Rasa 对话式软件的模型测试和 CI

Rasa 用于构建关键任务的对话式 AI。因此，当我们确定路线图的优先级时，我们将重点放在高性能、高可用助手的产品团队。AI 助手是一种产品，不能因为该产品使用机器学习而放弃良好的软件工程习惯。

本文的目录结构：

1. 持续集成 CI
2. 合并前进行测试
3. Git 上构建

1. 持续集成 CI

优秀的产品团队会使用哪些习惯？Git分支和持续集成（CI）是确保交付可靠软件的两种技术。以下是通常的工作流程：

• 创建一个新分支并在其中添加你的更改（例如：注释的一堆训练数据）。
• 创建一个拉取请求，建议将你的分支合并到另一个分支中
• 测试开始运行，检查你的更改有没有破坏其它内容
• 其他人查看你的更改
• 每个人都同意后，合并分支。

我们确保 Rasa X 适合此工作流程，以便你也可以通过这种方式构建 AI 助手。

rasa_model_testing_ci_01.png

2. 合并前进行测试

当我们更改代码或训练数据时，我们要回答两个问题：

1. 所有对话是否仍然正常进行？
2. 我的更改是否提高了模型对未曾见过的消息和对话进行概括的能力？

在机器学习中，还有一个“测试集”（与软件测试无关）的概念，其中保留一些数据以评估模型的综合效果，交叉验证具有相同的作用，我们不必担心保留的测试集。

在生产中，你只关心获得正确的答案。该答案是否被记住或预测都没有关系，没有加分。

3. Git 上构建

Rasa X 中的版本控制建立在 Git 之上。这意味着开发人员可以使用他们知道并且喜欢使用的任何基于 git 的工具来自动化其工作流程。比如：Jenkins、GitHub Actions、Travis CI、Kubernetes、Helm 等。

---

作者：关于我

备注：转载请注明出处。

如发现错误，欢迎留言指正。