一、Rasa项目实战之银行金融Financial Bot智能业务对话机器人业务流程解析与演示
在设计和开发智能业务对话机器人时，需要考虑用户在与对话机器人进行多轮对话的过程中，会穿插进行多个业务流程的处理，对话机器人需要根据用户意图进行相应的操作。先来看下这段对话：
刚开始用户想查询账户进账情况，这时对话机器人提供3个vendor让用户选择，用户选择其中一个vendor查询指定时间段的进账情况，之后用户想查一下关于另一个vendor的交易情况，查询结果如下：
下面通过debug模式解析对话机器人是如何识别用户意图并通过与Rasa action server运行的相关微服务进行交互来完成对话过程的。
二、通过Rasa debug模式详解对话业务流程
输入信息：what did I earn?
启动Rasa DAG框架中的各个NLU组件，用来分析上面用户输入信息，这些组件包括DIETClassifier，SpacyNLP等等。
以下输出显示了识别到的用户意图为check_earnings，显然这是正确的，这里没有提取entities：
同时对话跟踪器会记录相应的事件：
这里会根据用户意图提取slot信息：
检查domain文件，可以看到这个slot的定义：
可以看到这个slot是由触发的intent来填充的，值就是deposit，与上面日志信息一致。
接下来就是使用配置的各个policies来进行预测，首先使用AugmentedMemoizationPolicy来进行预测，预测得到的action是transaction_search_form：
然后在日志中发现这条消息：
检查rules文件，确实存在这样的rule：
根据识别到的intent可以看出对应的对话机器人的下一个action就是transaction_search_form。
虽然看起来已经可以根据上面的rule来确定对话机器人接下来应该采取的action了，但是由于在我们的配置中还有其它的policy，譬如下面这个基于机器学习的TEDPolicy，它是基于用户输入信息识别到的意图来进行预测的，从预测结果看和上面rule的预测结果一致：
那么最后Rasa core来选择哪一个预测结果呢？从下面的输出信息可以看到最终选择的是RulePolicy的预测结果，这是因为这个policy的优先级最高（RulePolicy的预测confidence最高为1.00，而TEDPolicy的概率始终小于1.00）。
接下来就是运行transaction_search_form来激活form，然后对slot进行验证，这个逻辑是在验证微服务validate_transaction_search_form中完成的。
这时对话机器人输出如下信息：
这是因为已经激活了form “transaction_search_form”，下面是这个form的定义：
由于已经收集了slot “search_type”的值，从form定义中可以看到接下来需要收集vendor_name的信息，所以才会有上面对话机器人输出的关于询问用户vendor的信息。
根据前面给出的对话示例输入vendor：
从以下输出看使用了DIETClassifier来提取entity “vendor_name”的值：
这里需要使用验证微服务对填充到slot的值进行验证：
这是Rasa core调用验证微服务的日志信息：
根据form定义，接下来需要向用户收集时间信息：
所以对话机器人输出如下信息给用户：
按照对话示例输入时间信息：
可以看到这里使用了功能很强的DucklingEntityExtractor来提取时间信息，并且把last three weeks这句话分解为具体的时间格式的值分别放入from和to两个变量中：
从以下输出清晰看到通过触发SlotSet事件来设置slot的过程，key为time，而value则由from和to两部分组成：
这里同样会调用微服务对刚刚填充了值的slot “time”进行验证：
接下来请求下一个slot信息，也就是让用户确认是否需要提交form：
对话机器人输出如下：
选择1：Yes，对话机器人返回查询结果如下：
检查action server微服务日志，发现调用了微服务action_transaction_search：
三、业务流程微服务解析：
关于validate_transaction_search_form，这个微服务继承了Rasa SDK提供的form验证框架，这里可以看到直接继承的是一个自定义验证微服务类CustomFormValidationAction。在validate_transaction_search_form类中定义了关于slot “search_type”的验证方法。
这个方法使用了Python的coroutine机制，逻辑很简单，就是判断slot设置的值是否存在于预定义的列表中，如果不存在则说明值无效，需要重置这个slot的值为None：
这是验证vendor_name的方法，其逻辑是检查这个vendor是否存在于数据库中，如果存在则设置到这个slot “vendor_name”中，否则重置slot的值为None：
这是验证time的方法，首先从tracker中获取slot time的值，然后根据时间值进行解析，如果能够正确解析则设置slot的值，否则设置slot值为None：
下面是关于微服务类ActionTransactionSearch，它继承自Rasa SDK提供的接口Action：
这是name方法，返回这个微服务类在domain中配置的名称：
这是run方法，定义了微服务类的运行逻辑，首先定义了一个slots的初始化列表：
如果用户确认提交form，那么就会执行以下逻辑，即从对话跟踪器中取出各个slots的值，作为参数传入数据库查询语句中进行查询：
调用模板方法输出查询结果给用户，如果用户取消提交form，则调用另外的模板方法输出信息。在方法的return语句中会调用方法前面定义的slots初始化列表来触发SlotSet事件，目的是清空当前各个slots的值，以便为后续根据用户意图进行业务流程处理做好准备。
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：
1539
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
