本文继续围绕工业级业务对话平台和框架Rasa，对Rasa项目实战之银行金融Financial Bot智能业务对话机器人的主要业务功能所使用的微服务进行解析，并通过Rasa Interactive的调试来帮助理解其背后的逻辑。
一、Rasa项目实战之银行金融Financial Bot智能业务对话机器人业务功能微服务解析与调试
- Financial Bot进行账户余额查询及Rasa Interactive调试
首先运行命令rasa run actions –debug启动action server：
运行命令rasa interactive进入交互式对话模式：
输入信息：
确认执行后输出：
执行action “utter_greet”：
执行action “utter_help”，对话机器人提供下列反馈供用户选择：
输入查询账户余额信息：
执行action “action_show_balance”，返回了查询结果：
可视化流程图更新如下，可以很清晰地看到到目前为止整个对话执行过程：
检查action server输出的调试信息，当用户确认执行action_show_balance之后，Rasa server会调用在action server上运行的微服务action_show_balance，实际上会执行微服务的run方法，处理完成后会把结果通过HTTP response的方式返回给Rasa server：
这是在domain中注册的微服务：
ActionShowBalance是查询账户余额的微服务类，继承自Rasa SDK的Action，包含了两个方法name和run：
这是name方法，返回在domain文件中注册的action name：
这是run方法，首先从tracker中获取slot “account_type”的值，如果是credit类型，则从数据库中取得当前要求查询余额的用户（sender_id）的卡片信息：
-如果当前用户提供的卡片信息存在并且可以在数据库中找到，那么就会根据当前卡片信息查询信用卡余额并返回结果给用户：
-如果当前用户没有提供卡片信息用于查询，那么会根据用户的sender_id从数据库中查询出该用户所有的卡片信息，通过循环的方式来获取每一张卡片的余额信息：
-如果不是credit类型，则通过用户id查询用户账户余额，在这里会检查另一个slot “amount_transferred”是否有值，如果有值表示存在转账金额，会对账户余额进行相应的处理：
检查对话输出信息，发现slot “account_type”的值为None，那么就不会执行上面的credit这段代码逻辑，而是查询用户账户余额信息：
下面这段代码逻辑用于检查是否存在用户需要切换业务场景的情况：
2. Financial Bot进行transactions消费查询及Rasa Interactive调试
输入查询消费交易的信息，从输出结果看，对话机器人正确识别了”last month”的时间：
确认继续执行：
运行form “transaction_search_form”来收集信息：
这时检查action server的输出日志，可以看到调用了验证action来对form收集的信息进行验证：
这是验证类，包括了对search_type，vendor_name，time等信息的验证方法：
根据requested_slot “vendor_name”输入选择的vendor信息：
确认继续执行：
运行form “transaction_search_form”：
可视化流程图更新如下：
继续根据对话机器人反馈进行选择，这里选择1：
运行form “transaction_search_form”，之后会输出信息询问用户是否需要查询时间段为上个月的关于Target的交易信息：
这时检查action server的输出日志，可以看到执行了微服务action_ask_transaction_search_form_zz_confirm_form：
检查domain文件，注册了这个action：
这是微服务类ActionAskTransactionSearchFormConfirm，继承自Action：
其中name方法定义了在domain中注册这个微服务的action name：
选择1执行：
运行form “transaction_search_form”：
当form收集完信息后，可以看到requested_slot为null，active_loop也设置为null来使当前运行的form进入不激活状态。
根据提示运行action “action_transaction_search”，返回的查询结果如下，查到了关于Target的13笔交易及总金额，然后会把查询时使用的所有slots都设置为空：
可视化流程图更新如下：
检查action server的输出日志，可以看到执行了action “action_transaction_search”：
这是domain文件中注册的微服务：
这是微服务类，它继承自Rasa SDK的Action：
方法name返回domain中使用的action name，Rasa server会根据这个name来调用action server上运行的微服务，需要注意的是这个name也必须是唯一能标识这个微服务的名称：
这是方法run，首先对各个slots进行初始化赋值：
从tracker中获取各个slots的值，然后从数据库中查询出所有符合条件的交易信息：
注意这里使用了第三方工具包SQLAlchemy来进行数据库查询：
调用dispatcher返回查询结果信息给用户，在return语句中通过使用slots初始化列表来产生SlotSet事件，通过这个事件可以把tracker中的各个slots的值设置为初始值，以便为下一次查询做好准备：
Rasa 3.x 源码高手之路：系统架构、内核算法、源码实现详解：
Rasa 3.x 源码高手之路：基于Transformer的对话机器人RasaPolice：
星空NLP对话机器人论文班：NLP领域10篇最高质量的对话机器人经典论文解密：
Rasa 3.X 智能对话机器人案例开发硬核实战高手之路 （7大项目Expert版本）：
Advanced Python硬核实力高手实战之路：架构、算法、源码、案例（81讲）：
NLP on Transformers 高手之路137课Pro版：
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
