如何从 Rasa Chatbot 的自定义操作发送自定义 Json 响应？

Rasa 是一个开源的聊天机器人开发框架，它允许开发者构建智能的对话系统。其中的自定义操作（Custom Actions）允许开发者扩展机器人的功能，包括从自定义操作中发送自定义的 JSON 响应。下面将介绍如何在 Rasa Chatbot 中实现这一功能。

步骤1：创建自定义操作

首先，在 Rasa Chatbot 项目的根目录下创建一个名为 actions 的文件夹。然后在该文件夹中创建一个 Python 文件，命名为custom_actions.py（可以使用其他的文件名，只要后缀是.py即可）。

在 custom_actions.py 文件中，导入 Rasa SDK，并创建一个自定义的操作类，继承自Action类。自定义的操作类负责处理从聊天机器人接收到的消息，并根据需要发送自定义的 JSON 响应。

# Import necessary modules from Rasa SDK
from typing import Any, Text, Dict, List

from rasa_sdk import Action, Tracker
from rasa_sdk.executor import CollectingDispatcher

# Define custom action class
class CustomAction(Action):
    def name(self) -> Text:
        return "action_custom_action"
    
    def run(self, dispatcher: CollectingDispatcher, tracker: Tracker, domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:
        # Your code to handle custom logic here
        
        # Customize and send JSON response
        json_response = {
            "response_key": "response_value"
        }
        dispatcher.utter_message(json_message=json_response)
        
        return []

在这个示例中，自定义的操作类名为 CustomAction，name 方法定义了自定义操作的名称，run 方法定义了自定义操作的逻辑。通过 dispatcher.utter_message(json_message=json_response) 发送自定义的 JSON 响应。

步骤2：将自定义操作添加到域文件中

在 Rasa Chatbot 项目的域文件中（domain.yml），将自定义操作添加到 actions 字段中，让 Rasa Chatbot 能够识别并执行自定义操作。

# domain.yml
actions:
  - action_custom_action

步骤3：进行自定义操作的训练

为了让 Rasa Chatbot 能够识别和响应自定义操作，请确保在进行训练之前更新 Rasa Chatbot 的训练数据，在故事文件或对话流中包含与自定义操作相关的示例。

步骤4：启动 Rasa Chatbot

在命令行中进入 Rasa Chatbot 项目的根目录，并执行以下命令来启动 Rasa Chatbot：

rasa run actions
rasa shell

rasa run actions 命令将启动 Rasa Chatbot 的自定义操作服务器，rasa shell 命令将启动对话模型的聊天窗口。

现在，当与 Rasa Chatbot 进行对话时，通过自定义操作 action_custom_action 发送自定义的 JSON 响应。

注意：确保在 domain.yml 和自定义操作文件中的类名、方法名和自定义操作的名称一致。

希望本文能帮助你了解如何从 Rasa Chatbot 的自定义操作发送自定义 JSON 响应。详细信息可参考 Rasa 官方文档：Custom Actions。