I chatbot sono strumenti software creati per interagire con gli esseri umani attraverso la chat. I primi chatbot sono stati in grado di creare semplici conversazioni basate su un complesso sistema di regole. Utilizzando i framework Python e Dialogflow, saresti in grado di creare chatbot intelligenti.
In questo post impareremo come aggiungere un chatbot Dialogflow a framework Python come Flask o Django.
Pre-requisiti:
Avrai bisogno di un account Dialogflow e a Comunicare account per la distribuzione del chatbot. Inoltre, avrai bisogno Python e framework Flask installati sul tuo sistema. Per ulteriori informazioni sul framework Flask, fare riferimento a questo link.
Useremo Flask in questo tutorial. Se stai cercando di aggiungere il chatbot Dialogflow al framework Django, puoi vedere questo tutorial.
Passaggi per aggiungere Dialogflow Chatbot ai framework Python
Crea un agente
Login al Console di dialogo. Un agente è solo un chatbot. Puoi addestrare l'agente con frasi di formazione e risposte corrispondenti per gestire gli scenari di conversazione previsti con i tuoi utenti finali.
Fare clic sull'elenco a discesa vicino alle impostazioni dell'agente, quindi fare clic su Crea nuovo agente, fornisci un nome agente (ad esempio — Python-Demo), quindi fai clic su CREA.
Crea un intento
Un intento classifica l'intenzione degli utenti finali per un turno di conversazione. Per ogni agente è possibile definire più intenti. Quando un utente finale scrive o dice qualcosa, denominato espressione dell'utente finale, Dialogflow abbina l'espressione dell'utente finale al miglior intento nel proprio agente.
Clicca su CREA INTENTO e fornisci un nome di intento (ad esempio, python-demo) e salva.
Aggiungi frasi di allenamento
Queste sono frasi di esempio per ciò che gli utenti finali potrebbero dire. Quando un'espressione dell'utente finale assomiglia a una di queste frasi, Dialogflow corrisponde all'intento.
Fai clic sull'intento creato (python-demo) e aggiungi le frasi utente nel file Frasi di allenamento .
🚀 Ecco un video per te sulla creazione di un chatbot Dialogflow e sull'apprendimento di ulteriori informazioni su agenti, intenti ed entità:
https://medium.com/media/1c5efb545eba2cf7ea535a0b5ab78909/href
Abilita l'adempimento
Dopo aver aggiunto un intento, non è necessario aggiungere le risposte dell'agente nel file sezione. Poiché stiamo usando Flask per lo stesso, è necessario abilitare webhook per questo intento. Il webhook ci aiuterà a trasferire dati e risposte tra Dialogflow e Flask. Dialogflow fornisce servizi webhook tramite Dialogflow Fulfillment.
L'adempimento è un codice distribuito tramite un servizio Web per fornire dati a un utente. Puoi abilitare le chiamate webhook per tutti quegli intenti che richiedono elaborazione di back-end, query di database o integrazione di API di terze parti.
Sotto il Adempimento sezione, fai clic su Abilita webhook per questo intento e salva l'intento.
L'adempimento di Dialogflow ha due opzioni: Webhook e Inline Editor. L'editor in linea è anche un webhook ma ospitato dalle funzioni cloud di Google. Useremo il webhook.
Vai "Compimento" sezione e abilita webhook.
Usando Python con Flask e abilita il server webhook
Il webhook richiede un URL e dovrebbe essere un protocollo HTTPS. L'URL del webhook riceverà una richiesta POST da Dialogflow ogni volta che un intento attiva il webhook.
Stiamo usando il linguaggio di programmazione Python e il framework Flask per creare il webhook.
Crea un file (ad esempio — app.py). Importa tutte le librerie necessarie (es: os, JSON, send_from_directory, request) necessarie per Python. Controlla se hai Flask sul tuo sistema. In caso contrario, installalo usando pip, ed ecco il documentazione per lo stesso.
boccetta di importazione
importa json
import os
from flask import send_from_directory, richiesta
Per gestire tutte le richieste webhook dell'agente, è necessario definire e aggiungere un metodo route/webhook con una richiesta POST. Una richiesta POST verrà inviata a questo URL /webhook. Esegue tutti i metodi all'interno del metodo.
Inoltre, viene aggiunto un testo di adempimento per restituirlo quando attiva la frase di addestramento da Dialogflow.
Se devi aggiungere più condizioni e risposte, puoi definirle all'interno del metodo webhook.
# L'app Flask dovrebbe iniziare nel layout globale 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', metodi=['POST']) def webhook(): req = request.get_json(force=True) print(req) return { 'fulfillmentText': 'Hello from the bot world' } if __name__ = = "__main__": app.secret_key = 'ItIsASecret' app.debug = Vero app.run()
Dopo aver impostato il processo Python, usiamo Ngrok per creare un URL pubblico per il webhook e ascoltare la porta 3000 (in questo esempio). Per l'adempimento di Dialogflow, sarà necessario un server protetto HTTPS poiché il server locale (localhost) non funzionerà. Puoi anche utilizzare un server e puntare un dominio con HTTPS a quel server.
Otterrai un URL come https://f3e3a29d7ae9.ngrok.io/webhook dove webhook è il percorso POST per Dialogflow menzionato nel file Python.
Copia l'URL che hai creato (in questo esempio — https://f3e3a29d7ae9.ngrok.io/webhook) e incollarlo nell'adempimento di Dialogflow URL campo.
Una volta completata la configurazione di Dialogflow, puoi facilmente aggiungilo al tuo sito web o alle tue app usando Kommunicate & testa il funzionamento del chatbot Python.
Avvolgere Up
Quanto è stato facile? In pochi semplici passaggi, puoi aggiungere un chatbot Dialogflow ai tuoi framework Python. Provalo e faccelo sapere nei commenti. Ci piacerebbe provare il tuo chatbot.
Originariamente pubblicato a https://www.kommunicate.io il 25 giugno 2021.
Crea un Chatbot in Python usando Flask Framework nel 2022 [Passo dopo passo] È stato originariamente pubblicato in Chatbot Life Su Media, dove la gente continua la conversazione evidenziando e rispondendo a questa storia.
- Coinsmart. Il miglior scambio di bitcoin e criptovalute d'Europa.
- Platoblockchain. Web3 Metaverse Intelligence. Conoscenza amplificata. ACCESSO LIBERO.
- Criptofalco. Radar Altcoin. Prova gratuita.
- Source: https://chatbotslife.com/create-a-chatbot-in-python-using-flask-framework-in-2022-step-by-step-65f08a9325dc?source=rss—-a49517e4c30b—4
- "
- &
- 2021
- 2022
- WRI
- Il mio account
- agenti
- Tutti
- api
- App
- applicazioni
- MIGLIORE
- Bot
- costruire
- Cloud
- codice
- Commenti
- complesso
- Conversazione
- Conversazioni
- Corrispondente
- creare
- creato
- Creazione
- dati
- Banca Dati
- schierato
- distribuzione
- dominio
- facilmente
- editore
- enable
- entità
- esempio
- previsto
- Nome
- Contesto
- globali
- andando
- Aiuto
- Come
- Tutorial
- HTTPS
- Gli esseri umani
- info
- install
- integrazione
- Intelligente
- intento
- Intenzione
- IT
- Lingua
- IMPARARE
- apprendimento
- locale
- cerca
- amore
- medie
- menzionato
- Scopri di più
- Vicino
- necessaria
- Opzioni
- Persone
- Frasi
- punto
- processi
- lavorazione
- Programmazione
- protocollo
- fornire
- fornisce
- la percezione
- ricevere
- richiesta
- richieste
- necessario
- ritorno
- strada
- norme
- servizio
- Servizi
- regolazione
- flessibile.
- Un'espansione
- Software
- alcuni
- qualcosa
- inizia a
- sistema
- test
- di parti terze standard
- Attraverso
- tempo
- strumenti
- Training
- trasferimento
- us
- uso
- Video
- sito web
- Sito web
- Che
- Lavora
- lavoro
- sarebbe
- youtube