背景

上一篇文章提到了百度UNIT智能客服教学机器人，下面用Rasa实现同样的效果。环境如下

Rasa Version      :         3.1.0
Minimum Compatible Version: 3.0.0
Rasa SDK Version  :         3.1.1
Rasa X Version    :         1.1.0
Python Version    :         3.8.10
Operating System  :         Linux-5.15.0-69-generic-x86_64-with-glibc2.29

效果

UNIT

首先通过百度UNIT智能客服教学机器人熟悉一下基本概念：

• 首先确认需要解决的问题，如上图所示：1. 实现业务办理中推荐手机 2. 实现售后咨询 3. 无法处理给出兜底回复
  
• 梳理对话流程
  
• UNIT中将对话分为FAQ问答技能即单轮对话，对话技能即多轮对话
• 确定需要的技能和对话模板，也就是对话模板

Rasa 和 UNIT 概念对比

Rasa Intent VS UNIT技能

UNIT技能配置

Rasa Intent(意图)

• Rasa工程目录如上图
• 在nlu.yml中定义意图，训练数据相关文档在这里
• 通过将意图相同的训练数据罗列在一起，使得Rasa具备’推断’意图的能力

nlu:
- intent: periodexamples: |- 保修期有多久？- 多长时间啊，保修期？- 多久会过保呢？- 保修期多长时间啊？- intent: returnexamples: |- 支持七天无理由退换货吗- 有七天无理由退换货服务吗？- 可以退换货吗？七天无理由的- 七天无理由退换货支持吗- 支持无理由退换货吗- intent: recommendexamples: |- 我的手机坏了，推荐一款新的吧- 推荐一个合适的手机- 根据我的情况给我推荐一款手机- 推荐一个性价比高的手机- 给我推荐一款手机吧- 推荐一款手机给我- [华为](user_phone_brand)有不错的吗- 有没有性价比高的荣耀(user_phone_brand)手机- 我想买[荣耀](user_phone_brand)的手机，有什么推荐吗？- 给我推荐一款[华为](user_phone_brand)的手机- intent: SELECT_PRICEexamples: |- 2000元以下- 2000元~5000元- 5000元以上

FAQ问答技能

• period和return是所谓的UNIT中FAQ问答技能，一般都是一问一答
• - intent: period后边的名称可以自定义
• examples: | 需要把类似的话术列到这里，Rasa是要求至少两条

对话技能

• recommend是所谓的对话技能，一般指多轮对话，既然是多轮对话，有一些信息需要记录下来，例如手机的品牌，下一轮的对话是要用到的。这个就是所谓UNIT中词槽的概念，在Rasa中名称为Slot
• [华为](user_phone_brand)有不错的吗涉及到了标注概念，将实体’华为’标注出来之后，将词槽填充

UNIT配置对话流程 Vs Rasa rule.yml/stories.yml

UNIT可视化配置对话流程

UNIT对流流程支持编程模式和可视化配置，这里以可视化为例

Rasa配置对话

• Rasa的官方可视化界面是Rasa X，目前Rasa3.0以上是不支持的
• 非官方的可视化界面有botfront，kairon等
• 所以这里只演示编程模式。

FAQ问答

• 也称知识库问答，一般为单轮对话，用户问，Bot回复
• 将上一节定义的意图和定义好的答复列到这里，构成一轮对话
• 定义在rule.yml文件中，Rule相关文档在这里

- rule: faq for periodsteps:- intent: period  #意图- action: utter_period #答案- rule: faq for returnsteps:- intent: return #意图- action: utter_return #答案

• rule: faq for period rule的名称，可自定义
• intent是上一节定义的意图
• action是bot的回应,utter_开头的是文字回复，action_开头的是执行一段函数

回复定义

• 回复定义在domain.yml文件中
• utter_开头是固定文本
• action_开头是python函数名，在python函数中可以执行业务代码，最终生成回复文本

responses:utter_period:- text: 本产品免费保修期是自手机激活日起，12个月。同时过保后，也提供收费维修服务呢～utter_return:- text: 您好，商品没有人为损坏的情况下，均支持七天无理由退换货服务哦～

对话技能

• 即多轮对话
• 这里使用了Rasa Form，下一节有介绍
• 定义在stories.yml文件中，Story相关文档在这里

- story: recommend storysteps:- intent: recommend- action: recommend_phone_form- active_loop: recommend_phone_form- slot_was_set:- requested_slot: user_phone_brand- requested_slot: search_type- active_loop: null- slot_was_set:- requested_slot: null- action: action_recommend_phone

• story: recommend story 对话流程名称，可自定义
• intent: recommend 是上一节定义的意图
• action: recommend_phone_form是Rasa action中专门用于收集用户信息的action，进入form后，需要将所有slot填充才能结束
• active_loop是指激活recommend_phone_form
• slot_was_set以及以下几行是描述用户的输入需要填充user_phone_brand search_type这两个词槽才能继续，否则会一直要求用户输入对应信息
• active_loop: null 词槽被填充后，可以继续下面的流程即调用action_recommend_phone函数
• action_recommend_phone 调用函数，执行业务逻辑，输出结果

form定义

• Rasa中专门用于收集用户信息的模块，类似于html中的form表单
• 这里我们定义了一个form用于收集用户对手机的信息包括：品牌、价格
• recommend_phone_form定义在domain.yml中，form相关文档在这里

forms:recommend_phone_form:required_slots:- user_phone_brand- search_type

form需要的slot的回复定义遵循utter_ask_(form name)_(slot name)，如下

  utter_ask_recommend_phone_form_user_phone_brand:- text: 请问您想买哪个品牌的手机呢utter_ask_recommend_phone_form_search_type:- buttons:- title: 2000元以下payload: /SELECT_PRICE{{"search_type":"low"}}- title: 2000元~5000元payload: /SELECT_PRICE{{"search_type":"medium"}}- title: 5000元以上payload: /SELECT_PRICE{{"search_type":"high"}}text: 您希望购买什么价位的手机?

slot定义

slot定义在domain.yml中，Domain相关文档在这里

entities:
- user_phone_brand
- search_type
slots:user_phone_brand:type: textinfluence_conversation: falsemappings:- type: from_entityentity: user_phone_brandsearch_type:type: textinfluence_conversation: truemappings:- type: from_entityentity: search_typeconditions:- active_loop: recommend_phone_form

action_recommend_phone函数

action_recommend_phone在action.py中，Action相关文档在这里

class ActionRecommendPhone(Action):def name(self) -> Text:return "action_recommend_phone"def run(self, dispatcher: CollectingDispatcher,tracker: Tracker,domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:slots = {"user_phone_brand":None,"search_type":None}price_range = tracker.get_slot('search_type')if price_range == 'low':dispatcher.utter_message(response="utter_recommend_result",formatted_price='1999')elif price_range == 'medium':dispatcher.utter_message(response="utter_recommend_result",formatted_price='3999')else:dispatcher.utter_message(response="utter_recommend_result",formatted_price='5999')return [SlotSet(slot,value) for slot,value in slots.items()]

兜底回复

在Config.yml中配置，Config相关文档在这里

pipeline:- name: "MitieNLP"model: "dict/total_word_feature_extractor_zh.dat"- name: "JiebaTokenizer"dictionary_path: "dict/jieba"- name: "MitieFeaturizer"- name: "RegexFeaturizer"- name: "DIETClassifier"epochs: 300constrain_similarities: True- name: "EntitySynonymMapper"- name: "FallbackClassifier"threshold: 0.95

其中Component FallbackClassifier组件用户兜底回复，如果用户输入后，Rasa判断没有意图的置信度超过上图定义的0.95，则认为失败，回复定义好的内容

在rule.yml中

- rule: Ask the user to rephrase whenever they send a message with low NLU confidencesteps:- intent: nlu_fallback- action: utter_fallback

其中 nlu_fallback为Rasa预定义
回复定义在Domain.yml中

  utter_fallback:- text: 对不起，没有明白您的意图！

训练

在项目目录中输入rasa train即可，生成的模型位于model文件中

对话

模型训练完成之后，可以通过各种Channel进行对话，Channel的定义在credentials.yml文件，相关文档在这里

rest:
#  # you don't need to provide anything here - this channel doesn't
#  # require any credentials#facebook:
#  verify: "<verify>"
#  secret: "<your secret>"
#  page-access-token: "<your page access token>"#slack:
#  slack_token: "<your slack token>"
#  slack_channel: "<the slack channel>"
#  slack_signing_secret: "<your slack signing secret>"#socketio:
#  user_message_evt: <event name for user message>
#  bot_message_evt: <event name for bot messages>
#  session_persistence: <true/false>#mattermost:
#  url: "https://<mattermost instance>/api/v4"
#  token: "<bot token>"
#  webhook_url: "<callback URL>"# This entry is needed if you are using Rasa X. The entry represents credentials
# for the Rasa X "channel", i.e. Talk to your bot and Share with guest testers.
rasa:url: "http://localhost:5002/api"

shell

linux shell是对话通道之一，如下如使用shell进行测试，首先启动rasa shell和 rasa run actions（用于执行函数）

rest

通过http rest进行对话，首先启动rasa run 和 rasa run actions （用于执行函数）

chat-room

可以使用chatroom进行对话，首先启动rasa run --cors "*"和rasa run actions
注意参数 --cors需要传递，否则会报跨域问题

演示视频

科技新闻网