安装Rasa需要的Python版本
在3.7 <= python <= 3.10
如果python版本太低或太高，pip安装都将会失败，我用的是3.10版本。
window下python默认会有多版本管理工具，python Launcher，可以很方便在window下对多版本python进行管理
1.查看所有可用版本
py -0
2.运行指定版本安装rasa（3.10），等待一会儿安装成功
py -3.10 -m pip install rasa
3.安装成功后，使用rasa init命令初始化，会询问你是否安装到当前目录下，也可以指定目录。第二次会询问你是否马上训练模型，如果选是的话，会在models目录下生成一个tar.gz模型。如果不马上训练也可以自己通过rasa train命令训练模型。
py -3.10 -m rasa init
初始化目录结构如下
对书上案例进行操作
书上用的应该是rasa2.x版本，和我3.4版本不一样
贴上代码：
data/nlu.yml
intent：意图
[]()：这种是实体，rasa是对文本中的意图和实体提取之后再判断怎么回答，[]中可以定义多个不同的字符串，这些都会被rasa标记成()里的内容，如感冒、发烧、喉咙痛，都会被标记成disease。
version: "3.1"
nlu:
- intent: greet
examples: |
- 你好
- 1
- 在吗
- 您好
- intent: goodbye
examples: |
- 88
- 再见
- intent: medicine
examples: |
- 我[感冒](disease)了
- 我[发烧](disease)了
- 我[喉咙痛](disease)
domain.yml，在这里配置了nlu.yml中的意图
version: "3.1"
intents:
- greet
- goodbye
- medicine
config.yml，rasa默认没有支持中文分词，需要配置中文分词器
recipe: default.v1
language: zh
pipeline:
- name: JiebaTokenizer
- name: LanguageModelFeaturizer
model_name: bert
model_weights: bert-base-chinese
- name: "DIETClassifier"
epochs: 100
开始训练nlu模型
用到了JiebaTokenizer，rasa没有自带，需要用pip下载这个组件
py -3.10 -m pip install jieba
py -3.10 -m pip install transformers
训练：
py -3.10 -m rasa train nlu
训练完之后会在models目录下得到一个nlu模型
nlu对话分析
命令行运行
py -3.10 -m rasa shell nlu
进入之后，会等待我输入一句话，我输入“我感冒了”
nlu模块对这句话进行分析
text：是我输入的这句话
entities：text中提取的实体（这里提取到了感冒关键字）
intent：意图，medicine是在nlu.yml中配置的一个意图，confiedence是评分，这里高达0.99，分数很高
intent_ranking：是对意图的一个排名，可以看到medicine排名第一
总结
rasa主要有两个模块，一个是nlu，一个是core
nlu模块作用主要是理解用户的语言，提取用户输入的关键词，涉及到对语句的分词，并根据匹配度进行排名，有点类似es的分词和倒排索引
core模块是管理对话上下文，对用户输入选择合适的返回，对话的每行记录都会被管理，rasa会根据对话历史记录和当前用户输入判断该怎么回复用户。
还有一个叫nlg，和nlu是反过来的，是把机器语言组装成用户语言返回给用户，方便用户理解。