Chatbots adalah perangkat lunak yang dibuat untuk berinteraksi dengan manusia melalui obrolan. Chatbots pertama mampu membuat percakapan sederhana berdasarkan sistem aturan yang kompleks. Dengan menggunakan kerangka kerja Python dan Dialogflow, Anda akan dapat membangun chatbot yang cerdas.
Dalam posting ini, kita akan belajar bagaimana menambahkan chatbot Dialogflow ke framework Python seperti Flask atau Django.
Pra-syarat:
Anda akan memerlukan akun Dialogflow, dan a Berkomunikasi akun untuk menyebarkan chatbot. Juga, Anda akan membutuhkan Ular sanca dan kerangka Flask diinstal pada sistem Anda. Untuk membutuhkan info lebih lanjut tentang kerangka Flask, silakan lihat ini link.
Kami akan menggunakan Flask dalam tutorial ini. Jika Anda ingin menambahkan chatbot Dialogflow ke kerangka kerja Django, Anda dapat melihat tutorial ini.
Langkah-langkah untuk Menambahkan Dialogflow Chatbot ke Kerangka Python
Buat agen
Masuk ke Konsol Dialogflow. Seorang agen hanyalah sebuah chatbot. Anda dapat melatih agen dengan frasa pelatihan dan respons yang sesuai untuk menangani skenario percakapan yang diharapkan dengan pengguna akhir Anda.
Klik dropdown di dekat pengaturan Agen, lalu klik Buat agen baru, berikan nama agen (Misalnya — Python-Demo), lalu klik MEMBUAT.
Buat niat
Intent mengkategorikan niat pengguna akhir untuk satu giliran percakapan. Untuk setiap agen, Anda dapat menentukan banyak maksud. Saat pengguna akhir menulis atau mengatakan sesuatu, yang disebut sebagai ekspresi pengguna akhir, Dialogflow mencocokkan ekspresi pengguna akhir dengan maksud terbaik di agen Anda.
klik BUAT NIAT tombol dan berikan nama maksud (misalnya, python-demo) dan simpan.
Tambahkan frasa pelatihan
Ini adalah contoh frasa untuk apa yang mungkin dikatakan pengguna akhir. Saat ekspresi pengguna akhir menyerupai salah satu frasa ini, Dialogflow cocok dengan maksudnya.
Klik maksud yang dibuat (demo python) dan tambahkan frasa pengguna di Frase pelatihan bagian.
Berikut adalah video untuk Anda tentang membuat chatbot Dialogflow dan mempelajari lebih lanjut tentang agen, maksud, dan entitas:
https://medium.com/media/1c5efb545eba2cf7ea535a0b5ab78909/href
Aktifkan pemenuhan
Setelah menambahkan maksud, Anda tidak perlu menambahkan respons agen di tanggapan bagian. Karena kami menggunakan Flask untuk hal yang sama, Anda perlu mengaktifkan webhook untuk maksud ini. Webhook akan membantu kami mentransfer data dan respons antara Dialogflow dan Flask. Dialogflow menyediakan layanan webhook melalui Pemenuhan Dialogflow.
Pemenuhan adalah kode yang disebarkan melalui layanan web untuk menyediakan data kepada pengguna. Anda dapat mengaktifkan panggilan webhook untuk semua maksud yang memerlukan pemrosesan backend, kueri database, atau integrasi API pihak ketiga.
Di bawah Pemenuhan bagian, klik Aktifkan webhook untuk maksud ini dan simpan maksud.
Pemenuhan Dialogflow memiliki dua opsi — Webhook dan Editor Sebaris. Editor sebaris juga merupakan webhook tetapi dihosting oleh fungsi cloud Google. Kita akan menggunakan webhook.
Pergi ke "Pemenuhan" bagian & aktifkan WebHook.
Menggunakan Python dengan Flask & mengaktifkan server webhook
Webhook memerlukan URL, dan itu harus berupa protokol HTTPS. URL webhook akan menerima permintaan POST dari Dialogflow setiap kali maksud memicu webhook.
Kami menggunakan bahasa pemrograman Python dan kerangka Flask untuk membuat webhook.
Buat file (misalnya — app.py). Impor semua perpustakaan yang diperlukan (mis: os, JSON, send_from_directory, request) yang diperlukan untuk Python. Silakan periksa apakah Anda memiliki Flask di sistem Anda. Jika tidak, instal menggunakan pip, dan ini dia dokumentasi untuk yang sama.
botol impor
impor json
impor os
dari labu impor send_from_directory, request
Untuk menangani semua permintaan webhook agen, kita perlu mendefinisikan dan menambahkan metode route/webhook dengan permintaan POST. Permintaan POST akan dikirim ke URL /webhook ini. Itu mengeksekusi semua metode di dalam metode.
Juga, teks pemenuhan ditambahkan untuk mengembalikannya saat memicu frasa pelatihan dari Dialogflow.
Jika Anda perlu menambahkan lebih banyak kondisi & tanggapan, Anda dapat menentukannya di dalam metode webhook.
# Aplikasi Flask harus dimulai di 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(): return "Hello World" @app.route ('/webhook', methods=['POST']) def webhook(): req = request.get_json(force=True) print(req) return { 'fulfillmentText': 'Halo dari dunia bot' } if __name__ = = "__main__": app.secret_key = 'ItIsASecret' app.debug = Benar app.run()
Setelah mengatur proses Python, mari kita gunakan Ngrok untuk membuat URL publik untuk webhook dan mendengarkan port 3000 (dalam contoh ini). Untuk pemenuhan Dialogflow, Anda memerlukan server aman HTTPS karena server lokal (localhost) tidak akan berfungsi. Anda juga dapat menggunakan server dan mengarahkan domain dengan HTTPS ke server tersebut.
Anda akan mendapatkan URL seperti https://f3e3a29d7ae9.ngrok.io/webhook dimana kait web adalah rute POST untuk Dialogflow yang kami sebutkan dalam file Python.
Salin URL yang Anda buat (Dalam contoh ini — https://f3e3a29d7ae9.ngrok.io/webhook) dan rekatkan ke dalam pemenuhan Dialogflow URL lapangan.
Setelah pengaturan Dialogflow selesai, Anda dapat dengan mudah tambahkan ke situs web atau aplikasi Anda menggunakan Kommunicate & uji chatbot Python berfungsi.
Wrapping Up
Seberapa mudah itu? Dalam beberapa langkah sederhana, Anda dapat menambahkan chatbot Dialogflow ke kerangka kerja Python Anda. Cobalah ini dan beri tahu kami di komentar. Kami ingin mencoba chatbot Anda.
Awalnya diterbitkan pada https://www.kommunicate.io pada 25 Juni 2021.
Buat Chatbot di Python menggunakan Flask Framework pada tahun 2022 [Langkah Demi Langkah] awalnya diterbitkan di Kehidupan Chatbots on Medium, di mana orang-orang melanjutkan pembicaraan dengan menyoroti dan merespons cerita ini.
- Coinsmart. Pertukaran Bitcoin dan Crypto Terbaik Eropa.
- Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. AKSES GRATIS.
- CryptoHawk. Radar Altcoin. Uji Coba Gratis.
- Source: https://chatbotslife.com/create-a-chatbot-in-python-using-flask-framework-in-2022-step-by-step-65f08a9325dc?source=rss—-a49517e4c30b—4
- "
- &
- 2021
- 2022
- Tentang Kami
- Akun
- agen
- Semua
- api
- aplikasi
- aplikasi
- TERBAIK
- Bot
- membangun
- awan
- kode
- komentar
- kompleks
- Percakapan
- percakapan
- Sesuai
- membuat
- dibuat
- membuat
- data
- Basis Data
- dikerahkan
- penggelaran
- domain
- mudah
- editor
- aktif
- entitas
- contoh
- diharapkan
- Pertama
- Kerangka
- Aksi
- akan
- membantu
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTTPS
- Manusia
- Info
- install
- integrasi
- Cerdas
- maksud
- Niat
- IT
- bahasa
- BELAJAR
- pengetahuan
- lokal
- mencari
- cinta
- medium
- tersebut
- lebih
- Dekat
- perlu
- Opsi
- Konsultan Ahli
- frase
- Titik
- proses
- pengolahan
- Pemrograman
- protokol
- memberikan
- menyediakan
- publik
- menerima
- permintaan
- permintaan
- wajib
- kembali
- Rute
- aturan
- layanan
- Layanan
- pengaturan
- penyiapan
- Sederhana
- Perangkat lunak
- beberapa
- sesuatu
- awal
- sistem
- uji
- pihak ketiga
- Melalui
- waktu
- alat
- Pelatihan
- transfer
- us
- menggunakan
- Video
- jaringan
- Situs Web
- Apa
- Kerja
- kerja
- akan
- Youtube