Rasa 是一个自然语言处理开源框架，用于构建聊天机器人和智能助手。它提供了一系列用于处理对话流程的工具和算法，包括自然语言理解（NLU）、对话管理、对话策略等。 使用 Rasa，可以创建一个可扩展、灵活且高度个性化的聊天机器人，该机器人可以与用户进行深入的交互，以满足他们的需求。 Rasa 是基于 Python 编写的，并且支持命令行和 API 接口的方式进行使用和集成。 它还有一个友好的社区，提供了很多文档、教程和示例来帮助开发者上手。
以下教程基于 Rasa 3.4.6 版本，我边学习，边整理的实战笔记，并经过测试。
- 对话机器人 Rasa（一）：安装
- 对话机器人 Rasa（二）：中文支持
- 对话机器人 Rasa（三）：基于规则添加一个意图对应的回复
- 对话机器人 Rasa（四）：生产环境部署，Ubuntu 服务器基于 docker
- 对话机器人 Rasa（五）：自动化测试
- 对话机器人 Rasa（六）：基于 websocket 的网页组件
- 对话机器人 Rasa（七）：Action 支持 Python 查询今天星期几
- 对话机器人 Rasa（八）：Actions 通过 Python 查询天气信息
- 对话机器人 Rasa（九）：Docker Compose 同时部署 rasa core 和 actions 服务
- 对话机器人 Rasa（十）：回复消息格式化，加粗换行等
- 对话机器人 Rasa（十一）：custom actions 中使用 python 设置 slot 值
- 对话机器人 Rasa（十二）：用户会话 Session 管理
- 对话机器人 Rasa（十三）：GUI 管理系统 Botfront 部署
- 对话机器人 Rasa（十四）：Botfront 自带的 MongoDB 端口问题
- 对话机器人 Rasa（十五）：slot type 与 influence conversation
- 对话机器人 Rasa（十六）：rasa command not found
- 对话机器人 Rasa（十七）：python custom actions 将 list 或 dict 存储到 slot
- 对话机器人 Rasa（十八）：使用 docker compose 及 dockerfile 部署 python flask 图片服务
- 对话机器人 Rasa（十九）：rasa 不同客户端类型区分处理 custom channel
- 对话机器人 Rasa（二十）：Custom Action 中无法读取 Slot 值
- 对话机器人 Rasa（二十一）：Rasa 项目的 gitignore 配置
- 对话机器人 Rasa（二十二）：返回补充自定义字段
- 对话机器人 Rasa（二十三）：重置 slot 的值
- 对话机器人 Rasa（二十四）：两例多返回额外消息的 bug 定位
- 对话机器人 Rasa（二十五）：Form Slot 输入校验
- 对话机器人 Rasa（二十六）：生产环境支持多并发的配置
- 对话机器人 Rasa（二十七）：返回视频
- 对话机器人 Rasa（二十八）：添加逻辑的工作流/规范
- 对话机器人 Rasa（二十九）：custom action 中获取请求 channel 来源
- 对话机器人 Rasa（三十）：slot influence_conversation 引发的 intent 无法识别
- 对话机器人 Rasa（三十一）：Form 的进阶用法，动态话术及 slot
- 对话机器人 Rasa（三十二）：新建一个基于 socket.io 的自定义 channel
- 对话机器人 Rasa（三十三）： 测试 socket.io channel 异步返回多条消息
- 对话机器人 Rasa（三十四）： Socket.IO channel 设置 session id
- 对话机器人 Rasa（三十五）： Socket.IO channel 请求返回 400 错误
- 对话机器人 Rasa（三十六）：rasa 开发智能客服的培训 PPT 大纲
- Rasa 何时使用 rule，何时使用 story
- Rasa 中 JiebaTokenizer, LanguageModelFeaturizer 与 DIETClassifier 各自的作用及区别
- Rasa NLU pipeline 组件列表
同时，这个学习系列教程也在我的微信公众号是同步更新，下面是合集的地址：
关于作者 🌱
我是来自山东烟台的一名开发者，有敢兴趣的话题，或者软件开发需求，欢迎加微信 zhongwei 聊聊， 查看更多联系方式
