🚀 原问地址：https://rasa.com/docs/rasa/reaching-out-to-user

有时候我们希望机器人在没有用户提示的情况下与用户联系，例如，如果希望机器人在用户打开聊天窗口时发出消息，或者希望在用户有一段时间没有发送消息时提示用户。

1. 首次接触

在大多数案例中，当用户打开机器人的聊天窗口时，我们希望机器人发送第一条消息。这样做可以让用户了解机器人能做什么和不能做什么，并让他们进行更成功的对话。某些消息或语音通道具备现有配置选项，可以在用户首次开始对话时向机器人发送有效负载，但我们也可以将此选项添加到自定义通道中。

将频道配置为发送有效负载后，需要制定机器人应该如何反应和问候用户。我们可以为此重新使用现有意图的行为，也可以为此制定新的意图和规则。以下是有关如何制定欢迎规则的示例。

1.1 更新配置

由于我们为此行为使用规则，所以需要将RulePolicy添加到配置文件中：

policies:
  - name: RulePolicy

1.2 添加规则

要让机器人仅在对话开始时使用欢迎消息响应greet意图，需要添加以下规则：

rules:
  - rule: welcome user
    # this rule only applies at the beginning of a conversation
    conversation_start: true
    step:
      - intent: greet
      - action: utter_welcome

1.3 添加响应

最后，将utter_welcome回复添加到领域中：

responses:
  utter_welcome:
  - text: "Hi there! What can I help you with today?"

2. 外部事件

有时我们希望外部设备改变正在进行的对话过程，例如，如果我们在 Raspberry Pi（树莓派）上连接了一个传感器，我们可以使用它通过机器人在植物需要浇水的时候进行通知。

以下示例来自提醒机器人示例机器人，其中包括提醒和外部事件。

2.1 触发意图

要让来自外部设备的事件更改正在进行的对话过程，我们可以让设备发送请求到对话的trigger_intent端点，trigger_intent端点将用户意图（可能带有实体）注入到对话中。对于 Rasa，就好像我们输入了一条按照特定意图和实体分类的消息。然后，机器人将像往常一样预测并执行下一个动作。

例如，以下请求会将EXTERNAL_dry_plant意图和plant实体注入到 ID 为user123的对话中：

$ curl -H "Content-Type: application/json" \
       -X POST \
       -d '{
             "name": "EXTERNAL_dry_plant", 
             "entities": {"plant": "Orchid"}
             }' \
      "http://localhost:5005/conversations/user123/trigger_intent?output_channel=latest"

2.2 获取对话ID

在现实生过中，外部设备会从 API 或数据库中获取对话 ID。在给植物浇水示例中，我们可能有一个植物数据库、给植物浇水的用户以及用户的对话 ID。树莓派将直接从数据中获取对话 ID，要在本地用提醒机器人示例，我们还需要手动获取对话 ID。

2.3 添加NLU训练数据

在给植物浇水示例中，树莓派需要将带有EXTERNAL_dry_plant意图的消息发送到trigger_intent端点。此意图将保留给树莓派使用，因此不会有任何 NLU 训练样本。

intents:
  - EXTERNAL_dry_plant

:::info 💡 注意
——————————
我们应该使用EXTERNAL_前缀命名来自其他设备的意图，因为这样在处理训练数据时，可以更轻松地查看哪些意图来自外部设设备。 :::

2.4 更新领域

要告诉机器人哪种植物需要浇水，我们可以定义一个实体，并将其与意图一起作为请求发送出去。为了能够直接在响应中使用实体值，需要为给plant插槽定义from_entity插槽映射：

entities:
  - plant
slots:
  plant:
    type: text
    influence_conversation: false
    mappings:
    - type: from_entity
      entity: plant

2.5 添加规则

我们需要一个规则来告诉机器人在收到树莓派消息时如何响应：

rules:
  - rule: warn about dry plant
    steps:
    - intent: EXTERNAL_dry_plant
    - action: utter_warn_dry

2.6 添加响应

我们需要为utter_warn_dry定义响应文本：

responses:
  utter_warn_dry:
  - text: "Your {plant} needs some water!"

响应将使用来自plant插槽值来警告需要浇水的特定植物。

2.7 尝试一下

要尝试给植物浇水的示例，我们需要启动 Rasa X 或 CallbackChannel。

:::info 🔔 当心
————————————
外部事件和提醒在请求-响应通道（例如test通道或者rasa shell）中不起作用，实现提醒或外部事件的机器人自定义连接器应该建立在CallbackInput通道而不是RestInput通道之上。 :::

使用会话 ID，在终端中执行以下 POST 请求来模拟外部事件：

$ curl -H "Content-Type: application/json" \
       -X POST -d '{
             "name": "EXTERNAL_dry_plant", 
             "entities": {"plant": "Orchid"}
          }' \
      "http://localhost:5005/conversations/user1234/trigger_intent?output_channel=latest"

3. 提醒器

我们可以使用提醒让机器人在设定时间后与用户进行联系，以下介绍的是提醒机器人示例，我们可以克隆项目并按照 README 中的说明尝试完整版。

3.1 调度提醒器

1）定义提醒器

为了调度提醒器，我们需要定义一个返回ReminderScheduled事件的自定义操作。例如，以下自定义操作会在五秒后进行提醒：

import datetime
from rasa_sdk.events import ReminderScheduled
from rasa_sdk import Action
class ActionSetReminder(Action):
    """Schedules a reminder, supplied with the last message's entities."""
    def name(self) -> Text:
        return "action_set_reminder"
    async def run(
            self,
            dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: Dict[Text, Any],
            ) -> List[Dict[Text, Any]]:
        dispatcher.utter_message("I will remind you in 5 seconds.")
        date = datetime.datetime.now() + datetime.timedelta(seconds=5)
        entities = tracker.latest_message.get("entities")
        reminder = ReminderScheduled(
            "EXTERNAL_reminder",
            trigger_date_time=date,
            entities=entities,
            name="my_reminder",
            kill_on_user_message=False,
            )
        return [reminder]

ReminderScheduled事件的第一个参数是提醒的名称，上述示例中为EXTERNAL_reminder。提醒器名称稍后将用作触发对提醒器操作的意图。使用EXTERNAL_前缀命名的提醒器名称，可以更方便地查看训练数据中的情况。

我们可以看到最后一条消息的实体也传递给了提醒器，这允许对提醒器作出反应的动作能充分利用用户的调度信息。

例如，如果我们想让机器人提醒给朋友打电话，你可以给它发送一条消息，比如“提醒我给保罗打电话”。如果“保罗”被提取为PERSON实体，则对提醒器作出反应的动作就可以使用该实体，并回复“记得给保罗打电话”。

2）添加规则

为了调度提醒器，我们还需要添加一条规则：

rules:
- rule: Schedule a reminder
  steps:
  - intent: ask_remind_call
    entities:
    - PERSON
  - action: action_schedule_reminder

3）添加训练数据

我们应该添加 NLU 训练数据来调度提醒器：

nlu:
- intent: ask_remind_call
  examples: |
    - remind me to call John
    - later I have to call Alan
    - Please, remind me to call Vova
    - please remind me to call Tanja
    - I must not forget to call Juste

同时，我们还需要将其添加到领域中：

intents:
  - ask_remind_call

4）更新管道

通过在配置文件 config.yml 的管道中添加SpacyNLP和SpacyEntityExtractor，我们无需训练数据中注释任何名称，因为Spacy本身具备PERSON维度：

pipeline:
- name: SpacyNLP
  model: "en_core_web_md"
- name: SpacyEntityExtractor
  dimensions: ["PERSON"]

3.2 对提醒作出反应

1）定义反应

在收到trigger_intent端点的 POST 请求后，机器人会联系用户。但是，提醒会在一定时间后使用我们在ReminderScheduled事件中定义的名称，自动将请求发送到正确的对话 ID。

要定义对提醒的反应，我们仅需要编写一个规则，告诉机器人在收到提醒意图时要采取什么动作。在呼叫提醒示例中，我们希望通过使用提醒器附带的实体，从而提醒呼叫特定的人，因此我们需要编写自定义操作来执行此操作：

class ActionReactToReminder(Action):
    """Reminds the user to call someone."""
    def name(self) -> Text:
        return "action_react_to_reminder"
    async def run(
            self,
            dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: Dict[Text, Any],
            ) -> List[Dict[Text, Any]]:
        name = next(tracker.get_slot("PERSON"), "someone")
        dispatcher.utter_message(f"Remember to call {name}!")
        return []

2）添加规则

要告诉机器人在触发提醒时要运行什么操作，需要添加相对应的规则：

rules:
- rule: Trigger `action_react_to_reminder` for `EXTERNAL_reminder`
  steps:
  - intent: EXTERNAL_reminder
  - action: action_react_to_reminder

3）添加训练数据

我们需要定义触发对提醒作出反应的意图，这并不需要我们添加任何示例，因为意图是为提醒保留的。

intents:
- intent: EXTERNAL_reminder

3.3 取消提醒

1）定义取消提醒的动作

要取消已经安排的提醒，我们需要一个返回ReminderCancelled事件的自定义操作。返回ReminderCancelled会取消当前安排的所有提醒。如果只是想取消某些提醒，我们可以指定一些参数来缩小计划提醒的范围：

ReminderCancelled(intent="EXTERNAL_greet")取消所有EXTERNAL_greet意图的提醒
ReminderCancelled(entities={})取消给定实体的所有提醒
ReminderCancelled("...")取消在创建过程中提供的具有给定名称的唯一提醒

对于来电提醒示例，我们可以定义取消所有提醒的自定义操作action_forget_reminders：

class ForgetReminders(Action):
    """Cancels all reminders."""
    def name(self) -> Text:
        return "action_forget_reminders"
    async def run(
            self, 
            dispatcher, 
            tracker: Tracker, 
            domain: Dict[Text, Any]
            ) -> List[Dict[Text, Any]]:
        dispatcher.utter_message(f"Okay, I'll cancel all your reminders.")
        # Cancel all reminders
        return [ReminderCancelled()]

:::info 🔔 当心
————————————
每当我们关闭 Rasa 服务器时，所有提醒都会取消。 :::

2）添加规则

我们需要添加取消提醒的规则：

rules:
- rule: Cancel a reminder
  steps:
  - intent: ask_forget_reminders
  - action: action_forget_reminders

3）添加训练数据

我们需要定义一个触发取消提醒的意图：

nlu:
- intent: ask_forget_reminders
  examples: |
    - Forget about the reminder
    - do not remind me
    - cancel the reminder
    - cancel all reminders please

并且我们需要将其添加到领域文件中去：

intents:
- intent: ask_forget_reminders

3.4 尝试一下

要尝试提醒，我们需要启动 Rasa X 或 CallbackChannel。除此之外，我们还需要启动操作服务器来调度、响应和取消提醒。

然后，如果向机器人发送提醒（例如“提醒我给保罗打电话”），我们应该会在 5 秒后收到一条提醒，上面写着“记得给保罗打电话”。

Python 教程

⌛接触用户

1. 首次接触

1.1 更新配置

1.2 添加规则

1.3 添加响应

2. 外部事件

2.1 触发意图

2.2 获取对话ID

2.3 添加NLU训练数据

2.4 更新领域

2.5 添加规则

2.6 添加响应

2.7 尝试一下

3. 提醒器

3.1 调度提醒器

1）定义提醒器

2）添加规则

3）添加训练数据

4）更新管道

3.2 对提醒作出反应

1）定义反应

2）添加规则

3）添加训练数据

3.3 取消提醒

1）定义取消提醒的动作

2）添加规则

3）添加训练数据

3.4 尝试一下