Presentación y Usos
RASA es la plataforma de código abierto utilizada para crear chatbots y asistentes virtuales, por derecho propio. Su filosofía se centra en ofrecer una experiencia de usuario fluida y personalizada, utilizando tecnologías avanzadas de procesamiento de lenguaje natural. La estructura de RASA se basa en varios componentes clave:
- Intenciones (Intents): Representan lo que el usuario intenta decir o hacer. Por ejemplo, una intención puede ser “preguntar por el clima”. En RASA, se definen varias intenciones para cubrir un rango de posibles entradas de los usuarios.
- Respuestas (Responses): Son las reacciones del chatbot a las intenciones del usuario. Para cada intención, se preparan respuestas apropiadas que el bot puede utilizar para interactuar de manera coherente y útil.
- Entrenamiento del Chatbot: Para que RASA funcione eficazmente, necesita ser entrenado con ejemplos de conversaciones y diálogos. Esto incluye proporcionar ejemplos de diferentes intenciones y las respuestas correspondientes, lo que ayuda al modelo a aprender y mejorar su capacidad de interpretación y respuesta.
Finalmente, lo que realmente enriquece a los chatbots de RASA son las acciones. Las acciones permiten integrar funcionalidades más avanzadas y personalizadas, como conectarse a bases de datos, realizar cálculos, o incluso incorporar capacidades de IA avanzadas. Estas acciones hacen que el diseño del chatbot no solo sea interactivo y útil, sino también sorprendentemente versátil, capaz de realizar tareas complejas y ofrecer una experiencia rica e interactiva a los usuarios.
Prerequisitos
Instalación de Python, preferiblemente reciente (mayor o igual a 3.9). En nuestro caso, usaremos Python 3.10.11 y sistema operativo Windows.
Pasos
Probar nuestro primer chatbot en RASA es un proceso sencillo, gracias a las plantillas que ofrece RASA.
1. Instalar RASA
Comenzaremos por configurar un ambiente virtual donde aislaremos nuestra instalación de RASA de las demás librerías instaladas globalmente, para evitar conflictos de versiones y otros beneficios como la configuración de variables de entorno que almacenen claves privadas y tokens.
Alternativamente, se puede optar por una instalación global, si no presenta conflicto.
Creamos un ambiente virtual llamado .EnvRASA desde consola, una vez nos ubiquemos en nuestra carpeta deseada para alojarlo:
python -m venv .EnvRASA
Activamos el ambiente, una vez nos ubiquemos en la carpeta .EnvRASA:
Scripts\activate
Instalamos RASA:
pip install rasa
Verificamos la instalación:
rasa –version
En nuestro caso, apareció la versión 3.6.15.
2. Usar la plantilla básica de chatbot
Con el ambiente virtual activado, nos ubicamos ahora en la carpeta donde queremos alojar nuestros chatbots de RASA. Ejecutamos:
rasa init
Se nos preguntará si deseamos que el chatbot quede en la carpeta actual o en una carpeta interna, en cuyo caso debemos colocar la ruta. En este caso dejaremos el chatbot en la carpeta original, presionando enter. En seguida se nos preguntará si queremos entrenar el modelo inicial, al lo cual podemos responder tecleando ‘y’. De la misma manera se nos pregunta si queremos probar el chatbot en consola.
Para este momento ya se habrán creado en nuestra carpeta una serie de archivos .py y .yml con la lógica del chatbot. Es recomendable explorarlos y reconocer las intenciones, respuestas y frases de entrenamiento que alimentan al chatbot.
De todas maneras podemos entrenar nuestro chatbot en cualquier momento ejecutando:
rasa train
Y conversar con él digitando (usamos ctrl+c para salir de la conversación):
rasa shell
A continuación la conversación sencilla que se puede tener gracias a esta plantilla:
Luego de desplegar esta plantilla básica es conveniente experimentar con las intenciones y posibles respuestas que se registran en los archivos .yml del proyecto.
¡Disfruta!