（十一）RASA CORE Action

作者简介

作者：孟繁中（北京邮电大学 计算机科学与技术硕士）

原文：https://zhuanlan.zhihu.com/p/334500244

转载者：杨夕

面筋地址：https://github.com/km1994/NLP-Interview-Notes

个人笔记：https://github.com/km1994/nlp_paper_study

                   

在收到每个用户消息之后，RASA CORE policy将预测机器人接下来应执行的动作。本文介绍RASA都支持哪些动作。

Responses

响应是机器人发回给用户的一个消息。当希望机器人向用户发送文本，图像，按钮或类似内容时，Responses是最常用到的action。

响应responses位于domain.yml文件或单独的“ responses.yml”文件中的对应responses键的下方。每个响应名称都应以开头utter_。

响应中可以加入变量，使用{slot_name}去引用变量。

同样一个响应名称，可以对应多个话术，调度器会随机访问，增加话术多样性。也可以指定哪个channel使用哪个话术。

响应内容可以是按钮，图片，连接等信息。

Custom Actions

自定义动作可以运行自定义代码，只要符合RASA-SDK定义的action的规范即可。例如，自定义动作用于进行API调用或查询数据库等。

自定义action需要action server去执行代码。具体参考下文的后半部分。

Form Action

Form Action是从用户那里收集一些信息，以便执行某些操作（预订餐厅、调用API、搜索数据库等）。这也称为“插槽填充”。使用FormAction的时候，必须定义有RulePolicy。

1、定义FormAction

forms:
  restaurant_form:
    cuisine:
      - type: from_entity
        entity: cuisine
    num_people:
      - type: from_entity
        entity: number

通过在配置文件中填写forms段来定义表单。表单的名称就是story或rule中用于处理表单执行的action的名称。另外还需要为表单变量填写插槽映射。每个待填的槽，可以映射为多个表单变量。如上例中表单restaurant_form将填充 cuisine槽位，num_people将填充到槽位number。

一旦表单被激活后，系统会提示用户输入下一个所需的slot值。提示话术是通过寻找一个名为utter_ask_<form_name>_<slot_name>的action，如果找不到就查找utter_ask_<slot_name>的action。确保在Domain文件中为每个slot定义这些响应。

2、激活FormAction

要激活表单，您需要添加一个故事或规则，告诉助手应该何时运行该表单。在特定意图触发表单的情况下，可以使用以下规则：

rules:
- rule: Activate form
  steps:
  - intent: request_restaurant
  - action: restaurant_form
  - active_loop: restaurant_form

active_loop:restaurant_form步骤指示应该在运行restaurant_form之后激活该表单。

3、取消激活FormAction

一旦所有需要的Slot都被填满，表单将自动停用。你可以用一条规则或一个故事来描述你的助手在Form结束后的行为。如果不添加适用的故事或规则，则在表单完成后，助手将自动侦听下一条用户消息。下面示例在表单填充了所有需要的slot后，立即运行utter_all_slots_filled。

rules:
- rule: Submit form
  condition:
  # Condition that form is active.
  - active_loop: restaurant_form
  steps:
  # Form is deactivated
  - action: restaurant_form
  - active_loop: null
  - slot_was_set:
    - requested_slot: null
  # The actions we want to run when the form is submitted.
  - action: utter_submit
  - action: utter_slots_values

4、用户不配合时候处理

用户不会总是用你要求他们的信息来回应。通常情况下，用户会问问题，聊天，改变主意，偏离正常路径。当表单处于活动状态时，如果用户的输入没有填充请求的槽位，表单操作的执行将被拒绝，即表单将自动引发ActionExecutionRejection。

我们可以加入一些规则来避免未处理的ActionExecutionRejection。例如，对于下面这个场景，可以编写包含预期中断的规则或故事，当用户没有填槽时候，可以与您的机器人聊天：

rules:
- rule: Example of an unhappy path
  condition:
  # Condition that form is active.
  - active_loop: restaurant_form
  steps:
  # This unhappy path handles the case of an intent `chitchat`.
  - intent: chitchat
  - action: utter_chitchat
  # Return to form after handling the `chitchat` intent
  - action: restaurant_form
  - active_loop: restaurant_form

还有用户可能会在表单操作过程中改变主意，决定不继续执行表单了。在这种情况下，助理应该停止询问slot的对话。可以用系统内建的活动action_deactivate_loop来优雅地处理这种情况，该循环将停用表单并重置请求的槽位。这种对话的例子如下：

stories:
- story: User interrupts the form and doesn't want to continue
  steps:
  - intent: request_restaurant
  - action: restaurant_form
  - active_loop: restaurant_form
  - intent: stop
  - action: utter_ask_continue
  - intent: stop
  - action: action_deactivate_loop
  - active_loop: null

强烈建议您使用交互式学习来构建这些规则或故事。如果你手写这些规则/故事，你很可能会错过重要的东西。

系统内建的一些Action

默认动作是RASA内置在对话管理器中的ACTION。大多数是根据对话场景自动调用的。也可能自定义一些参数来个性化机器人。

action_listen

此操作将指示助手什么都不做，并等待下一次用户输入。

action_restart

此操作将重置整个对话历史记录，包括在此过程中设置的所有轮次，槽位等信息。

如果模型配置中包含RulePolicy，则可以由用户在会话中通过发送“ /restart”消息来触发它。如果您utter_restart在domain中定义了一个响应，则该响应也将发送给用户。

action_session_start

该操作将启动一个新的会话。在以下情况下该操作自动执行：

• 在每次新对话开始时

• 用户处于非活动状态超过session_expiration_time这个参数后

• 当用户在对话期间发送“ / session_start”消息时

该操作将重置对话跟踪器，但默认情况下不会清除已设置的任何插槽。

会话开始操作的默认行为是将所有现有的插槽带入下一个会话。假设不想保留所有插槽或者只保留一个部分插槽，可以重写action_session_start函数。

action_default_fallback

此操作将撤消上一次用户与机器人的交互，并发送utter_default响应（如果已定义）。如果启用了此动作，NLU的置信度低于设置阈值将触发。

action_deactivate_loop

该操作将禁用处理表单的动作循环并重置请求的插槽。在处理表单的时候，如果用户填写的值不满足要求，可以采用此方法重新填槽。

action_two_stage_fallback

这也是一个fallback处理，在处理低NLU置信度的时候使用。它与action_default_fallback的区别是，action_default_fallback直接回复一句话，可能结束对话，而action_two_stage_fallback 会有个先调用action_default_ask_affirmation 二次询问确认后，再进入action_default_fallback。

action_default_ask_affirmation

该操作由action_two_stage_fallback使用。它要求用户确认其的意图。可以自定义此操作，进行更个性化的设置。

action_default_ask_rephrase

action_two_stage_fallback如果用户拒绝action_default_ask_affirmation确认意图请求，则循环使用此操作。它要求用户重新表达他们的意图。

action_back

此操作将撤消上一次用户与机器人的交互。如果配置了RulePolicy，则用户可以通过向机器人发送“ / back”消息来触发它。

action这块可以做的非常灵活，可以外接action server，也可以自定义action。举个例子，我们只需要，指定kbqa意图，然后将kbqa的检索算法做成一个action，这就可以实现基于知识图谱的回答方法。它是机器人能力扩展的基础。现在不太确定的是，如何将外接能力，比如检索算法，阅读理解算法等置信度，和rasa内置的TED Policy的置信度能对应起来？不然在ranking的时候会有问题。