对话机器人 Rasa 基本调试过程

以下记录rasa基本的配置，以及调试过程。首先用rasa init 生成一个初始的文件目录。

1、最简单的中文配置

打开项目根目录下的 config.yml 配置文件，修改如下：

recipe: default.v1language: zhpipeline:- name: JiebaTokenizer- name: LanguageModelFeaturizermodel_name: "bert"# 下载中文模型，并指定路径model_weight: "bert-base-chinese"- name: "DIETClassifier"

 国内使用的话，会遇到无法从 huggingface 下载模型，可使用国内的镜像

2、配置 nlu.yml

 修改 data/nlu.yml，在已有的英文语料基础上，增加一些中文的语料。

version: "3.1"nlu:
- intent: greetexamples: |- hey- hello- hi- hello there- good morning- good evening- moin- hey there- let's go- hey dude- goodmorning- goodevening- good afternoon- 你好！- 您好！- 在么！- 在吗！- 喂！- intent: goodbyeexamples: |- cu- good by- cee you later- good night- bye- goodbye- have a nice day- see you around- bye bye- see you later- 拜拜！- 再见！- 拜！- 退出。- 结束。- exit- intent: affirmexamples: |- yes- y- indeed- of course- that sounds good- correct- 是的- 是- intent: denyexamples: |- no- n- never- I don't think so- don't like that- no way- not really- 不- 不是的- 不是

3、重新训练模型 

rasa train nlu

4、测试模型：

rasa shell nlu

 5、重新训练

由于之前用 rasa train nlu 训练出来的模型只是解析，并不包含回复逻辑，所以需要重新训练。

注意，不要带 nlu 参数：

rasa train 

6、启用了 rasa server

再次启动 rasa shell，会看到同时启用了 rasa server, 并加载了新训练的模型文件。 

rasa shell