Rasa使用指南02
转载请注明出处，原文地址
Rasa使用指南01
前言
最近工作很忙，重心也一直在模型方面，例如BERT、GPT-2等等，对于Rasa系列的博文实在是没有时间更新。最近有不停的收到一些小伙伴发来的信息，希望能看到Rasa使用指南02，既然如此，那就满足各位好了，近期也会花更多的时间来更新此系列的内容，如果您对此系列的文章感兴趣那就给我一个评论、一个点赞吧，你门的支持也是我更新的最大动力。
简述
本节的内容主要是再深入讲解一下Rasa core并把上一节未提到的Slot即填槽讲解一下。在开始之前，我们先来看一下Rasa处理对话时的一个流程图。
1、首先接受用户消息，并将该消息送到Interpreter，可以理解为一个解析器，它会把用户的输入内容转变为一个字典，其中包括原始信息，意图，实体等等，其实就是Rasa的NLU模块所做的事情。
2、接下来会把字典送给Tracker，这个是用来记录对话状态并跟踪对话进度的。
3、Policy会接收到Tracker当前的状态，并根据这个状态选择一个合适的Action
4、Action一方面会把信息发送给Tracker，让它记录下当前的状态，另一方面还会给用户发送信息。
整个流程理解起来可能会有点复杂，没关系，在下文我会举一个实例来讲述总的流程细节。在此之前，我们要先看一些基础概念Slot与Action。
Slot
词槽是机器人的记忆力，它会以key-value的形式去存储用户提供的外部信息，大多数情况下，槽值都会影响整个对话。例如用户问今天天气怎么样，这个时候，如果我们要回答用户的问题，首先需要知道用户 问的天气是指的什么地点什么时间，这里的时间和地点就是所谓的词槽，在多轮对话中，主要任务就是把词槽的值填上，所以这个时候机器需要反问用户，询问的天气是什么地点，什么时间，当机器判断槽已经填满了，就可以把答案返回给用户了。而这里的地点，就应该采用Text类型的Slot。Policy是不会读取槽值里面的内容的，它只能判断是否有值。
不同的用户行为，需要使用不同类型的词槽来存储，Rasa有以下几种类型的词槽：
- Text Slot 文本类型
- Boolean Slot 布尔类型
- Categorical Slot 分类类型，举个例子，用户预定咖啡，咖啡分为Tall，Grande和Venti三种杯型，这时候只允许用户从这三种类型中选一个
- Float Slot 浮点类型
- List Slot 列表类型
- Unfeaturized Slot 该类型的词槽表示那些你想保存下来的信息，但是这些信息对于对话流程来说没有任何影响。
定义Slot
在domain文件中以以下格式定义slot，city是词槽的key，type是词槽的类型，initial_value是默认值，默认值是可选项，可不加。
slots:
city:
type: text
initial_value: "深圳"
对于Categorical 类型的slot定义方式如下：
slots:
account_type:
type: categorical
values:
- premium
- basic
slot的使用需要action的配合，接下来先看下action再以一个例子把这两者串起来。
Actions
回忆一下domain，domain当中有一个属性叫做actions，actions是接下来要执行的操作，包括返回给用户的信息。我们在上一篇博客中提到过，actions是以utter开头的，但其实actions并不只有这一种定义方法，在Rasa Core中有三种类型的actions，分别为
- default actions ，系统默认提供的action
- utter actions，以 utter_作为开头, 该action只能用于给用户返回信息
- custom actions ，自定义的action，该action可执行任何的操作
default actions
default actions包含三个action_listen, action_restart, action_default_fallback
- action_listen，表示停止预测，等待用户的输入
- action_restart，表示重置整个会话
- action_default_fallback，撤消最后一条用户消息，并返回机器人不理解该消息
utter actions
如果你只需要给用户直接返回一条文本信息而没有其他的操作的话，那么action需要用UtterAction，并且采用utter_的前缀，如果没有这个前缀，那这个action就会被识别为custom actions。
custom actions
custom actions表示的是用户自定义的action，这个action多轮的关键点。custom action需要配合代码一起使用，它能返回任何你想返回的内容，甚至一些操作，例如你的对话系统连接到了你的灯泡，你可以通过custom actions来自动打开灯，当然了，你也可以用该方法来返回文本信息，达到和utter actions一样的效果。
官方还提供了一个小的python sdk来方便用户编写自定义的action，首先需要安装一下对应的rasa_core_sdk
pip install rasa_core_sdk
然后是代码编写，custom actions必须继承于Action类，并重写其中的两个方法，name与run，name方法是用来返回当前action的名字，这个名字必须和定义在stories中的action名字一样。run方法包括三个参数，分别是dispatcher、tracker、domain，通过tracker可以获取到槽值与用户最近输入的内容，如果想给用户返回信息，可以使用dispatcher，调用 dispatcher.utter_template, dispatcher.utter_message或者rasa_core_sdk.executor.CollectingDispatcher 方法。run方法返回的是给下一个action用的槽值，注意返回值必须是[SlotSet(key,value)]的格式。
custom actions在Rasa中的使用方式并不是直接调用，而是采用服务的形式，所以如果想使用自定义的action，还需要定义一个endpoints.yml文件，文件内容如下：
action_endpoint:
url: 'http://localhost:5055/webhook'
在启动会话的时候添加额外的命令--endpoints endpoints.yml，该命令会在5055端口启动一个服务，这个服务就是我们定义的action。
Slot与Action的配合使用
接下来我们来看一个例子，我们这里以询问天气为例，该例子我们不考虑时间，只引入了一个“位置”的槽。
首先定义自定义的aciton，其中name方法返回了该action的名字action_ask_weather，run方法中，先给用户输出了一段文本信息：“您问的天气地点是哪里呢”，这里是在引导用户来填槽，因为还没涉及到实体识别，所以无法读取到用户输入的实体内容，我们这里先默认返回一个槽值即[SlotSet('city', '深圳')]
from rasa_core_sdk import Action
from rasa_core_sdk.events import SlotSet
class ActionAskWeather(Action):
def name(self):
return 'action_ask_weather'
def run(self, dispatcher, tracker, domain):
dispatcher.utter_message(f'您问的天气地点是哪里呢')
return [SlotSet('city', '深圳')]
编写好后把action_check_restaurants添加到domain文件的actions中，然后编写story
## story_ask_weather
* ask_weather
- action_ask_weather
* weather_city
- utter_weather_good
我们在自定义的action_ask_weather中返回了一个槽值，那么怎么才能获取到这个槽值呢，两种方法，一种发放是在下一个custom action中采用city = tracker.get_slot("city")方法来获取，还有一种方法是使用utter_action，在
templates中直接以{}的方式输出即可。
templates:
utter_weather_good:
- text: "{city}天气很好呢"
在我们的这个例子里，就是直接采用第二种方法，最后的运行结果如下图：
最后给一下例子的github地址
额外提一点，所有的配置文件的内容必须使用双引号，单引号会报错！！！
本文讲解的内容虽然不多，例子也比较简单，但是对于其中action与slot的定义以及使用都需要读者好好消化，这也是多轮对话的关键点。