Rasa 是一个开源的机器人对话管理框架，用于构建灵活、可扩展的对话系统。它使您能够创建自己的聊天机器人，并通过自然语言理解（NLU）和对话管理（DM）来处理用户的输入和生成响应。
windows中安装rasa
1.创建虚拟环境
注：确保win10中已经安装了python3.8,并且python3.8的目录中要有python.exe的文件（因为有的电脑python2和python3并存，已经吧python.exe改成了python3.exe）
2.安装rasa
命令行中进入虚拟机环境的目录
J:\Python\rasa\vir_env\Scripts
然后运行安装rasa的命令
pip install rasa
3.安装Mitie和Jieba
# 在线安装Mitie pip install git+https://github.com/mit-nlp/MITIE.git pip install rasa[mitie] # 注：由于第一步始终没成功过，没尝试过这个命令的意义
# 安装Jieba中文分词 pip install jieba
注：安装过程估计会有点卡，可以尝试连接梯子，或者尝试离线安装 参考：https://blog.csdn.net/weixin_43815222/article/details/121649581
4.创建新的rasa项目
先新建一个目录
J:\Python\rasa\Code\rasa1
命令行中进入该目录，运行命令
rasa init
安装过程中有提示，按照要求操作即可
是否在当前目录中创建？回车即可
训练一个初始化模型？y
现在初始化rasa项目后可以自己进入对话，因为我之前安装的是3.6.4的版本，我后面升级了rasa的版本再来做的初始化rasa项目
我的rasa和rasa-sdk版本
rasa 3.8.0a1
rasa-sdk 3.8.0a1
初始化自动生成的目录
其他：
自定义域文件：Rasa 的域文件 (domain.yml) 定义了机器人的行为和响应。您可以根据自己的需求对其进行修改。
训练 NLU 模型：NLU 模型用于理解用户输入的意图和提取实体。您需要准备一些训练数据，并将其放入 data/nlu 目录下，然后使用以下命令来训练 NLU 模型：
rasa train nlu
训练 Core 模型：Core 模型用于管理对话流程和生成机器人的回复。您需要准备一些训练数据，并将其放入 data/stories.md 文件中，然后使用以下命令来训练 Core 模型：
rasa train core
运行对话模型：训练完成后，您可以使用以下命令来与您的聊天机器人进行交互：
rasa shell