本文主要是介绍《Ai企业知识库》-rasa-初步使用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
根据上面的环境准备之后：
《Ai企业知识库》-模型实践-rasa开源学习框架-搭建简易机器人-环境准备(针对windows)-02-CSDN博客
基础的使用：
rasa项目初始化：
rasa init首先进入目标文件夹
在dos窗口（目标文件夹下）使用指令rasa init
就可以帮助我们新建一个rasa项目。
这里是询问是否让当前目录为项目的目录：
这里要回复Y
是否要基于基本框架训练一个机器人？
因为 中有基础的样本。可以做一个简单模型。
回复Y的话就开始训练了一个简单模型了。
是否和训练好的机器人做交互
回复Y的话就开始交互了，我这里使用了N。尝试使用别的方式来。
这个时候rasa已经搭建起来了。基本的框架。
NLU管理配置文件：
config这个配置文件管理了nul
在rasa中使用和准备nul的语料文件：
这个就是初始化的nlu文件。
声明nlu之后整理列表即可。
每个-后面都是列表中的一项
这里构建的越详细就越好。这里构建的越详细的话就越准确。
子意图定义：
要设计好一个机器人要识别的意图是什么！
要提前构建意图
注意：要使用英文书写
1、要围绕场景
2、确定多个意图
3、来保证可以识别到意图
Entity: 实体：意图
使用了examples:做了一些标注。使用中括号。
使用大括号字典的形式也是可以的。
rasa中实体的标注都是使用的是中括号和大括号来完成的。
Entity：Synonym同义词
使用synonym标记同义词
就是同义词替换，遇到下面的examples关键字会将关键词替换。
正则表达式
使用正则表达式来抽取信息。
关键字-regex
下面写上配置文件
从1去调用2使用正则表达式
注意：不能写太多的正则表达式，因为rasa会将正则表达式优先。这里如果使用了正则表达式，就会整个流程带来很缓慢的效果。
Lookup Table查表
可以提供一个词表，就可以不需要再准备很多的语料了。
Role & Group
ROLE:提供了一种方法，作为角色来完成这个属性。提供更加丰富的表达形式。
Group：补充信息，
配置文件中的pipline是涉及到模型选型的工作
在rasa中我们需要根据pipline中的模型配置来确定训练和准备的语料。
就会根据我们的nlu来构建和训练模型
rasa train nlu后面我会专门汇总一下rasa的命令
这篇关于《Ai企业知识库》-rasa-初步使用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
