convmind/botzoo

Bot Zoo

Bot Zoo是一个Python实现的聊天机器人开发框架，无需硬核编程即可快速设计bot，并通过交互式机器学习持续提升其性能至先进水平。

安装

bash
pip install -r requirements.txt

Docker化FlowBot

• 在开发环境和服务器均使用DockerHub账号登录

本地开发

• 将docker.sh设置为可执行文件
• 运行命令：sh docker.sh

服务器部署

• 拉取镜像：docker pull convmind/flowbot
• 运行容器：docker run -p 7000:7000 -d convmind/botzoo

使用方法

作为本地变量使用

python
from botzoo import FlowBot
bot = BotZoo()

# 创建新对话
bot.create_session("{user_id}", "{graph_name}")

# 向bot发送消息
bot.receive_event(session_id, usr_input, sync=True)

# 终止对话
bot.remove_session(session_id)

作为Flask Restful API服务使用

python
from botzoo import RestfulFlowBot
bot = RestfulFlowBot()
bot.run(port=3000)

详情请参考Restful API文档。

Luis实体映射（英文/中文）

（LUIS名称 -> 内部名称）

1. age -> Age
2. datetimev2 -> DateTime
3. money -> Money
4. number -> Number
5. temperature -> Temperature
6. geography -> Geography（目前仅支持英文）
7. email -> Email
8. phone number -> PhoneNumber

MongoDB使用

将使用两个数据库：

1. flowmaker
   • graphs（图谱）
   • sessions（会话）
   • users（用户）
2. ml_core
   • intent（意图）

Redis使用

FlowBot使用Redis作为对话状态存储。运行Redis：

bash
redis-server &

使用Redsmin监控Redis值

Redis操作速查

1. 打开终端客户端：

bash
redis-cli

2. 查看所有键
3. 设置新值
4. 读取特定键

外部API调用

POST请求体包含如下JSON示例：

json
data = {'session': session (Mongo文档的JSON转储),
        'global_contexts': max_slot_vals ([{'name': 'location', 
                                            'value': 'pittsburgh'} ...],
        'registered_inputs': [{'sys': 'hi', 'usr': 'how are you'}...]}