最近对 Rasa 产生了浓厚的兴趣，准备用Rasa打磨一下聊天机器人，所以做了一些调研和学习，准备记录一下，这是第一篇，感兴趣的同学可以参考。

Rasa是一套开源机器学习框架，用于构建基于上下文的AI小助手和聊天机器人。Rasa有两个主要模块：Rasa NLU 用于对用户消息内容的语义理解；Rasa Core 用于对话管理(Dialogue management)。Rasa官方还提供了一套交互工具 RasaX 帮助用户提升和部署由Rasa框架构建的AI小助手和聊天机器人。

学习一套东西最好的方法是从官方文档开始，Rasa官方文档相当贴心，我们从 Rasa User Guide 走起。

一、安装Rasa及RasaX

我是在Ubuntu16.04, Python3 的 virtualenv 环境下测试安装的：

virtualenv -p python3 venv

source venv/bin/activate

pip install rasa-x --extra-index-url https://pypi.rasa.com/simple

如果一切正常，rasa 及 rasa x 将同时被安装，如果你不希望使用 RasaX，那么安装时直接"pip install rasa"即可，当然还可以继续安装 Rasa NLU 文本分析时所需的一些依赖，此处暂时忽略。

二、运行官方示例

Rasa 官方 tutorial 示例相当贴心，即使你没有安装rasa，也可以在这个页面通过浏览器运行示例代码，如果已经安装了，可以在自己的电脑上通过命令行follow整个流程。

1. 创建默认的初始项目

在终端运行：

rasa init --no-prompt

这个过程将有一个很快速的 Rasa 相关模型训练过程展示，最终提示：

...

NLU model training completed.

Your Rasa model is trained and saved at '/home/textminer/rasa/default/models/20190821-205211.tar.gz'.

If you want to speak to the assistant, run 'rasa shell' at any time inside the project directory.

如果不加 --no-prompt，会有几个问题提示。你也可以直接通过浏览器在官方页面执行“run”按钮，结果是这样的：

这个命令将在当前目录下新建以下文件：

__init__.py

空文件

actions.py

可以自定义 actions 的代码文件

config.yml ‘*’

Rasa NLU 和 Rasa Core 的配置文件

credentials.yml

定义和其他服务连接的一些细节，例如rasa api接口

data/nlu.md ‘*’

Rasa NLU 的训练数据

data/stories.md ‘*’

Rasa stories 数据

domain.yml ‘*’

Rasa domain 文件

endpoints.yml

和外部消息服务对接的 endpoins 细则，例如 fb messenger

models/.tar.gz

初始训练的模型数据

其中标志有 ‘*’ 的文件是比较重要的文件，以下我们来详细的了解。

继续阅读 →