好幾年前…大概是前年吧，想要做智能一點的chatbot，用過chatterbot效果不算好；想要用Rasa，大概太老了連安裝都安裝不了，搞了好幾天最後放棄了。由於最近還是皮癢加上個人健康需求還是想要做個比較聰明點的chatbot，最後還是忍不住想要再搗鼓Rasa。因此就試看看唄。經過一天收集閱讀消化資料，找了一堆tutorials，以中文為語言的的基本上內容離不開哪些，看完還是覺得知識和操作很零碎，也不想只是純粹跟tutorial去做，因此稍微找了些資料才去試著安裝，這次終於成功了。下面的步驟是經過測試OK的。

開始講安裝前，快速飄過介紹下Rasa唄。

Rasa是一個open source的machine learning框架，用於構建上下文AI assistant和chatbot。Rasa有兩個主要模塊： NLU：實現意圖識別和槽值提取，它把用戶的輸入轉換為結構化數據 Core：是一個對話管理平台，用於預測、決定下一步做什麼

還有一個是Rasa X。Rasa X是一個可幫助構建、改進和部署由Rasa框架提供支持的AI assistants的工具。

【安裝流程】

Environment:

建議Python 3.6 - 3.8之間，不support 3.9，尤其打算使用Rasa X。安裝時我用Python 3.7，OS環境是MacOS Big Sur 11.0.1。

Virtual Environment Setting:

python3 -m venv whatever-name

Upgrade Package:

pip install --upgrade pip

Before Installing:

在Rasa NLU模塊中，提供了一種名為Pipline(管道)配置方式，傳入的消息(Message)通過管道(Pipline)中一系列組件(Component)處理後得到最終的模型。

上圖參考自Rasa。

管道由多個組件構成，每個組件有各自的功能，比如實體提取、意圖分類、響應選擇、預處理等，這些組件在管道中一個接著一個的執行，每個組件處理輸入並創建輸出，並且輸出可以被該組件之後管道中任何組件使用。當然，有些組件只生成管道中其他組件使用的信息，有些組件生成Output屬性，這些Output屬性將在處理完成後返回。因此選擇components要根據目標需求而定。這裡或這裏有一些components的介紹可以參考。

這些components裡面，其中一個比較重要的是詞向量源、model和分詞。Rasa常用的詞向量源與model有MITIE和spaCy，基本上大部分的tutorial都會走著兩個路線。以中文來說，找到的tutorial都是以MITIE+jieba為主，這是由於spaCy當時不支援中文。spaCy去年開始支援中文，因此可以多一個選項。 至於兩者有什麼差別，簡單來說，如《ChatBots vs Reality: how to build an efficient chatbot, with wise usage of NLP》說，「Mitie and Spacy are very different libraries from each other: the first oneuses more general-purpose language models, and therefore very slow to train, while Spacy uses more task specific models, and is very fast to train.」。更仔細的話，可以參考以下文章： RASA NLU语言模型：https://zhuanlan.zhihu.com/p/331853394 Build a Multilingual Chatbot with Rasa and Heroku – Introduction：https://www.langnerd.com/multilingual-chatbot-with-rasa-and-heroku-part-1/

其他關於components可供參考的文章： Our experience building chatbots with Rasa — Tuning the NLU pipeline：https://chatbotslife.com/our-experience-building-chatbots-with-rasa-tuning-the-nlu-pipeline-74a80cd565b8 Rasa简介：https://zhuanlan.zhihu.com/p/342671832

Installation:

如前述，支援中文的詞向量源與model現在有兩個：MITIE+jieba和spaCy

若用MITIE+jieba安裝如下：

安裝rasa：

pip install git+https://github.com/mit-nlp/MITIE.git
pip install rasa[mitie]

安装結巴分詞：

pip install jieba

另外還要準備好中文詞向量模型total_word_feature_extractor_zh.dat（密碼：p4vx）https://pan.baidu.com/s/1kNENvlHLYWZIddmtWJ7Pdg，這裡需要將該模型copy到創建的python項目data目錄下（可任意位置），後面訓練NLU模型時會用到。

若用spaCy安裝如下：

pip install https://github.com/howl-anderson/Chinese_models_for_SpaCy/releases/download/v2.0.3/zh_core_web_sm-2.0.3.tar.gz
./spacy_model_link.bash
pip install rasa[spacy]

或者全部安裝：

pip install rasa[full]

安裝rasa X：

pip install --use-deprecated=legacy-resolver rasa-x --extra-index-url https://pypi.rasa.com/simple
https://rasa.com/docs/rasa-x/installation-and-setup/install/local-mode

到這裡總算安裝成功。接下來就要啟動和setting。雖然有想寫成個系列教學文，不過實在沒啥力氣，所以還是別期望太高了。