Импорт и экспорт проектов#

• Экспорт базы данных проекта
• Импорт базы данных проекта
• Структура архива базы данных
• Формат YAML
• Преобразование форматов данных

Экспорт базы данных проекта#

💡 Данные проекта можно выгрузить в виде zip-архива.

Чтобы экспортировать данные проекта:

1. Перейдите в раздел Настройки → раздел Импорт/Экспорт → вкладка Экспорт.

2. Укажите язык.

   Каждый проект ассистента мультиязычен. Помимо русского, можно добавить другие языки и создать переводы намерений и пользовательских историй. Выбор опции Все языки позволяет выгрузить данные по всем языкам в одном пакете. Если выбрать конкретный язык, экспортируются данные только по указанному языку.

3. Активируйте переключатель Экспорт диалогов для включения в экспортируемый файл истории диалогов.

4. Активируйте переключатель Экспорт входящих высказываний для включения в экспортируемый файл входящих высказываний.

5. Нажмите на кнопку Экспорт проекта Wisebot.

   

Дождитесь окончания операции.

После успешного завершения экспорта на экране отобразится уведомление «Проект успешно экспортирован» и запустится скачивание zip-архива.

🔍 О структуре архива читайте в инструкции.

Импорт базы данных проекта#

Чтобы импортировать данные проекта:

1. Перейдите в раздел Настройки → раздел Импорт/Экспорт → вкладка Импорт.

   

2. Укажите Резервный язык импорта.

   Ответы бота будут соответствовать языковому атрибуту, если он указан. В противном случае будет использован резервный язык импорта.

3. При необходимости активируйте переключатель Удалить существующие данные.

   Эта настройка позволяет удалить существующие данные того типа, который импортируется. Например, при импорте историй будут удалены все ранее созданные истории, а все остальные данные будут сохранены.

4. При необходимости активируйте переключатель Сбросить проект.

   Эта настройка удаляет все данные проекта перед импортом.

5. Нажмите Выберите файл для выбора файла в окне файлового менеджера или перетащите файл в область вкладки.

6. Система проанализирует выбранные файлы.

7. На вкладке Импорт отобразится список файлов, подготовленных для импорта, и сводка.

   

8. Ознакомьтесь с информацией. При необходимости удалите лишние файлы.

9. Нажмите Импорт.

Дождитесь окончания операции.

Структура архива базы данных#

1. Папка Wisebot

   Содержит конфигурационные файлы для настройки бота.

   • analyticsconfig.yml

     Содержит информацию о панели инструментов по умолчанию.

   • bfconfig.yml

     Включает настройки проекта: название, язык по умолчанию, хост, ID проекта и токен.

   • default-domain.yml

     Описывает названия существующих слотов, действий и сущностей.

   • widgetsettings.yml

     Определяет тип данных и интерфейс для полей ввода.

2. Папка data

   Хранит данные, необходимые для обучения и работы бота.

   • Папка nlu
     Содержит файлы для обработки естественного языка (NLU).

     • en.json

       Модули, используемые для понимания естественного языка на английском.

     • ru.yml

       Список намерений на русском языке, который можно редактировать напрямую и импортировать в Wisebot.

   • Папка stories

     Содержит примеры диалогов для обучения бота. Каждый диалог представлен в отдельном YAML-файле и состоит из последовательных шагов, включающих намерения пользователя и действия бота.

3. Файл endpoints.yml

   Описывает конечные точки, используемые ботом, включая сервер для пользовательских действий и хранилище трекера для сохранения разговоров.

4. Файл domain.yml

   Определяет "вселенную" бота: намерения, сущности, слоты, ответы, формы и действия. Также настраивает сеансы разговора.

5. Файл credentials.yml

   Зашифрованный файл, содержащий учетные данные.

6. Файлы config-ru.yml, config-en.yml

   Определяют компоненты и политики, используемые моделью для прогнозирования на основе пользовательского ввода.Ключи рецепта, языка и конвейера настраивают компоненты NLU и политики прогнозирования.

Формат YAML#

Rasa активно использует формат YAML (сокращение от «Yet Another Markup Language») для управления обучающими данными. Этот формат позволяет структурировать информацию, необходимую для обучения моделей, включая данные для NLU, истории, правила и действия. Каждый из этих компонентов описан в отдельных YAML-файлах.

Преобразование форматов данных#

Markdown является удобным форматом для начала, однако возможны ситуации, когда данные нужно конвертировать из других форматов (например, LUIS, Dialogflow, JSON) в формат Rasa. Для этого используйте команду:

rasa data convert nlu --data data/nlu.md --out data/nlu.json -f json

• --data: путь к файлу или директории с данными NLU.
• --out: имя выходного файла.
• -f: формат выходных данных (JSON или MD).

После преобразования переместите данные в папку data и удалите старые файлы.