Este projeto abriga os arquivos de configuração e o código-fonte responsável por compilar o modelo do chatbot para o projeto RASA.
Para ver o repositório da página web para interação com o chatbot, acesse o repositório rasa-frontend.
/ |
|
|---|---|
domain.yml |
Define o domínio do chatbot, incluindo intenções, entidades e respostas de ações. |
config.yml |
Especifica as configurações do modelo RASA, como o pipeline de processamento de linguagem natural. |
endpoints.yml |
Contém informações sobre os endpoints, como o servidor do modelo e o servidor de ações. |
credentials.yml |
Armazena credenciais para serviços externos, como APIs ou canais de mensagens. |
data/ |
Diretório que contém dados de treinamento e regras para o modelo. |
|---|---|
- nlu.yml |
Exemplos de treinamento para o processamento de linguagem natural (frases reais). |
- stories.yml |
Contém "histórias" de exemplo para treinar o modelo a seguir fluxos de conversação. |
- rules.yml |
Define regras de conversação para orientar o comportamento do chatbot. |
actions/ |
Diretório que contém o código fonte para ações personalizadas do chatbot. |
|---|---|
- actions.py |
Define as ações personalizadas que o chatbot pode realizar. |
Primeiro, abra o projeto em um editor de código fonte e edite os arquivos da maneira necessária. Certifique-se de que você tem o framework Rasa Open Source instalado e a versão correta do Python em sua máquina. Dentro do diretório do projeto, no Terminal, você pode executar o seguinte:
Para treinar o modelo usando os dados de treinamento definidos em data/
rasa train
Para iniciar uma sessão simples de conversa para testar o comportamento do chatbot
rasa shellPara iniciar uma sessão interativa de conversa para testar de debugar o comportamento do chatbot
rasa interactiveSempre que estiver conversando com o chatbot e precisar executar uma ação de script, certifique-se de iniciar o servidor de ações.
Para customizar as respostas do chatbot, você deve editar o arquivo domain.yml. Caso queira implementar uma ação customizada em Python (que cheque algum tipo de serviço externo ou tenha uma lógica própria), adicione uma classe no arquivo actions/actions.py. Para mais informações, veja este documento.
Para iniciar uma sessão do chatbot que o exponha para os serviços externos (definidos em endpoints.yml), você pode rodar o seguinte comando:
rasa run -m models --enable-api --cors "*" --debug -p 5005No entanto, vale lembrar que as ações são servidas de uma maneira separada do servidor principal do chatbot. Portanto, você também deve rodar o servidor de ações da seguinte maneira.
rasa run actions
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent