 config.yml 文件中的配置信息，并启动对话系统。

3. 项目的配置文件介绍

项目的配置文件是 config.yml。该文件定义了 Rasa 应用程序的配置参数，包括模型、管道、策略等。

以下是一个简化的 config.yml 示例：

version: "2.0"

pipelines:
  - name: "SpaCy NLP pipeline"
    elements: [
      - name: "SpacyNLP"
      - name: "CRF Entity Extractor"
      - name: "RegexFeaturizer"
      - name: "LexicalSyntacticFeaturizer"
      - name: "CountBasedFeaturizer"
      - name: "TwoStageIntentClassifier"
    ]

policies:
  - name: "MemoizationPolicy"
  - name: "TEDPolicy"
  - name: "RulePolicy"

actions:
  - action_foo
  - action_bar

trainining_data:
  common_examples:
    - intent: greet
      examples: |
        - 你好
        - 嗨
        - 嘿

在此配置文件中，定义了以下内容：

• pipelines: 定义了 NLP 管道的组成，包括各种处理器和特征提取器。
• policies: 定义了使用的对话策略。
• actions: 列出了项目中定义的自定义动作。
• trainining_data: 包含了一些示例对话数据，用于训练模型。

确保在修改 config.yml 文件后，重新启动 Rasa 应用程序以使配置生效。