Byg Kraftfulde AI-Assistenter med Rasa

I en verden, hvor digital interaktion bliver mere og mere central, er AI-assistenter og chatbots blevet uundværlige værktøjer for virksomheder og brugere. Fra kundeservice til personlige assistenter har evnen til at forstå og reagere intelligent på menneskelig sprogbrug revolutioneret den måde, vi kommunikerer på. Midt i denne udvikling står Rasa som en banebrydende open source-løsning, der giver udviklere og virksomheder friheden til at skabe skræddersyede, kontekstbevidste AI-assistenter uden de begrænsninger, der ofte følger med proprietære platforme.

Denne artikel dykker ned i Rasa's verden og udforsker, hvad det er, hvordan det fungerer, og hvordan du kan udnytte dets kraft til at bygge alt fra simple humør-bots til avancerede stemmeassistenter til mobile applikationer. Vi vil også berøre fordelene ved Rasa-as-a-Service og give dig en omfattende forståelse af de teknologier og processer, der er involveret i at bringe din AI-assistent til live.

Hvad er Rasa, og hvordan fungerer det?

Rasa er et open source machine learning-framework designet specifikt til at bygge kontekstuelle AI-assistenter og chatbots. I modsætning til simple regelbaserede systemer er Rasa i stand til at forstå nuancer i samtaler og huske kontekst over tid, hvilket fører til mere naturlige og effektive interaktioner. Rasa består grundlæggende af to hovedkomponenter, der arbejder sammen for at opnå dette:

• Natural Language Understanding (NLU): Dette er assistentens 'øre'. NLU's primære opgave er at fortolke brugerens input, som er i ustruktureret menneskeligt sprog, og udtrække meningsfuld, struktureret data fra det. Det identificerer brugerens intention (f.eks. 'hilse', 'bestille pizza') og relevante entiteter (f.eks. 'pizza' som et produkt, 'stor' som en størrelse). Ved at omdanne rå tekst til forståelige datastrukturer lægger NLU grunden for, at assistenten kan reagere korrekt.
• Dialogue Management (Core): Dette er assistentens 'hjerne'. Core træffer beslutninger om, hvordan assistenten skal reagere baseret på den aktuelle samtales tilstand og kontekst. Det lærer ved at observere mønstre fra samtaledata mellem brugeren og assistenten – disse mønstre kaldes 'stories'. En 'story' beskriver en typisk interaktion, hvor brugeren siger noget, og assistenten svarer, ofte over flere ture. Core bruger disse historier til at forudsige den mest passende næste handling, hvilket gør det muligt for assistenten at føre flydende og logiske samtaler.

Samspillet mellem NLU og Core er afgørende. NLU giver forståelsen, og Core giver intelligensen til at handle på den forståelse. Dette modulære design gør Rasa yderst fleksibelt og skalerbart, hvilket gør det muligt for udviklere at tilpasse hver komponent til specifikke behov.

Kom godt i gang: Installation og Opsætning af Rasa

At komme i gang med Rasa er relativt ligetil, især for dem med erfaring inden for Python og kommandolinjen. Processen involverer typisk et par simple trin:

1. Forbered dit miljø: Det anbefales altid at arbejde inden for et virtuelt miljø (virtual environment) for at undgå konflikter mellem pakker. Opret og aktiver et sådant miljø.
2. Installer Rasa: Brug pip til at installere Rasa-frameworket med kommandoen pip install rasa.
3. Initialiser et projekt: Naviger til den mappe, hvor du ønsker dit projekt, og kør rasa init. Denne kommando vil oprette en initial Rasa-projektstruktur, ofte med en foruddefineret 'Mood bot' som et startereksempel. Dette giver dig en fungerende chatbot, du kan bygge videre på.
4. Træn din model: Efter at have defineret dine intents, entities og stories, skal du træne din Rasa-model. Dette gøres med kommandoen rasa train. Træningsprocessen lærer NLU og Core at forstå og reagere som ønsket.
5. Kør din model: Når modellen er trænet, kan du køre den lokalt for at teste den. Kommandoen rasa shell giver dig en kommandolinjegrænseflade, hvor du kan chatte direkte med din bot.

Denne grundlæggende opsætning er fundamentet for enhver Rasa-baseret AI-assistent og giver dig mulighed for at udvikle og iterere på din bot direkte fra din lokale maskine.

Eksponering og Test af din Rasa Server

For at din Rasa-assistent kan interagere med eksterne applikationer – såsom en mobilapp, en webgrænseflade eller en beskedplatform – skal din lokale Rasa-server gøres offentligt tilgængelig. Dette er især relevant under udviklingsfasen, hvor du måske ikke ønsker at implementere din bot på en cloud-server endnu.

Eksponering af Rasa Serveren med Ngrok

En populær metode til at eksponere en lokal server til internettet er ved at bruge ngrok. Ngrok opretter en sikker tunnel fra en offentlig URL til din lokalt kørende server. Sådan gør du:

1. Kør din Rasa-server: Efter træning skal du starte din Rasa-server med API aktiveret. Brug kommandoen rasa run -m models --enable-api --endpoints endpoints.yml. Bemærk den port, din server kører på (standard er ofte 5005).
2. Start ngrok: Åbn en ny terminal og kør ngrok http PORT-NUMMER (f.eks. ngrok http 5005). Ngrok vil give dig en HTTPS-link, der fungerer som din base-URL for anmodninger fra eksterne applikationer.

Denne ngrok-link er midlertidig, men yderst nyttig til test og integration under udvikling.

Test af Rasa Serveren med Postman

For at verificere, at din eksponerede Rasa-server fungerer korrekt, kan du bruge et værktøj som Postman til at sende testanmodninger:

1. Åbn Postman: Opret en ny POST-anmodning.
2. Angiv URL: Indtast din ngrok HTTPS-URL efterfulgt af /webhooks/rest/webhook (f.eks. https://din-ngrok-url.ngrok.io/webhooks/rest/webhook).
3. Konfigurer Body: Vælg 'Body', derefter 'raw' og formatet 'JSON'. Indtast en JSON-payload, f.eks. { "sender": "bruger123", "message":"hej, hvordan har du det?" }.
4. Send anmodning: Klik på 'Send' og observer svaret fra Rasa-serveren. Du skulle modtage et JSON-svar med assistentens besked.

Dette bekræfter, at din Rasa-server er tilgængelig og kan behandle indgående beskeder.

Rasa REST Input Kanalen: Forbindelse til Mobile Assistenter

Mens mobile stemmeassistenter som Google Assistant, Siri og Alexa er allestedsnærværende, kommer de ofte med betydelige begrænsninger. Du skal finde unikke aktiveringsfraser, navigere i komplekse publiceringsprocesser og kan sjældent indlejre assistenten direkte i din egen mobilapp. Her skinner Rasa og den åbne kildekode virkelig igennem.

Rasa's åbne natur, kombineret med SDK'er som Aimybox, eliminerer disse begrænsninger. Du kan bygge din egen mobil stemmeassistent med præcis de stemmefunktioner, du ønsker, og integrere den problemfrit i din app.

Stemmeassistentens Arkitektur

Generelt følger alle mobile stemmeassistenter en grundlæggende arkitektur:

1. Brugeren klikker på mikrofonknappen og taler en frase.
2. En tale-til-tekst (Speech-to-Text, STT) komponent genkender talen og konverterer den til tekst.
3. Den rå tekst behandles af en NLU-motor (i vores tilfælde Rasa), der genkender brugerens sproguafhængige intention fra teksten.
4. Når en intention er genkendt, udføres en handling (f.eks. at hente information eller udføre en opgave).
5. Til sidst syntetiserer en tekst-til-tale (Text-to-Speech, TTS) komponent et stemmesvar, så brugeren kan høre assistentens svar og fortsætte samtalen.

At implementere alle disse trin fra bunden kan være utroligt tidskrævende. Men med Rasa og Aimybox SDK bliver det meget nemmere at opnå alle disse funktioner med minimal indsats.

Rasa REST Input Kanalen

Rasa REST input kanalen er forudkonfigureret til at modtage POST-anmodninger fra tilpassede beskedkanaler på endpointet /webhooks/rest/webhook. Payloadet, der sendes fra den tilpassede kanal, skal indeholde brugerens identitet og deres besked. Til gengæld sender Rasa assistentens ytring tilbage til den tilpassede kanal. Denne offentligt tilgængelige webhook er alt, hvad der er nødvendigt for at forbinde din stemmeassistent til dit Rasa-projekt.

Bygning af en Mobil Stemmeassistent med Rasa og Aimybox

Lad os se på et praktisk eksempel ved at bygge en mobil stemmeassistent baseret på Rasa's indbyggede starterprojekt, 'Moodbot'. Moodbot spørger brugere, hvordan de har det, og sender et sjovt billede, hvis de er kede af det.

Processen involverer at oprette Rasa-projektet, gøre det offentligt tilgængeligt via ngrok, og derefter integrere det med en Android-app ved hjælp af Aimybox SDK.

Trin til Integration

1. Opret Rasa-projekt: Installer Rasa og kør rasa init --no-prompt for at oprette Moodbot-projektet.
2. Gør det offentligt: Start Rasa-serveren med rasa run, og brug derefter ngrok (ngrok http 5005) til at generere en offentlig HTTPS-URL til din server. Bemærk den fulde webhook-URL (f.eks. https://din-ngrok-url.ngrok.io/webhooks/rest/webhook).
3. Opret Android Studio-projekt: Brug Aimybox's færdige open source Android-stemmeassistent-projekt fra deres GitHub-repository.
4. Tilføj Aimybox Rasa API-afhængighed: I din Android-apps build.gradle.kts-fil skal du tilføje linjen implementation("com.justai.aimybox:rasa-api:$aimyboxVersion").
5. Konfigurer Rasa-forbindelsen: I AimyboxApplication.kt-klassen skal du erstatte den eksisterende dialogApi-definition med val dialogApi = RasaDialogApi(unitId, "DIN_NGROK_WEBHOOK_URL"), hvor du indsætter din ngrok-URL.
6. Kør appen: Byg og kør din assistent på en Android-enhed. Når appen kører, vil du se en simpel grænseflade med en mikrofonknap. Tryk på den, og sig 'hello' for at starte en samtale med din Rasa-bot.

Denne opsætning giver dig en fuldt funktionel mobil stemmeassistent, der forstår de intentioner, der er defineret i dit Rasa Moodbot-projekt.

Tilpasning og Udvidelse af Din Rasa-Assistent

Fordelen ved open source-værktøjer som Rasa og Aimybox er den enorme fleksibilitet. Du kan tilpasse stort set alle aspekter af din assistent, fra dens adfærd til dens udseende.

Tilføj knapper til interaktion

Nogle gange er det hurtigere at klikke på en knap end at tale. Du kan nemt tilføje knapper til din Rasa-assistents svar. Åbn domain.yml-filen i dit Rasa-projekt, og tilføj knapmuligheder til dine utter_-skabeloner:

templates: utter_greet: - text: "Hej! Hvordan har du det?" buttons: - title: "Godt" - title: "Dårligt" utter_did_that_help: - text: "Hjalp det dig?" buttons: - title: "Ja" - title: "Nej"

Efter at have tilføjet knapperne, skal du huske at gen-træne din Rasa-model (rasa train) og genstarte serveren (rasa run), for at ændringerne træder i kraft. Knapklik sender blot knappens titeltekst som en ny kommando til din Rasa-server.

Tilpas assistentens udseende (Styling)

Med Aimybox er assistentens brugerflade fuldt tilpasselig via Android-stilarter. Du kan ændre farver, skrifttyper og meget mere. Åbn styles.xml-filen (findes i app/src/main/res/values) i Android Studio og juster farverne, f.eks. til Rasa-logoets farve:

<style name="AppTheme" parent="Theme.MaterialComponents.Light.NoActionBar"> <item name="android:colorPrimary">#5A17EE</item> <item name="android:colorPrimaryDark">#4011AA</item> <item name="android:colorAccent">#6F33F4</item> <!-- Andre Aimybox stil-items her --> </style> <style name="CustomAssistantButtonTheme" parent="DefaultAssistantTheme.AssistantButton"> <item name="aimybox_backgroundColor">#5A17EE</item> </style>

Ændring af prompt-beskeder

Du kan også ændre den prompt-besked, der vises på skærmen, når brugeren trykker på assistentens mikrofonknap. Denne besked skal beskrive det næste forventede trin fra brugeren. Åbn strings.xml-filen i app/src/main/res/values og foretag ændringer:

<resources> <string name="app_name">Min Aimybox Assistent</string> <string name="prompt">Din assistent er klar! Tryk på knappen nedenfor for at starte genkendelse.</string> <string name="initial_phrase">Sig hej</string> </resources>

Efter at have foretaget disse ændringer, genbyg og start assistenten i Android Studio for at se de opdaterede stilarter og beskeder.

Rasa-as-a-Service: Den Nemme Vej til Produktion

Selvom det er fantastisk at have fuld kontrol over din Rasa-implementering, kræver det også, at du selv håndterer serveropsætning, vedligeholdelse, skalering og opdateringer. For mange virksomheder kan dette være en betydelig byrde. Her kommer Rasa-as-a-Service ind i billedet.

Med Rasa-as-a-Service tager en tredjepart sig af administrationen af Rasa Platformen, så du kan fokusere udelukkende på at bygge og forbedre din AI-assistent. Dette inkluderer:

• Managed Platform: Alt fra serveropsætning, skalering og sikkerhed håndteres for dig.
• Proaktiv, Premium Support: Adgang til ekspertsupport, der kan hjælpe med at løse problemer og optimere din bot.
• Kortere Time-to-Value: Du kan hurtigere få din assistent i produktion, da du ikke behøver at bruge tid på infrastruktur.
• Opdateringer og Vedligeholdelse: Sikrer, at din platform altid kører den seneste og mest stabile version af Rasa.

Rasa-as-a-Service er ideelt for virksomheder, der ønsker at udnytte Rasa's kraft uden at investere i et dedikeret DevOps-team til at administrere den underliggende infrastruktur. Det giver ro i sindet og frigør ressourcer, så du kan accelerere din udvikling og forbedre din bot.

Ofte Stillede Spørgsmål (FAQ)

Hvad er forskellen på Rasa NLU og Rasa Core?

Rasa NLU er ansvarlig for at forstå brugerens input ved at udtrække intents (intentioner) og entities (nøgleinformation). Rasa Core er "hjernen" i assistenten, der håndterer dialogflowet og beslutter, hvordan assistenten skal svare baseret på samtalens kontekst og de intents/entities, NLU har identificeret. De arbejder sammen for at skabe en flydende og kontekstbevidst samtaleoplevelse.

Kan Rasa bruges til andre sprog end engelsk?

Ja, absolut! Rasa er designet til at være sproguafhængigt. Selvom mange eksempler og tutorials er på engelsk, kan du træne Rasa-modeller til at forstå og generere svar på ethvert sprog, så længe du giver tilstrækkeligt træningsdata på det pågældende sprog. Rasa understøtter også forskellige sprogmodeller og tokenizers, der kan tilpasses specifikke sprogbehov.

Hvad er fordelene ved at bruge Rasa frem for proprietære løsninger som Google Dialogflow eller Amazon Lex?

Den største fordel ved Rasa er dets open source-natur, hvilket giver dig fuld ejerskab og kontrol over din data og din AI-model. Dette eliminerer vendor lock-in og giver uovertruffen fleksibilitet til tilpasning. Du kan køre Rasa på dine egne servere, integrere det med ethvert system og modificere koden efter behov. Det giver også større gennemsigtighed i, hvordan din AI træffer beslutninger, og kan være mere omkostningseffektivt på lang sigt, især ved stor skala, da der ikke er licensgebyrer pr. anmodning.

Er det svært at integrere Rasa med en mobilapp?

Som demonstreret med Aimybox SDK er integration af Rasa med en mobilapp slet ikke svært. Takket være Rasa's REST API og specialiserede SDK'er (som Aimybox for Android), er processen strømlinet. Du sender blot brugerens besked via en POST-anmodning til Rasa-serveren og modtager svaret, som derefter kan vises i din app. Selvom det kræver grundlæggende programmeringsfærdigheder i den mobile platform, er de mest komplekse dele af tale-til-tekst og tekst-til-tale allerede håndteret af SDK'erne.

Hvilken type chatbots kan jeg bygge med Rasa?

Med Rasa kan du bygge en bred vifte af chatbots og AI-assistenter, herunder kundeservicebots, salgsbots, interne assistenter til medarbejdere, personlige assistenter, informationsbots og endda stemmeassistenter til smarte enheder. Dets kontekstuelle forståelse gør det muligt at håndtere komplekse samtaler og udføre flertrinsopgaver, hvilket gør det velegnet til næsten enhver applikation, der kræver intelligent dialog.

Konklusion

Rasa repræsenterer en kraftfuld og fleksibel løsning for alle, der ønsker at bygge avancerede, kontekstbevidste AI-assistenter. Fra den grundlæggende opsætning og træning af din bot til dens integration med mobile stemmeassistenter og omfattende tilpasningsmuligheder, giver Rasa dig den kontrol og de værktøjer, du behøver. Friheden til at bygge uden begrænsninger, kombineret med muligheden for at vælge en managed service som Rasa-as-a-Service for en lettere drift, gør Rasa til et ideelt valg for både udviklere og virksomheder, der ønsker at innovere inden for samtale-AI.

Uanset om du er en erfaren udvikler eller en virksomhed, der udforsker AI's potentiale, tilbyder Rasa en robust, skalerbar og brugervenlig platform til at bringe dine intelligente assistenter til live. Fremtiden for samtale er her, og med Rasa er du udstyret til at forme den.

Hvis du vil læse andre artikler, der ligner Byg Kraftfulde AI-Assistenter med Rasa, kan du besøge kategorien Mobil.