Os chatbots estão cada vez mais presentes em diversas áreas, desde o atendimento ao cliente até a assistência em tarefas cotidianas. Entre as diversas plataformas disponíveis para a criação de chatbots, o Rasa se destaca por sua flexibilidade e capacidade de personalização.
Neste artigo, exploraremos o processo de construção de um chatbot desde a configuração inicial até a utilização de ações personalizadas.
Preparando o ambiente
Para iniciar, é crucial configurar corretamente o ambiente de desenvolvimento. Certifique-se de ter o Python e o pip instalados.
Utilize os seguintes comandos para instalar as dependências necessárias:
sudo apt update
sudo apt install python3 python3-pip
Após a instalação, verifique se o Python e o pip foram instalados corretamente:
python3 –version
pip3 –version
Criando um ambiente virtual
Para evitar conflitos de dependências, recomenda-se a criação de um ambiente virtual dedicado.
Utilize os seguintes comandos para criar e ativar o ambiente virtual:
python3 -m venv ./venv
source ./venv/bin/activate
Instalando o Rasa
Com o ambiente virtual configurado, instale o Rasa via pip:
pip3 install rasa
Verifique se o Rasa foi instalado corretamente:
rasa –version
Criando um projeto Rasa
O próximo passo é criar um novo projeto Rasa. Execute o comando rasa init para inicializar um projeto. Durante a execução deste comando, você será solicitade a fornecer o caminho onde o projeto será criado, bem como optar por treinar um modelo inicial e interagir com o assistente treinado na linha de comando.
O projeto criado seguirá uma estrutura padrão, incluindo arquivos para ações, configuração, dados, domínio, modelos e testes.
Treinando o modelo
O treinamento do modelo é uma etapa crucial para garantir que o chatbot compreenda as intenções da pessoa usuária e forneça respostas relevantes. Utilize o comando rasa train para treinar o modelo Rasa.
Testando o modelo
Após o treinamento, teste o modelo usando o comando rasa shell. Isso iniciará um shell interativo onde você pode interagir com o bot e avaliar seu desempenho.
Para encerrar a conversa, basta digitar /stop dentro do shell interativo.
Iniciando o servidor de ações personalizadas
Para integrar ações personalizadas ao seu chatbot, inicie o servidor de ações usando o comando rasa run actions. Este comando deve ser executado em um segundo terminal. Certifique-se de adicionar a URL do endpoint de ações ao arquivo endpoints.yml.
action_endpoint:
url: “http://localhost:5055/webhook”
Para testar via API, você pode utilizar o Postman. Crie uma solicitação POST junto da URL de ações personalizadas: POST http://localhost:5055/webhook.
Corpo da solicitação (Payload): no corpo da solicitação, forneça os dados necessários para acionar a ação personalizada. Geralmente, isso inclui o nome da ação e quaisquer parâmetros adicionais necessários para a execução da ação. Exemplo:
{
“next_action”: “nome_da_acao_personalizada”,
“tracker”: {
“sender_id”: “id_do_usuario”,
“slots”: {
“slot_name”: “valor_do_slot”
},
“latest_message”: {
“text”: “mensagem_do_usuario”
}
}
}
Tendo a URL e o payload prontos, envie a solicitação via Postman e valide se a ação personalizada foi executada conforme o esperado e que os dados da resposta tenham sido recebidos corretamente.
Com esses passos, você pode chamar ações personalizadas via chamadas HTTP utilizando o Postman, permitindo uma integração eficiente do Rasa com outros sistemas.
Para explorar mais comandos e recursos do Rasa, consulte a Interface de Linha de Comando e o Rasa Playground.
Se desejar visualizar um exemplo de integração com uma ação customizada, confira o repositório Rasa 3.x NLU – Github API.
Com esses passos, você estará preparade para criar chatbots personalizados e integrá-los em suas aplicações.
Conclusão
Neste artigo, exploramos os passos fundamentais para criar um chatbot utilizando o Rasa Open Source Versão 3.x. Desde a preparação do ambiente até a configuração para a integração de ações personalizadas, cada etapa foi abordada com detalhes para fornecer uma compreensão clara do processo de desenvolvimento.
Ao seguir os procedimentos descritos, você pode construir chatbots inteligentes e altamente personalizados para atender às necessidades específicas de seus projetos e empresas. A capacidade de treinar modelos, testar interações e implementar ações customizadas oferece uma base sólida para a criação de assistentes virtuais eficazes.
Para continuar explorando e aprimorando suas habilidades em desenvolvimento de chatbots, recomendo consultar a documentação oficial do Rasa e explorar os recursos adicionais disponíveis na plataforma.
Se você gostou deste guia, tem alguma dúvida, ou deseja sugerir tópicos que gostaria de ver em futuros artigos, não hesite em comentar abaixo. Sua opinião é valiosa para nós!
Aproveite também para compartilhar este artigo nas suas redes sociais. Juntas, podemos expandir o conhecimento e impulsionar a inovação e criar assistentes virtuais incríveis!
Artigo escrito por Valéria Padilha de Vargas, da Comunidade PrograMaria.