最近要做一个简单金融场景的对话问答系统，由于一开始没有业务数据，首先想到的就是话术模版问答，在调研了一些技术文章和系统后，发现比较常用的就是rasa，比较适合单一业务场景的对话，大厂的开放式问答可能是很多人自主研发的一套框架，对于很多中小厂则主流使用的是rasa，可以减少一部分基建的时间。
一个完整的对话系统流程图如下所示：
Rasa的框架涵盖了上图右边虚线框的部分。
rasa简介
网上资料很多，直接贴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个机器学习的框架，能够自动进行文本和语音的对话。
Rasa的核心模块是NLU和对话管理
NLU：利用规则、机器学习，统计学习，深度学习等方法，对一条人类语言进行文本分析，分析得到的主要结果为意图intent以及实体entity信息。其中，意图对应task-orient对话系统中的intent。而实体信息则用于对话系统中的槽填充。
对话管理：在rasa中，对话管理的主要职责是通过NLU的分析得到的意图和实体信息，进行槽位填充，然后结合前几轮对话的状态，根据某种策略（策略可以是人工规则，或者机器学习，深度学习，强化学习训练得到的策略模型），决定应当如何对当前用户的对话进行回应。因此rasa的对话管理是包括槽填充的。
除了上述两个核心内容外，rasa当然还提供其他功能，如response生成，与其他对话系统前端平台对接的接口，以及不同类型的对话模拟接口（包括shell命令行模式，restful api调用模式等），对于从头开发一个对话系统来说，这个框架还是省去了不少基建的工作。
rasa使用
根据github的安装步骤，用pip命令安装rasa和rasa-sdk这两个包。安装完之后，使用命令行进行使用。
首先使用rasa init命令，它会生成一个最原始的文件夹，包含了基础的配置文件以及简单的example。
然后开始根据自己业务场景修改代码和配置文件，主要流程如下：
1. 编写配置domain.yml文件，配置内容包括：设计的槽位，NLU需要识别的实体列表、意图列表，bot回复用户的模板，配置可在story中直接引用的action，配置自定义的form。
2. 编写配置config.yml文件，配置内容包括：使用的NLU模块类（实体抽取、意图识别等），使用的策略列表。
3. 编写stories.md文件，设计话术流程模板。
4. 开发自定义的NLU模块，根据实际需要添加所需的模块。一般来说需要加入extractor和classifier模块，分别对应实体抽取和意图识别两个模块，可以结合人工规则和机器学习模型。也可以直接配置nlu.md模块，使用规则进行意图匹配。
5. 开发自定的form action模块，在validate中定义自己的处理逻辑。当然也可以重写action的run方法，在其中添加自己的逻辑。根据文档指导如何在action中添加一些函数。
6. 配置endpoints.yml文件，这个文件是用于配置action服务地址的。因为之前说过action是一个独立于主流程的服务，因此需要配置其服务接口。
7. 配置credentials.yml文件，rasa支持将对话系统封装成一个restful_api服务。另外提一句，rasa使用的是sanic的异步web框架。因为对话系统是一个多用户的异步服务，所以需要支持多个用户的同时使用。在文档的描述中restful接口不需要修改任何参数，只需要执行rasa run命令，然后用post命令，并且url后缀要加上/webhooks/rest/webhook
一些需要注意的地方：
我主要关注的模块是form action这个动作，但是在文档中的描述没有提到要继承FormAction这个父类，我直接继承了action这个父类，导致一直报错，进入不了form流程中。
formaction也是custom action的一种，所以在调试的时候需要启动action服务，否则会报错。
各个种类的action命名规则需要按文档来，formaction命名比较特殊，按form的规则命名。
比较好用的方法：
在测试的时候用rasa run —debug 和rasa run actions —debug可以比较方便的定位问题的产生原因。
在测试自定义逻辑时可以使用rasa shell —debug进行逻辑调整和测试。
参考文献：
- 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