报时机器人的rasa shell执行流程分析 _生活百科

??本文以报时机器人为载体，介绍了报时机器人的对话能力范围、配置文件功能和训练和运行命令，重点介绍了rasa shell命令启动后的程序执行过程。
一.报时机器人项目结构

文章插图
1.对话能力范围(1)能够识别欢迎语意图(greet)和拜拜意图(goodbye)(2)能够识别时间意图(query_time)(3)能够识别日期意图(query_date)(4)能够识别星期几意图(query_weekday)
2.配置文件功能(1)nlu.yml：主要包含意图、例子、对实体的标注等。(2)stories.yml文件：用户和机器人之间对话的表示，用户输入意图，机器人响应action 。(3)actions.py：自定义的action，比如action_query_time、action_query_date、action_query_weekday 。(4)config.yml：主要包含nlu(分词、特征提取和分类等)和dialog policy(记忆、规则、机器学习等) 。(5)domain.yml：主要包含意图、视图、槽位、响应、动作等。(6)credentials.yml：主要和其它对话平台集成，比如facebook、slack等。(7)endpoints.yml：action_endpoint(调用自定义action)、tracker_store对话存储(内存、redis、mongodb等)、event_broker消息队列(RabbitMQ、Kafka等) 。
3.训练和运行命令(1)训练模型使用NLU数据和stories训练模型，模型保存在./models中。
rasa train说明：关于如何把数据集按照比例拆分为训练集和测试集，在训练集上训练模型，在测试集上测试模型，可以参考《聊天机器人框架Rasa资源整理》。(2)启动action服务器使用Rasa SDK开启action服务器。
rasa run actions(3)启动rasa服务器和客户端通过命令行的方式加载训练模型，然后同聊天机器人进行对话。
rasa shell二.rasa shell执行流程分析??整体思路是通过rasa shell加载和解析模型，通过消息处理的方式建立起用户(客户端)和聊天机器人(rasa服务)对话的桥梁。

文章插图
1.rasa/cli/shell.py文件??在rasa/cli/shell.py文件中，def shell(args: argparse.Namespace) -> None函数如下：

文章插图
2.rasa/cli/run.py文件??在rasa/cli/run.py文件中，def run(args: argparse.Namespace) -> None函数如下：

文章插图
3.rasa/api.py文件??在rasa/api.py文件中，def run(...) -> None函数如下：

文章插图
??在run()函数中调用serve_application()函数如下：

文章插图
4.rasa/core/run.py文件??在rasa/core/run.py文件中，serve_application()函数如下：

文章插图
??在serve_application()函数中启动了一个基于Sanic的Web服务器，通过configure_app()方法构建了app，然后通过run()方法启动，如下所示：

app = configure_app(input_channels,cors,auth_token,enable_api,response_timeout,jwt_secret,jwt_method,port=port,endpoints=endpoints,log_file=log_file,conversation_id=conversation_id,use_syslog=use_syslog,syslog_address=syslog_address,syslog_port=syslog_port,syslog_protocol=syslog_protocol,request_timeout=request_timeout,)......app.run(host=interface,port=port,ssl=ssl_context,backlog=int(os.environ.get(ENV_SANIC_BACKLOG, "100")),workers=number_of_workers,)

??通过register_listener(listener, event)注册给定事件的侦听器：