Chatbots er softwareværktøjer skabt til at interagere med mennesker gennem chat. De første chatbots var i stand til at skabe simple samtaler baseret på et komplekst regelsystem. Ved at bruge Python- og Dialogflow-rammer ville du være i stand til at bygge intelligente chatbots.
I dette indlæg lærer vi, hvordan du tilføjer en Dialogflow-chatbot til Python-frameworks såsom Flask eller Django.
Forudsætninger:
Du skal bruge en Dialogflow-konto og en Kommunikere konto til at implementere chatbotten. Du skal også bruge Python og Flask frameworks installeret på dit system. For at få brug for mere information om Flask-rammen, se venligst denne link.
Vi vil bruge Flask i denne tutorial. Hvis du ønsker at tilføje Dialogflow chatbot til Django-rammen, du kan se denne tutorial.
Trin til at tilføje Dialogflow Chatbot til Python Frameworks
Opret en agent
Login til Dialogflow konsol. En agent er bare en chatbot. Du kan træne agenten med træningssætninger og tilsvarende svar til at håndtere forventede samtalescenarier med dine slutbrugere.
Klik på rullemenuen nær agentindstillingerne, og klik derefter Opret ny agent, angiv et agentnavn (for eksempel — Python-Demo), og klik derefter SKAB.
Opret en hensigt
En hensigt kategoriserer slutbrugerens hensigt for én samtaleomgang. For hver agent kan du definere mange hensigter. Når en slutbruger skriver eller siger noget, kaldet et slutbrugerudtryk, matcher Dialogflow slutbrugerudtrykket til den bedste hensigt i din agent.
Klik på knappen OPRET hensigter knappen og angiv et hensigtsnavn (f.eks. python-demo) og gem.
Tilføj træningssætninger
Disse er eksempler på sætninger for, hvad slutbrugere kan sige. Når et slutbrugerudtryk ligner en af disse sætninger, matcher Dialogflow hensigten.
Klik på den oprettede hensigt (python-demo), og tilføj brugersætningerne i Træningsfraser sektion.
🚀 Her er en video til dig om at oprette en Dialogflow chatbot og lære mere om agenter, hensigter og entiteter:
https://medium.com/media/1c5efb545eba2cf7ea535a0b5ab78909/href
Aktiver opfyldelse
Når du har tilføjet en hensigt, behøver du ikke tilføje agentsvar i Svar afsnit. Da vi bruger Flask til det samme, skal du aktivere webhook til dette formål. Webhooken hjælper os med at overføre data og svar mellem Dialogflow og Flask. Dialogflow leverer webhook-tjenester via Dialogflow Fulfillment.
Fulfillment er en kode, der implementeres gennem en webtjeneste for at levere data til en bruger. Du kan aktivere webhook-kald til alle formål, der krævede en vis backend-behandling, databaseforespørgsel eller tredjeparts API-integration.
Under Opfyldelse skal du klikke på Aktiver webhook for denne hensigt og gemme hensigten.
Dialogflow-opfyldelse har to muligheder — Webhook og Inline Editor. Den inline-editor er også en webhook, men hostet af Googles cloud-funktioner. Vi kommer til at bruge webhook.
Gå til "Opfyldelse" sektion og aktiver webhook.
Brug Python med Flask og aktiver webhook-serveren
Webhooken kræver en URL, og den skal være en HTTPS-protokol. Webhook-URL'en modtager en POST-anmodning fra Dialogflow, hver gang en hensigt udløser webhook.
Vi bruger Python-programmeringssproget og Flask-rammeværket til at oprette webhook.
Opret en fil (for eksempel — app.py). Importer alle de nødvendige biblioteker (f.eks. os, JSON, send_from_directory, request), der er nødvendige for Python. Tjek venligst om du har Flask på dit system. Hvis ikke, så installer det ved hjælp af pip, og her er dokumentation for det samme.
importkolbe
importere json
importere dig
fra flask import send_from_directory, request
For at håndtere alle agent-webhook-anmodninger skal vi definere og tilføje en rute/webhook-metode med en POST-anmodning. En POST-anmodning vil blive sendt til denne URL /webhook. Den udfører alle metoderne i metoden.
Der tilføjes også en opfyldelsestekst for at returnere det, når den udløser træningssætningen fra Dialogflow.
Hvis du har brug for at tilføje flere betingelser og svar, kan du definere dem i webhook-metoden.
# Flask-app skal starte i global layout-app = flask.Flask(__name__) @app.route('/favicon.ico') def favicon(): return send_from_directory(os.path.join(app.root_path, 'static') , 'favicon.ico', mimetype='image/favicon.png') @app.route('/') @app.route('/home') def home(): returner "Hello World" @app.route ('/webhook', methods=['POST']) def webhook(): req = request.get_json(force=True) print(req) return { 'fulfillmentText': 'Hej fra bot-verdenen' } if __name__ = = "__main__": app.secret_key = 'ItIsASecret' app.debug = Ægte app.run()
Efter opsætning af Python-processen, lad os bruge Ngrok at oprette en offentlig URL til webhook og lytte til port 3000 (i dette eksempel). Til Dialogflow-opfyldelse skal du bruge en HTTPS-sikret server, da den lokale server (localhost) ikke vil fungere. Du kan også bruge en server og pege et domæne med HTTPS til den server.
Du får en URL som https://f3e3a29d7ae9.ngrok.io/webhook hvor webkrog er POST-ruten for Dialogflow, vi nævnte i Python-filen.
Kopiér den URL, du har oprettet (I dette eksempel — https://f3e3a29d7ae9.ngrok.io/webhook) og indsæt det i Dialogflow-opfyldelsen URL felt.
Når Dialogflow-opsætningen er færdig, kan du nemt tilføje det til dit websted eller dine apps ved hjælp af Kommunicate og test, at Python-chatbotten fungerer.
Indpakning op
Hvor nemt var det? I et par enkle trin kan du tilføje en Dialogflow-chatbot til dine Python-rammer. Prøv dette og fortæl os det i kommentarerne. Vi vil meget gerne prøve din chatbot.
Oprindeligt udgivet på https://www.kommunicate.io den 25. juni 2021.
Opret en Chatbot i Python ved hjælp af Flask Framework i 2022 [trin for trin] blev oprindeligt offentliggjort i Chatbots liv på Medium, hvor folk fortsætter samtalen ved at fremhæve og svare på denne historie.
- Coinsmart. Europas bedste Bitcoin og Crypto Exchange.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. FRI ADGANG.
- CryptoHawk. Altcoin radar. Gratis prøveversion.
- Source: https://chatbotslife.com/create-a-chatbot-in-python-using-flask-framework-in-2022-step-by-step-65f08a9325dc?source=rss—-a49517e4c30b—4
- "
- &
- 2021
- 2022
- Om
- Konto
- midler
- Alle
- api
- app
- apps
- BEDSTE
- Bot
- bygge
- Cloud
- kode
- kommentarer
- komplekse
- Samtale
- samtaler
- Tilsvarende
- skabe
- oprettet
- Oprettelse af
- data
- Database
- indsat
- implementering
- domæne
- nemt
- editor
- muliggøre
- enheder
- eksempel
- forventet
- Fornavn
- Framework
- Global
- gå
- hjælpe
- Hvordan
- How To
- HTTPS
- Mennesker
- info
- installere
- integration
- Intelligent
- hensigt
- Intention
- IT
- Sprog
- LÆR
- læring
- lokale
- leder
- kærlighed
- medium
- nævnte
- mere
- I nærheden af
- nødvendig
- Indstillinger
- Mennesker
- sætninger
- Punkt
- behandle
- forarbejdning
- Programmering
- protokol
- give
- giver
- offentlige
- modtage
- anmode
- anmodninger
- påkrævet
- afkast
- R
- regler
- tjeneste
- Tjenester
- indstilling
- setup
- Simpelt
- Software
- nogle
- noget
- starte
- systemet
- prøve
- tredjepart
- Gennem
- tid
- værktøjer
- Kurser
- overførsel
- us
- brug
- video
- web
- Hjemmeside
- Hvad
- Arbejde
- arbejder
- ville
- youtube