Rasa로 몇 분 만에 나만의 AI 챗봇 만들기

AI 챗봇은 사용자에게 서비스를 제공하는 방법으로 점점 더 대중화되고 있습니다. 이를 통해 사용자가 필요로 할 수 있는 모든 항목에 대해 페이지와 버튼 페이지 없이 다양한 UX 요청을 처리할 수 있습니다.

그러나 문제는 AI 챗봇을 구축하고 교육하는 것이 종종 단순히 노력할 가치가 없는 엄청나게 부담스러운 작업이 될 수 있다는 것입니다.

Rasa이 이를 변경하려고 합니다. Rasa는 필요한 목적에 관계없이 AI 챗봇을 신속하게 생성하고 교육할 수 있는 오픈 소스 도구입니다. 원하는 챗봇 작동 방식을 거의 평이한 영어로 입력하고 몇 가지 예제 입력을 제공한 다음 이점을 얻을 수 있습니다.

데모 설정

다음 명령을 사용하여 몇 분 안에 데모를 빠르게 설정할 수 있습니다(Python이 설치되어 있는지 확인).

Python 환경을 설정하고 pip를 통해 Rasa를 설치합니다.

python3 -m venv ./venv
source ./venv/bin/activate
pip3 install rasa

Rasa 프로젝트 설정, 교육 및 실행:Rasa init
여기에서 Rasa는 사용자가 놀 수 있도록 명령줄에서 기본 챗봇을 실행합니다.

챗봇을 사용자 정의하는 방법

좋아, 따라하고 있다면 데모 봇이 꽤 제한적이라는 것을 깨달았을 것입니다. 그렇다면 어떻게 더 많은 기능을 추가할 수 있을까요?

Rasa 봇을 구축하기 위한 5가지 주요 구성 요소가 있습니다.

NLU 데이터

응답

이야기

양식

규칙

NLU(Natural Language Understanding) 데이터는 Rasa에 공급하는 학습 데이터입니다. 사람이 무언가를 말하는 방식의 예를 제공한 다음 이러한 다양한 메시지의 의미를 의도로 분류하기만 하면 됩니다.



응답은 봇이 응답할 수 있기를 원하는 방식입니다.



스토리는 대화에서 취할 수 있는 경로입니다.



확률은 사용자로부터 일종의 데이터를 수집하기 위해 챗봇을 사용하고 있다는 것입니다. 양식은 챗봇이 필요한 요청과 해당 정보를 성공적으로 수집했을 때 수행할 작업을 구성할 수 있는 방법입니다.



마지막으로 규칙은 소리 그대로입니다. 봇이 상호 작용해야 하는 방식에 대해 엄격한 요구 사항을 지정할 수 있습니다.



이러한 모든 매개변수를 편집하여 봇을 사용자 정의한 후 다음을 사용하여 봇을 재교육해야 합니다.
rasa train

챗봇 배포 방법

이제 봇을 사용자 지정했으므로 실제로 어떻게 사용할 수 있습니까? 무엇보다도 Rasa를 사용하면 봇을 API로 배포할 수 있습니다!

모든 앱을 몇 분 안에 배포할 수 있는 올인원 웹 IDE 및 클라우드 공급자인 Codesphere을 사용하는 것이 좋습니다.

github 리포지토리를 연결하고 명령줄을 통해 필요한 모든 종속 항목을 설치하기만 하면 Codesphere에서 프로젝트를 설정할 수 있습니다.

배포할 준비가 되면 다음을 실행하십시오.
rasa run -p 3000
그리고 api는 포트 3000에서 실행됩니다.

그런 다음 다음 위치에서 챗봇에 게시 요청을 할 수 있습니다.
http://<host>:<port>/webhooks/rest/webhook
다음 형식의 json 사용:

{

“sender”: “test_user”, // sender ID of the user sending the message

“message”: “Hi there!”

}

Rasa는 발신자 ID가 동일한 발신자의 사용자 세션을 자동으로 추적하고 지정된 시간(기본적으로 1분)이 지나면 비활성 발신자를 삭제합니다.

Rasa는 쉬운 임베딩을 위해 사용자 지정 가능한 채팅 위젯도 제공합니다.

또한 Rasa는 Websockets, Slack, Telegram 및 기타 수많은 방법을 통해 연결할 수 있습니다! 자세히 알아보실 수 있습니다here!

챗봇을 활성화하는 데 필요한 모든 것입니다!

챗봇을 무엇에 사용할 것인지 아래에서 알려주세요!

Codesphere 팀의 행복한 코딩!