rasa_ch_bot

用 RASA 实现 RASA Bot 后端。能够回答关于 RASA 的问题，以及一些例子。欢迎大家多提 RASA 相关的问题，或者想看的示例，我会补充在这里。

前端地址: 这里

功能更新

[2021-06-24] 增加知图谱的接入(放在GRAPH分支了)
[2021-06-01] 增加文本纠错 pipeline (由于 demo 较慢，默认未开启，如何开启？)
[2021-05-13] 增加按钮 demo
[2021-05-11] 支持查看 BTC 行情
[2021-05-08] 支持 吸猫\狗\狐狸。支持根据图片搜索动漫出处。
[2021-05-06] 支持 找饭店 demo。
[2021-04-13] 实现追问demo，实现细节。

部分功能展示

FAQ

天气查询及BTC查询功能

吸动物

搜动漫

知识图谱

支持的问题列表

请参见: 问题列举

一些配置

分词使用的 bert，自定义了 tokenizers

如何运行

由于使用了 bert_chinese，所以需要下载 bert_chinese 模型。并放到 pre_models 文件夹中，重命名为 tf_model.h5 命令执行:

curl -L https://mirror.tuna.tsinghua.edu.cn/hugging-face-models/bert-base-chinese-tf_model.h5 -o pre_models/tf_model.h5
rasa train

一些文件说明

run.py  # 相当于运行 rasa run
train.py  # == rasa train
run_action_server.py  # == rasa run actions
load_model.py   # 直接加载并运行模型，与 server 无关。（需要先训练好一个模型）

一些工具

back_translation.py  # 回译脚本
# 使用方式
python back_translation.py 需要回译的文本

我要直接看答案！！！

从零开始搭建机器人

1. 下载项目并进入

git clone https://github.com/Dustyposa/rasa_ch_faq.git 
cd rasa_ch_faq

2. 安装依赖

pip install -r requirements.txt
curl -L https://mirror.tuna.tsinghua.edu.cn/hugging-face-models/bert-base-chinese-tf_model.h5 -o pre_models/tf_model.h5
rasa train

ps: 注意 python 版本 37+

3. 训练模型

rasa train

4. 运行机器人

需要开两个 shell/iterm 第一个:

rasa shell

第二个:

rasa run actions

然后就可以在第一个 shell 窗口对话了

从 1 开始搭建机器人

这个是干啥的?如果第一个你已经会了，我们加点前端展示的，效果参看这里

1. 下载前端项目并进入

git clone -#-depth 1 https://github.com/Dustyposa/rasa_bot_front
cd rasa_bot_front

2. 启动前端

参照文档

3. 启动 rasa

同样是两个 shell/iterm，第一个命令稍有不同:

rasa run --cors "*"