作者 | VK

编辑 | 奇予纪

出品 | 磐创AI团队出品

命令行界面：

备忘单

命令行界面(CLI)为你提供易于记忆的常见任务命令。

创建新项目

以下命令使用示例训练数据为你建立一个完整的项目。

rasa init

这将创建以下文件：

.├── __init__.py├── actions.py├── config.yml├── credentials.yml├── data│   ├── nlu.md│   └── stories.md├── domain.yml├── endpoints.yml└── models    └── <timestamp>.tar.gz

rasa init命令将询问你是否要使用此数据训练初始模型。如果你回答否，则models目录将为空。随着此项目建立，一些常用命令非常容易记住。要训练模型，输入rasa train；在命令行上与模型通信，使用rasa shell；测试模型类型使用rasa test。

训练模型

主要命令是：

rasa train

该命令训练Rasa模型，该模型结合了Rasa NLU和Rasa Core模型。如果你只想训练NLU或Core模型，你可以运行rasa train nlu或rasa train core。但是，如果训练数据和配置没有改变，Rasa将自动跳过训练Core或NLU。rasa train将训练好的模型存储在--out指定的目录中。模型的名称默认是.tar.gz。如果要为模型命名，可以使用--fixed-model-name指定名称。以下参数可用于配置训练过程:

用法: rasa train [-h] [-v] [-vv] [--quiet] [--data DATA [DATA ...]]                  [-c CONFIG] [-d DOMAIN] [--out OUT]                  [--augmentation AUGMENTATION] [--debug-plots]                  [--dump-stories] [--fixed-model-name FIXED_MODEL_NAME]                  [--force]                  {core,nlu} ...

位置参数:{core,nlu}    core        使用你的故事训练Rasa Core模型    nlu         使用你的NLU数据训练Rasa NLU模型

可选参数: -h, --help     显示帮助消息并退出。 --data DATA [DATA ...]                Core和NLU数据文件的路径。(默认：['data']) -c CONFIG, --config CONFIG                机器人的策略和NLU管道配置。(默认：config.yml) -d DOMAIN, --domain DOMAIN                域规范(yml文件)。(默认：domain.yml) --out OUT      存储模型的目录。(默认：models) --augmentation AUGMENTATION                在训练期间使用多少数据扩充。(默认值：50) --debug-plots  如果启用，将创建展示检查点( checkpoints)和它们在文件(`story_blocks_connections.html`)中的故事块之间的联系的图表。(默认：False) --dump-stories 如果启用，将展开的故事保存到文件中。(默认：False) --fixed-model-name FIXED_MODEL_NAME                如果设置，则模型文件/目录的名称将为设置为给定的名称。(默认：None) --force        即使数据没有改变，也强制进行模型训练。(默认值：False)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None)   

注意：使用rasa train训练模型时，确保Core和NLU的训练数据存在。如果仅存在一种模型类型的训练数据，则该命令将根据提供的训练文件自动回退到rasa train nlu或rasa train core。

交互式学习

与你的助手开始交互式学习会话，运行：

rasa interactive

如果使用--model参数提供训练模型，则使用提供的模型启动交互式学习过程。如果没有指定模型，且没有其他目录传递给--data参数，rasa interactive将使用位于data/目录中的数据训练一个新的Rasa模型。在训练初始模型之后，交互式学习会话开始。如果训练数据和配置没有改变，将跳过训练。可以为rasa interactive设置的参数的完整列表：

用法: rasa interactive [-h] [-v] [-vv] [--quiet] [-m MODEL]                        [--data DATA [DATA ...]] [--skip-visualization]                        [--endpoints ENDPOINTS] [-c CONFIG] [-d DOMAIN]                        [--out OUT] [--augmentation AUGMENTATION]                        [--debug-plots] [--dump-stories] [--force]                        {core} ... [model-as-positional-argument]

位置参数: {core}    core        启动交互式学习会话模型通过聊天来创建用于Rasa Core模型的新训练数据。使用'RegexInterpreter'，即`/ `输入格式。 model-as-positional-argument                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None)可选参数: -h, --help     显示帮助消息并退出。 -m MODEL, --model MODEL                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None)--data DATA [DATA ...]                Core和NLU数据文件的路径。(默认：['data'])    --skip-visualization                在交互学习期间禁用绘制可视化。(默认值：False)--endpoints ENDPOINTS                模型服务和连接器的配置文件为yml文件。(默认：None)Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None)--quiet        将日志记录级别设置为WARNING。(默认：None)   训练参数: -c CONFIG, --config CONFIG                机器人的策略和NLU管道配置。(默认：config.yml) -d DOMAIN, --domain DOMAIN                域规范(yml文件)。(默认：domain.yml)--out OUT      存储模型的目录。(默认：models)--augmentation AUGMENTATION                在训练期间使用多少数据扩充。(默认值：50)--debug-plots                  如果启用，将创建展示检查点( checkpoints)和它们在文件(`story_blocks_connections.html`)中的故事块之间的联系的图表(默认：False)--dump-stories                如果启用，将展开的故事保存到文件中。(默认值：False)--force        即使数据没有改变，也强制进行模型训练。(默认值：False)

和你的助手交谈

要在命令行上与助手开始聊天，请运行：

rasa shell

应该用于与机器人交互的模型可以由--model指定。如果仅使用NLU模型启动shell，则rasa shell允许你获取在命令行上输入的任何文本的意图(intent)和实体。如果你的模型包含经过训练的Core模型，你可以与机器人聊天，并查看机器人预测的下一步操作。如果你已经训练了一个组合的Rasa模型，但是想要查看模型从文本中提取的意图和实体，你可以使用命令rasa shell nlu。提高日志记录级别以便调试，请运行：

rasa shell --debug

rasa shell的完整选项列表:

用法: rasa shell [-h] [-v] [-vv] [--quiet] [-m MODEL] [--log-file LOG_FILE]                  [--endpoints ENDPOINTS] [-p PORT] [-t AUTH_TOKEN]                  [--cors [CORS [CORS ...]]] [--enable-api]                  [--remote-storage REMOTE_STORAGE]                  [--credentials CREDENTIALS] [--connector CONNECTOR]                  [--jwt-secret JWT_SECRET] [--jwt-method JWT_METHOD]                  {nlu} ... [model-as-positional-argument]

位置参数: {nlu}    nlu         使用NLU模型解释命令行上的消息。 model-as-positional-argument                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None) 

可选参数: -h, --help     显示帮助消息并退出。 -m MODEL, --model MODEL                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None)      --log-file LOG_FILE                将日志存储在指定文件中。(默认：None)        --endpoints ENDPOINTS                模型服务和连接器的配置文件为yml文件。(默认：None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) 

服务设置: -p PORT, --port PORT                用于运行服务的端口。(默认值：5005)    -t AUTH_TOKEN, --auth-token AUTH_TOKEN                启用基于令牌的身份验证，请求需要提供可被接受的令牌。(默认：None)  --cors [CORS [CORS ...]]                为传递的来源启用CORS。使用`*`将所有来源添加到白名单。(默认：None) --enable-api                除输入渠道外，还启动Web服务API渠道。(默认值：False) --remote-storage REMOTE_STORAGE                设置Rasa模型所在的远程存储位置，例如在AWS上。(默认：None)

渠道(Channels): --credentials CREDENTIALS               连接器的身份验证凭据为yml文件。(默认：None) --connector CONNECTOR                连接的服务。 (默认: None)

JWT身份验证: --jwt-secret JWT_SECRET                非对称JWT方法的公钥或对称方法的共享机密。还请确保使用 --jwt-method 选择签名方法，否则这个参数将被忽略。(默认：None)--jwt-method JWT_METHOD                用于JWT的认证负载签名的方法。(默认：HS256)

启动服务

启动服务运行Rasa模型，请运行：

rasa run

以下参数可用于配置Rasa服务：

用法: rasa run [-h] [-v] [-vv] [--quiet] [-m MODEL] [--log-file LOG_FILE]                [--endpoints ENDPOINTS] [-p PORT] [-t AUTH_TOKEN]                [--cors [CORS [CORS ...]]] [--enable-api]                [--remote-storage REMOTE_STORAGE] [--credentials CREDENTIALS]                [--connector CONNECTOR] [--jwt-secret JWT_SECRET]                [--jwt-method JWT_METHOD]                {actions} ... [model-as-positional-argument]

位置参数:   {actions}    actions     运行操作服务(action server)。 model-as-positional-argument                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None)

可选参数: -h, --help     显示帮助消息并退出。 -m MODEL, --model MODEL                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None)      --log-file LOG_FILE                将日志存储在指定文件中。(默认：None)        --endpoints ENDPOINTS                模型服务和连接器的配置文件为yml文件。(默认：None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) 

服务设置: -p PORT, --port PORT                用于运行服务的端口。(默认值：5005)    -t AUTH_TOKEN, --auth-token AUTH_TOKEN                启用基于令牌的身份验证，请求需要提供可被接受的令牌。(默认：None)  --cors [CORS [CORS ...]]                为传递的来源启用CORS。使用`*`将所有来源添加到白名单。(默认：None) --enable-api                除输入渠道外，还启动Web服务API渠道。(默认值：False) --remote-storage REMOTE_STORAGE                设置Rasa模型所在的远程存储位置，例如在AWS上。(默认：None)

渠道(Channels): --credentials CREDENTIALS               连接器的身份验证凭据为yml文件。(默认：None) --connector CONNECTOR                连接的服务。 (默认: None)

JWT身份验证: --jwt-secret JWT_SECRET                非对称JWT方法的公钥或对称方法的共享机密。还请确保使用 --jwt-method 选择签名方法，否则这个参数将被忽略。(默认：None)--jwt-method JWT_METHOD                用于JWT的认证负载签名的方法。(默认：HS256)

有关其他参数的详细信息，请参阅[运行服务]()。有关所有端点的详细文档，请参阅Rasa HTTP API文档。

启动操作服务(Action Server)

运行你的操作服务：

rasa run actions

以下参数可用于调整服务设置：

用法: rasa run actions [-h] [-v] [-vv] [--quiet] [-p PORT]                        [--cors [CORS [CORS ...]]] [--actions ACTIONS]

可选参数: -h, --help     显示帮助消息并退出 -p PORT, --port PORT                用于运行服务的端口。(默认值：5005)--cors [CORS [CORS ...]]                为传递的来源启用CORS。使用`*`将所有来源添加到白名单。(默认：None)--actions ACTIONS                 要加载的操作包的名称。(默认值：None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) 

可视化故事

打开浏览器标签页以图的形式显示故事：

rasa visualize

通常，data目录中的训练故事是可视化的。如果你的故事位于其他地方，则可以使用--stories指定其位置。其他参数是：

用法: rasa visualize [-h] [-v] [-vv] [--quiet] [-d DOMAIN] [-s STORIES]                      [-c CONFIG] [--out OUT] [--max-history MAX_HISTORY]                      [-u NLU]

可选参数: -h, --help     显示帮助消息并退出。 -d DOMAIN, --domain DOMAIN                域规范(yml文件)。(默认：domain.yml) -s STORIES, --stories STORIES               包含你的训练故事的文件或文件夹。(默认：data)  -c CONFIG, --config CONFIG                   机器人的策略和NLU管道配置。(默认：config.yml)   --out OUT      输出路径的文件名，例如'graph.html'。(默认: graph.html) --max-history MAX_HISTORY                在输出图合并路径时要考虑的最大历史记录。(默认：2) -u NLU, --nlu NLU                包含NLU数据的文件或文件夹，用于将示例消息插入图表中。(默认：None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) 

在测试数据上评估模型

要在测试数据上评估模型，请运行：

rasa test

使用--model指定要测试的模型。查看有关[评估NLU模型]和[评估Core模型]的更多详细信息。以下参数可用于rasa test：

用法: rasa test [-h] [-v] [-vv] [--quiet] [-m MODEL] [-s STORIES]                 [--max-stories MAX_STORIES] [--e2e] [--endpoints ENDPOINTS]                 [--fail-on-prediction-errors] [--url URL]                 [--evaluate-model-directory] [-u NLU] [--out OUT]                 [--report [REPORT]] [--successes [SUCCESSES]]                 [--errors ERRORS] [--histogram HISTOGRAM] [--confmat CONFMAT]                 [-c CONFIG [CONFIG ...]] [--cross-validation] [-f FOLDS]                 [-r RUNS] [-p PERCENTAGES [PERCENTAGES ...]]                 {core,nlu} ...

位置参数: {core,nlu}     core        使用你的测试故事测试Rasa Core模型。    nlu         使用测试NLU数据测试Rasa NLU模型。

可选参数: -h, --help     显示帮助消息并退出。 -m MODEL, --model MODEL                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) 

Core测试参数： -s STORIES, --stories STORIES                包含测试故事的文件或文件夹。(默认：data) --max-stories MAX_STORIES                要测试的最大故事数。(默认：None) --e2e, --end-to-end                对联合操作和意图预测进行端到端评估。需要端到端的故事文件格式。(默认值：False) -endpoints ENDPOINTS                模型服务和连接器的配置文件为yml文件。(默认：None) --fail-on-prediction-errors                如果遇到预测错误，则会出现异常抛出。这可用于在测试期间验证故事。(默认值：False) --url URL                如果提供，则从URL下载故事文件并训练就可以了。通过发送GET请求到提供的URL获取数据。(默认：None) --evaluate-model-directory                  通过`rasa train core --config  `设置评估已训练的模型。所有在提供的目录中模型被评估和互相比较。(默认值：False)

NUL测试参数： -u NLU, --nlu NLU                 包含NLU数据的文件或文件夹。(默认：data) --out OUT                      在评估期间创建的任何文件的输出路径。(默认：results)   --report [REPORT]                  用于保存意图/实体度量报告的输出路径。(默认：None) --successes [SUCCESSES]                保存成功预测的输出路径。(默认：None) --errors ERRORS                保存模型错误的输出路径。(默认：errors.json) --histogram HISTOGRAM                置信直方图的输出路径。(默认：hist.png) --confmat CONFMAT                混淆矩阵图的输出路径。(默认：confmat.png) -c CONFIG [CONFIG ...], --config CONFIG [CONFIG ...]                模型配置文件。如果传递单个文件并选择交叉验证模式，交叉验证执行，如果传递多个配置或配置的文件夹，模型将直接被训练和比较。(默认：None)

训练和测试数据拆分

要创建NLU数据的拆分，请运行：

rasa data split nlu

你可以使用以下参数指定训练数据，百分比和输出目录：

用法: rasa data split nlu [-h] [-v] [-vv] [--quiet] [-u NLU]                           [--training-fraction TRAINING_FRACTION] [--out OUT]

可选参数: -h, --help     显示帮助消息并退出。 -u NLU, --nlu NLU                包含NLU数据的文件或文件夹。(默认：data) --training-fraction TRAINING_FRACTION                训练数据所占百分比。(默认值：0.8) --out OUT                 存储拆分文件的目录。(默认值：train_test_split)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) 

此命令将尝试在训练和测试中保持意图的比例相同。

在Markdown和JSON之间转换数据

要将NLU数据从LUIS数据格式，WIT数据格式，Dialogflow数据格式，JSON或Markdown转换为JSON或Markdown，请运行：

rasa data convert nlu

你可以使用以下参数指定输入文件，输出文件和输出格式：

用法: rasa data convert nlu [-h] [-v] [-vv] [--quiet] --data DATA --out OUT                             [-l LANGUAGE] -f {json,md}

可选参数: -h, --help     显示帮助消息并退出。 --data DATA    包含Rasa NLU数据的文件或目录的路径。(默认 None) --out OUT      保存Rasa格式的训练数据的文件。(默认 None)        -l LANGUAGE, --language LANGUAGE                数据的语种。(默认: en) -f {json,md}, --format {json,md}                训练数据转换的输出格式。 (默认: None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None) ```

 ### 启动Rasa XRasa X是一个工具，可帮助你构建，改进和部署由Rasa框架提供支持的AI助手。你可以在[此处]()找到有关它的更多信息。

你可以通过执行下面的命令来本地启动Rasa X：

rasa x

为了能够启动Rasa X，你需要安装Rasa X(可在此处，你需要进入一个Rasa项目。注意默认情况下，Rasa X在端口5002上运行。使用参数--rasa-x-port可以将其更改为任何其他端口。以下参数可用于rasa x

用法: rasa x [-h] [-v] [-vv] [--quiet] [-m MODEL] [--data DATA] [--no-prompt]              [--production] [--rasa-x-port RASA_X_PORT] [--log-file LOG_FILE]              [--endpoints ENDPOINTS] [-p PORT] [-t AUTH_TOKEN]              [--cors [CORS [CORS ...]]] [--enable-api]              [--remote-storage REMOTE_STORAGE] [--credentials CREDENTIALS]              [--connector CONNECTOR] [--jwt-secret JWT_SECRET]              [--jwt-method JWT_METHOD]

可选参数: -h, --help     显示帮助消息并退出。  -m MODEL, --model MODEL                已训练的Rasa模型的路径。如果目录指定，它将使用目录中的最新的模型。(默认：None) --data DATA [DATA ...]                Core和NLU数据文件的路径。(默认：data)     --no-prompt    自动提示或默认选项提示和忽略警告。(默认: False) --production   在生产环境中运行Rasa X。(默认：False) --rasa-x-port RASA_X_PORT                用于运行Rasa X服务的端口。(默认值：5002) --log-file LOG_FILE                    将日志存储在指定文件中。(默认：None)--endpoints ENDPOINTS                模型服务和连接器的配置文件为yml文件。(默认：None)

Python日志选项: -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认：None) -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认：None) --quiet        将日志记录级别设置为WARNING。(默认：None)   

服务设置: -p PORT, --port PORT                用于运行服务的端口。(默认值：5005)    -t AUTH_TOKEN, --auth-token AUTH_TOKEN                启用基于令牌的身份验证，请求需要提供可被接受的令牌。(默认：None)  --cors [CORS [CORS ...]]                为传递的来源启用CORS。使用`*`将所有来源添加到白名单。(默认：None) --enable-api                除输入渠道外，还启动Web服务API渠道。(默认值：False) --remote-storage REMOTE_STORAGE                设置Rasa模型所在的远程存储位置，例如在AWS上。(默认：None)

渠道(Channels): --credentials CREDENTIALS               连接器的身份验证凭据为yml文件。(默认：None) --connector CONNECTOR                连接的服务。 (默认: None)

JWT身份验证: --jwt-secret JWT_SECRET                非对称JWT方法的公钥或对称方法的共享机密。还请确保使用 --jwt-method 选择签名方法，否则这个参数将被忽略。(默认：None)--jwt-method JWT_METHOD                用于JWT的认证负载签名的方法。(默认：HS256)

Rasa聊天机器人专栏开篇

Rasa聊天机器人专栏(一)

长按扫码，关注我们

你与世界只差一个

磐创AI

点击