python rasa聊天机器人教程一：安装

Rasa 是一个开源的机器人对话管理框架，用于构建灵活、可扩展的对话系统。它使您能够创建自己的聊天机器人，并通过自然语言理解（NLU）和对话管理（DM）来处理用户的输入和生成响应。

 windows中安装rasa

1.创建虚拟环境

 注：确保win10中已经安装了python3.8,并且python3.8的目录中要有python.exe的文件（因为有的电脑python2和python3并存，已经吧python.exe改成了python3.exe）

2.安装rasa

命令行中进入虚拟机环境的目录

J:\Python\rasa\vir_env\Scripts

然后运行安装rasa的命令

pip install rasa

 3.安装Mitie和Jieba

# 在线安装Mitie
pip install git+https://github.com/mit-nlp/MITIE.git
pip install rasa[mitie]  # 注：由于第一步始终没成功过，没尝试过这个命令的意义

 

# 安装Jieba中文分词
pip install jieba

 注：安装过程估计会有点卡，可以尝试连接梯子，或者尝试离线安装 参考：https://blog.csdn.net/weixin_43815222/article/details/121649581

4.创建新的rasa项目

先新建一个目录

J:\Python\rasa\Code\rasa1

命令行中进入该目录，运行命令

rasa init

 安装过程中有提示，按照要求操作即可

是否在当前目录中创建？回车即可

 

 

训练一个初始化模型？y

 

 

 

现在初始化rasa项目后可以自己进入对话

我的rasa和rasa-sdk版本

rasa --version

Rasa Version      :         3.6.4
Minimum Compatible Version: 3.5.0
Rasa SDK Version  :         3.6.1
Python Version    :         3.8.10
Operating System  :         Windows-10-10.0.19041-SP0
Python Path       :         C:\Python38\python3.exe

初始化自动生成的目录

 

其他：

自定义域文件：Rasa 的域文件 (domain.yml) 定义了机器人的行为和响应。您可以根据自己的需求对其进行修改。

训练 NLU 模型：NLU 模型用于理解用户输入的意图和提取实体。您需要准备一些训练数据，并将其放入 data/nlu 目录下，然后使用以下命令来训练 NLU 模型：

rasa train nlu

 训练 Core 模型：Core 模型用于管理对话流程和生成机器人的回复。您需要准备一些训练数据，并将其放入 data/stories.md 文件中，然后使用以下命令来训练 Core 模型：

rasa train core

 运行对话模型：训练完成后，您可以使用以下命令来与您的聊天机器人进行交互：

rasa shell

 Rasa 中的 LanguageModelFeaturizer 组件需要一个名为 transformers 的 Python 包

pip install transformers

 更换 PyPI 的源：有时候 PyPI 的默认服务器可能会遇到暂时的问题。你可以尝试使用国内的 PyPI 镜像源来安装。例如，使用清华大学提供的 PyPI 镜像：

pip install jieba -i https://pypi.tuna.tsinghua.edu.cn/simple