最近要做一個簡單金融場景的對話問答系統，由於一開始沒有業務數據，首先想到的就是話術模版問答，在調研了一些技術文章和系統后，發現比較常用的就是rasa，比較適合單一業務場景的對話，大廠的開放式問答可能是很多人自主研發的一套框架，對於很多中小廠則主流使用的是rasa，可以減少一部分基建的時間。
一個完整的對話系統流程圖如下所示：
Rasa的框架涵蓋了上圖右邊虛線框的部分。
rasa簡介
網上資料很多，直接貼github上的描述：Rasa is an open source machine learning framework to automate text-and voice-based conversations.
主要意思就是它是一個機器學習的框架，能夠自動進行文本和語音的對話。
Rasa的核心模塊是NLU和對話管理
NLU：利用規則、機器學習，統計學習，深度學習等方法，對一條人類語言進行文本分析，分析得到的主要結果為意圖intent以及實體entity信息。其中，意圖對應task-orient對話系統中的intent。而實體信息則用於對話系統中的槽填充。
對話管理：在rasa中，對話管理的主要職責是通過NLU的分析得到的意圖和實體信息，進行槽位填充，然后結合前幾輪對話的狀態，根據某種策略（策略可以是人工規則，或者機器學習，深度學習，強化學習訓練得到的策略模型），決定應當如何對當前用戶的對話進行回應。因此rasa的對話管理是包括槽填充的。
除了上述兩個核心內容外，rasa當然還提供其他功能，如response生成，與其他對話系統前端平台對接的接口，以及不同類型的對話模擬接口（包括shell命令行模式，restful api調用模式等），對於從頭開發一個對話系統來說，這個框架還是省去了不少基建的工作。
rasa使用
根據github的安裝步驟，用pip命令安裝rasa和rasa-sdk這兩個包。安裝完之后，使用命令行進行使用。
首先使用rasa init命令，它會生成一個最原始的文件夾，包含了基礎的配置文件以及簡單的example。
然后開始根據自己業務場景修改代碼和配置文件，主要流程如下：
1. 編寫配置domain.yml文件，配置內容包括：設計的槽位，NLU需要識別的實體列表、意圖列表，bot回復用戶的模板，配置可在story中直接引用的action，配置自定義的form。
2. 編寫配置config.yml文件，配置內容包括：使用的NLU模塊類（實體抽取、意圖識別等），使用的策略列表。
3. 編寫stories.md文件，設計話術流程模板。
4. 開發自定義的NLU模塊，根據實際需要添加所需的模塊。一般來說需要加入extractor和classifier模塊，分別對應實體抽取和意圖識別兩個模塊，可以結合人工規則和機器學習模型。也可以直接配置nlu.md模塊，使用規則進行意圖匹配。
5. 開發自定的form action模塊，在validate中定義自己的處理邏輯。當然也可以重寫action的run方法，在其中添加自己的邏輯。根據文檔指導如何在action中添加一些函數。
6. 配置endpoints.yml文件，這個文件是用於配置action服務地址的。因為之前說過action是一個獨立於主流程的服務，因此需要配置其服務接口。
7. 配置credentials.yml文件，rasa支持將對話系統封裝成一個restful_api服務。另外提一句，rasa使用的是sanic的異步web框架。因為對話系統是一個多用戶的異步服務，所以需要支持多個用戶的同時使用。在文檔的描述中restful接口不需要修改任何參數，只需要執行rasa run命令，然后用post命令，並且url后綴要加上/webhooks/rest/webhook
一些需要注意的地方：
我主要關注的模塊是form action這個動作，但是在文檔中的描述沒有提到要繼承FormAction這個父類，我直接繼承了action這個父類，導致一直報錯，進入不了form流程中。
formaction也是custom action的一種，所以在調試的時候需要啟動action服務，否則會報錯。
各個種類的action命名規則需要按文檔來，formaction命名比較特殊，按form的規則命名。
比較好用的方法：
在測試的時候用rasa run —debug 和rasa run actions —debug可以比較方便的定位問題的產生原因。
在測試自定義邏輯時可以使用rasa shell —debug進行邏輯調整和測試。
參考文獻：
- https://legacy-docs-v1.rasa.com/1.10.18/core
- https://zhuanlan.zhihu.com/p/75517803
- https://www.jianshu.com/p/4ecd09be4419
- https://github.com/charlesXu86/Chatbot_RASA