- rasa对话系统踩坑记（一）
- rasa对话系统踩坑记（二）
- rasa对话系统踩坑记（三）
- rasa对话系统踩坑记（四）
- rasa对话系统踩坑记（五）
- rasa对话系统踩坑记（六）
- rasa对话系统踩坑记（七）
- rasa对话系统踩坑记（八）
- rasa对话系统踩坑记（九）
- rasa对话系统踩坑记（十）
- rasa-nlu的究极形态
- 闲聊模型的实践并应用到rasa
五月份rasa官方发布了release版本，做了比较大的改动。介于此，rasa_chatbot_cn这个demo也做出相对应的更新，更新到master分支上。之前基于0.13的版本在0.13.x分支上，你可以自由切换。新版本中将命令行做的十分简便，具体命令如下。
edit at 2019.06.24
将之前的rasa-nlu-gao进行了修改，以支持新版本的rasa，而且不再在源码里进行修改。首先需要pip install rasa-nlu-gao>=0.3.1，具体用法如下。
- python >= 3.6
pip install -r requirements.txt
下载依赖package
make train
训练nlu和core模型，新版本中会将模型自动打包成zip文件。
make run
make run-cmdline
可以在命令行中测试
http://localhost:5005/webhooks/rest/webhook post请求，请求参数例如：
{
"sender": "0001",
"message": "你好"
}
可以使用postman去请求调用
之前在rasa-nlu-gao增加了若干个自定义组件。而在release版本中可以直接将组建在外部调用，比如这里我举个之前的JiebaPsegExtractor component的栗子，直接将该组建放在components下面，在config.yml中：
- name: "components.extractors.jieba_pseg_extractor.JiebaPsegExtractor"
part_of_speech: ["nr"]
这样就ok了，后续我会考虑将rasa-nlu-gao重新修改下。
[edit 2019.06.24] 继续上次所说的对rasa-nlu-gao进行修改，现在可以直接使用原来rasa-nlu-gao里面的组件。
- 首先
pip install rasa-nlu-gao>=0.3.1 - 下面只需要在config.yml中配置：
- name: "rasa_nlu_gao.extractors.jieba_pseg_extractor.JiebaPsegExtractor"
part_of_speech: ["nr"]
其他组件也是这样用，具体可参照README.md。 而如果是你自己的组件可以放到components里面，如果你想做贡献，欢迎fork rasa-nlu-gao，并提交pr。
rasa新版本中，增加了rasa x这个功能。这里也做了尝试，感觉挺方便。
pip install rasa-x --extra-index-url https://pypi.rasa.com/simple
下载rasa-x package
make run-x
没错就是这么简单。Have a fun!
Q: 为什么我会报couldn't find component...这个错？
A: rasa使用了importlib动态加载自定义component和policy。这个错误的原因是你没有将component和policy的目录append到PYTHONPATH里面。你需要export PYTHONPATH=/path/to/your/component
Q: 为什么训练会报10000time超时错误？
A: 这个问题是因为你没有启用bert-as-service服务。启动教程参考rasa对话系统踩坑记（八），启动之后在config.yml将对用的bert-as-service服务ip改下，本例子默认是127.0.0.1，但是你要在本机启动bert服务
Q: 如何能够快速尝试例子呢?
A: 介于各个开发环境不同，报各种错误，所以上传了docker文件。但前提还是你要安装docker，并在运行前确保bert-as-service启用，当然你不用bert的话可以忽略。然后你只需要sh dev/deploy_dev.sh，就可以愉快的通过postman或者curl测试这个demo了。记得docker logs -f chatbot_dev查看有没有训练完，有没有报错。linux和mac下没有问题。windows下可能需要微调下。