معرفی شرکت ها
ConversationAgent-0.5.4
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
ConversationAgent
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | ConversationAgent-0.5.4 |
| نام | ConversationAgent |
| نسخه کتابخانه | 0.5.4 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Theta |
| ایمیل نویسنده | - |
| آدرس صفحه اصلی | https://github.com/Chunshan-Theta/ConversationAgent |
| آدرس اینترنتی | https://pypi.org/project/ConversationAgent/ |
| مجوز | - |
## 說明
不需資料庫之對話腳本代理。
## agent
`agent`可以透過Json來產生對話核心，為此我們有一個接口可以使用
```
from ConversationAgent.LibStage import gen_agent
from ConversationAgent import to_bot
```
- 透過"ConversationAgent.LibStage.gen_agent"方法來建置機器人
- 透過"ConversationAgent.to_bot"方式與機器人溝通
- 該方法需要三個參數
- agent代理物件: gen_agent 產生
- text: 使用者輸入內容，字串內容
- data: 過場資訊，預設使用`{}`空字典，第二次與之後溝通應該戴上 `to_bot` 回傳的資料。
- 該方法會回傳機器人回應與過場資訊，下次溝通保留該過場資訊在進行溝通。
### Quick start
```
from ConversationAgent.LibStage import gen_agent
import ConversationAgent
bot = {
"__MAIN_STAGES__": [
{
"stage_type": "__QA_STAGE__",
"qa_threshold": 1,
"__STAGE_NAME__": "__開始階段__",
"__SYS_QUESTION__": {
"__SYS_WELCOME__": "歡迎句",
"__SYS_REFUSE__": "拒絕句",
"__SYS_COMPLETE__": "完成句"
},
"corpus": {
"早安": "1",
"午安": "2",
"晚安": "3"
},
"__SAVED_NAME__": {
QAStage.__QA_RESPOND__: "QA_r1",
QAStage.__QA_RESPOND_THRESHOLD__: "QA_th",
QAStage.__QA_RESPOND_QUESTION__: "QA_q1",
QAStage.__QA_RESPOND_SCORE__: "QA_s1",
QAStage.__RUNNING_CORPUS__: "QA_c1",
},
"__DISABLE_WELCOME__": False
}
]
}
print(f"\n" * 5)
agent = gen_agent(bot)
data = {}
reply_text, data = ConversationAgent.to_bot(agent, "哈囉", data)
print(f"reply_text: {reply_text}， ")
reply_text, data = ConversationAgent.to_bot(agent, "哈囉", data)
print(f"reply_text: {reply_text}， ")
reply_text, data = ConversationAgent.to_bot(agent, "早安", data)
print(f"reply_text: {reply_text}， ")
```
## Stage 種類
### RE_STAGE
RE_STAGE 採用`stage_type`為`__RE_STAGE__`，是用於最基礎的對話階段，由兩個主要結構構成：
1. `__SYS_QUESTION__`: 用來設定該階段的回應句，回應句有三種類型
* 歡迎句: 第一次到該階段時，機器人會回應該句子。(可依需求關閉功能，`DISSABLE_WELCOME`設為`True`就關閉，預設為`False`。)
* 拒絕句: 當沒有滿足抓取到所有`is_fits`部分所要求的變數時，機器人會回應該句子。
* 完成句: 以上都完成時，機器人會回應該句子。(可透過`%%`包裹變數名稱，並以`空格`前後相隔後，調用該變數。)
2. is_fits: 透過`正規表達式(regular expression)`從使用者的輸入句子來抓取變數，該變數會儲存起來提供給`完成句`和 `SWITCH_STAGE`使用。
選用設定:
1. `__STAGE_NAME__`: 這是選用設定。 可以設定每個stage的獨特名稱，名稱不可重複。
2. `__SYS_WELCOME__`、`__SYS_REFUSE__`、`__SYS_COMPLETE__`的回應句可以設定成文字陣列，若設為陣列則會隨機取用。
```
{
"stage_type": "__RE_STAGE__",
"__STAGE_NAME__": "__開始階段__",
"__SYS_QUESTION__": {
"__SYS_WELCOME__": "歡迎句",
"__SYS_REFUSE__": "拒絕句",
"__SYS_COMPLETE__": "完成句"
},
"is_fits": [
[".*", "YOUSAYS"]
],
"__DISABLE_WELCOME__": False,
"__DISABLE_REFUSE__": False
}
```
### SWITCH_STAGE
SWITCH_STAGE 採用`stage_type`為`__LIB_SWITCH_STAGE__`，用於在`Agent`不同路線切換，主要結構是`stages_filter`。 stages_filter用來設定切換路線的條件，用`[]`可包含帶多種條件多路線，每一條件單位由`變數名稱`、`限定數值`和 `切換路線`三部分組成。
以下說明主要幾種設置方式:
* 無條件設定:
```
[
["*",True,"_新路線1_"]
]
```
* 單一條件設定:
```
[
["_VAR_","VALUE1","_新路線1_"],
["_VAR_","VALUE2","_新路線2_"]
]
```
* 多條件設定:
```
[
[["_VAR1_","_VAR2_"],["VALUE1","VALUE2"],"_新路線1_"],
[["_VAR1_","_VAR2_"],["VALUE3","VALUE4"],"_新路線2_"],
]
```
* 混合條件設定:
```
[
["_VAR1_","VALUE1","_新路線1_"],
[["_VAR1_","_VAR2_"],["VALUE3","VALUE4"],"_新路線2_"],
["*",True,"_新路線3_"]
]
```
* 非`=`之條件設定:
```
[
["_VAR1_",0.95,"_新路線1_",">="]
]
```
* 多重非`=`之條件設定:
```
[
[["_VAR1_","_VAR2_"],[0.1,0.56],"_新路線1_",[">=","<"]]
]
```
**儲存變數方式是透過`RE_STAGE`的 `is_fits`來執行。
範例：
```
{
"stage_type": "__LIB_SWITCH_STAGE__",
"stages_filter": [
["VAR","我想要的數值","_成功路線_"],,
["*",True,"_失敗路線_"]
]
}
```
### QA_STAGE
QA_STAGE 採用`stage_type`為`__QA_STAGE__`，是通過`相似度`來決定回應的一種階段，主要有三個部分的組成。
1. says: 用來設定該階段的回應句，回應句有三種類型
* 歡迎句: 第一次到該階段時，機器人會回應該句子。(可依需求關閉功能，`DISSABLE_WELCOME`設為`True`就關閉，預設為`False`。)
* 拒絕句: 當相似分數低於`qa_threshold`時，機器人會回應該句子。(可依需求關閉功能，`__DISABLE_REFUSE__`設為`True`就關閉，預設為`False`。)
* 完成句: 以上都完成時，機器人會回應該句子。(可透過`%%`包裹變數名稱，並以`空格`前後相隔後，調用該變數。)
2. corpus: 使用者的輸入會與該字典的所有`key`進行比對，並儲存相關結果，相關結果包含：
* `__QA_RESPOND_QUESTION__`: 相似值最高的 key
* `__QA_RESPOND__`: 相似值最高的 key 對應之 value
* `__QA_RESPOND_SCORE__`: 相似值最高的數值
* `__RUNNING_CORPUS__`: 該次測試時使用的 corpus
* `__QA_RESPOND_THRESHOLD__`: 該次測試使用的 threshold
3. `__SAVED_NAME__`: 設定儲存之變數的名稱，方便使用。
```
{
"stage_type": "__QA_STAGE__",
"qa_threshold": 1,
"says": {
"sys_welcome": "歡迎句",
"sys_refuse": "拒絕句",
"sys_complete": "完成句"
},
"corpus": {
"早安": "1",
"午安": "2",
"晚安": "3"
},
"__SAVED_NAME__": {
"__QA_RESPOND__": "QA_r1",
"__QA_RESPOND_THRESHOLD__": "QA_th",
"__QA_RESPOND_QUESTION__": "QA_q1",
"__QA_RESPOND_SCORE__": "QA_s1",
"__RUNNING_CORPUS__": "QA_c1",
},
"__DISABLE_WELCOME__": False,
"__DISABLE_REFUSE__": False,
}
```
## More Examples
# 飲料店
```
bot = {
"__MAIN_STAGES__": [
{
"stage_type": "__RE_STAGE__",
"question": {
"sys_welcome": "歡迎來到飲料店，請輸入您要的東西 紅茶/綠茶 少冰/去冰",
"sys_refuse": "不完全輸入 %%drink_type%% %%ice_type%% ",
"sys_complete": "你輸入的內容是 %%drink_type%% %%ice_type%% "
},
"is_fits": [
["(紅茶|綠茶)+", "drink_type"],
["(少冰|去冰)+", "ice_type"],
]
},
{
"stage_type": "__LIB_SWITCH_STAGE__",
"stages_filter": [
[["drink_type", "ice_type"], ["綠茶", "去冰"], "_新路線1_"],
["*", True, "_新路線2_"]
]
}
],
"_新路線1_": [
{
"stage_type": "__RE_STAGE__",
"question": {
"sys_welcome": "",
"sys_refuse": "",
"sys_complete": "切換分之成功1"
},
"__DISSABLE_Q1__": True
},
],
"_新路線2_": [
{
"stage_type": "__RE_STAGE__",
"question": {
"sys_welcome": "",
"sys_refuse": "",
"sys_complete": "切換分之成功2"
},
"__DISSABLE_Q1__": True
},
]
}
print(f"\n" * 5)
agent = gen_agent(bot)
data = {}
reply_text, data = ConversationAgent.to_bot(agent, "哈囉", data)
print(f"reply_text: {reply_text}， ")
reply_text, data = ConversationAgent.to_bot(agent, "紅茶", data)
print(f"reply_text: {reply_text}， ")
reply_text, data = ConversationAgent.to_bot(agent, "少冰", data)
print(f"reply_text: {reply_text}， ")
```
## ToDo
~~* Switch除了等號以外的方法~~
~~* DISSABLE_WELCOME測試與勘誤名詞~~
~~* QAStage 停用拒絕句(無論分數都會通過)~~
~~* 多回應方式~~
~~* 設定階段名稱~~
* 修正QAstage為相似度模型階段
* 分類型模型階段
* 繼承的範例
* 說明agent刪除變數的規則
نحوه نصب
نصب پکیج whl ConversationAgent-0.5.4:
pip install ConversationAgent-0.5.4.whl
نصب پکیج tar.gz ConversationAgent-0.5.4:
pip install ConversationAgent-0.5.4.tar.gz