以下记录rasa基本的配置，以及调试过程。首先用rasa init 生成一个初始的文件目录。

1、最简单的中文配置

打开项目根目录下的 config.yml 配置文件，修改如下：

recipe: default.v1

language: zh

pipeline:
  - name: JiebaTokenizer
  - name: LanguageModelFeaturizer
    model_name: "bert"
    # 下载中文模型，并指定路径
    model_weight: "bert-base-chinese"
  - name: "DIETClassifier"

 国内使用的话，会遇到无法从 huggingface 下载模型，可使用国内的镜像

2、配置 nlu.yml

 修改 data/nlu.yml，在已有的英文语料基础上，增加一些中文的语料。

version: "3.1"

nlu:
- intent: greet
  examples: |
    - hey
    - hello
    - hi
    - hello there
    - good morning
    - good evening
    - moin
    - hey there
    - let's go
    - hey dude
    - goodmorning
    - goodevening
    - good afternoon
    - 你好！
    - 您好！
    - 在么！
    - 在吗！
    - 喂！

- intent: goodbye
  examples: |
    - cu
    - good by
    - cee you later
    - good night
    - bye
    - goodbye
    - have a nice day
    - see you around
    - bye bye
    - see you later
    - 拜拜！
    - 再见！
    - 拜！
    - 退出。
    - 结束。
    - exit

- intent: affirm
  examples: |
    - yes
    - y
    - indeed
    - of course
    - that sounds good
    - correct
    - 是的
    - 是

- intent: deny
  examples: |
    - no
    - n
    - never
    - I don't think so
    - don't like that
    - no way
    - not really
    - 不
    - 不是的
    - 不是

3、重新训练模型 

rasa train nlu

4、测试模型：

rasa shell nlu

 5、重新训练

由于之前用 rasa train nlu 训练出来的模型只是解析，并不包含回复逻辑，所以需要重新训练。

注意，不要带 nlu 参数：

rasa train 

6、启用了 rasa server

再次启动 rasa shell，会看到同时启用了 rasa server, 并加载了新训练的模型文件。 

rasa shell