Rasa课程、Rasa培训、Rasa面试、Rasa实战系列之Rasa全新全局词槽映射的 3 大方法
在 Rasa 3.0 中，Rasa启用了“全局词槽映射”，可以更好地控制聊天机器人中的对话信息。
词槽在对话过程中存储信息，例如用户名、帐号以及是否预订航班或火车。词槽映射是收集和准备此信息的过程，以便对话策略可以使用它来选择下一个操作或将其插入机器人的响应模板中。在 Rasa 3.0 中，我们启用了“全局词槽映射”，可以更好地控制信息。
在这篇博文中，我们将向您展示三种在 Rasa 助手中使用全局词槽映射来解决常见问题和解锁新功能的新方法。
根据外部信息决定你的机器人应该做什么假设我们希望机器人根据一天中的时间表现出不同的行为。例如，如果用户要求与人聊天，而时间是在办公时间之外，机器人应该告诉办公时间并继续尝试解决用户的问题。但如果是在办公时间内，机器人应该将对话交给人工操作员。
这是一个高级决策的示例，因此我们希望使用影响策略的特征化词槽。因此，我们定义了一个office_open词槽，在办公室开放时使用插槽为True，否则为False。
slots:
office_open:
type: bool
influence_conversation: true
mappings:
- type: custom
action: action_set_office_open
slot 的值在 action_set_office_open中设置，我们需要在 action server 中定义
class 
