如何使用Rasa构建对话式AI代理 第1张

编辑 data 文件夹中的 patterns.yml 文件以包含以下搜索模式：

重新训练并重新运行您的代理。现在您可以测试事务性查询和信息性查询了。

我们最后要介绍的是，当用户提出的问题无法通过流程或企业搜索回答时该怎么办。

Rasa 中有一个默认模式 pattern_chitchat，旨在处理这种情况。所有超出范围的查询都会被路由到那里，您有以下几种选择：

然后，您可以将 action_handle_chitchat 定义为静态响应，也可以使用它连接到 LLM 进行动态回复。

这可确保您的助手始终能够优雅地响应，即使问题超出其核心业务逻辑或知识库。

在本文中，我们探讨了对话式 AI 框架 Rasa，以及如何使用它来构建一个可靠且可扩展的 AI 代理，该代理严格遵循明确定义的业务流程。我们演示了如何实现流程调用方法，以确保可预测性、控制力以及与实际业务需求的一致性。

您学习了如何：

现在，您拥有了构建 AI 助手所需的所有工具，这些助手可以在明确定义的业务逻辑内自信地运行。立即尝试一下，获取您的，并创建您的第一个助手。