快速安装
你可以使用pip安装Rasa和Rasa X(Python版本要求3.5.4及以上)
$ pip install rasa-x –extra-index-url https://pypi.rasa.com/simple
-
安装有问题？查看
分步安装手册
-
你也可以
从源代码编译安装Rasa
-
从源代码安装Rasa的高级选项和自定义管道的安装说明，请转到
这里
如果已经完成Rasa的安装，可以直接跳到Rasa教程。
分步安装指南
-
安装python开发环境
检查是否已经安装python环境
$ python3 –version
$ pip3 –version
如果这些包已经安装，上述命令将会打印python3和pip3的版本号，然后你可以跳到下一步。
否则，请按照下面说明安装。
Ubuntu：
使用apt获取相关安装包，并使用pip安装python虚拟环境工具virtualenv.
$ sudo apt update
$ sudo apt install python3-dev python3-pip
macOS:
如果你没有安装包管理工具Homebrew,请先进行安装。完成后，安装Python3。
$ brew update
$ brew install python
Windows:
请确保你已经安装了
Microsoft VC++
编译器，以便于python可以编译其依赖。你可以从
Visual Studio
获取
Microsoft VC++
编译器。下载安装文件，并在列表中选择
VC++ Build tools
。
在Windows上安装Python3(64位版本)
C:
\
> pip3 install -U pip
注意
因为Rasa需要使用python3，这里pip要链接到pip3。使用pip –version命令查看你安装的pip版本。
-
创建虚拟环境(强烈推荐)
虚拟环境工具
virtualenv
和
virtualenvwrapper
可以为Python提供独立环境，相比于系统安装该方式更加安全(可以防止依赖冲突)。另外，在虚拟环境里安装软件包不需要root权限。
Ubuntu/macOS:
创建虚拟环境时需要选择Python解释器和工作目录，这里的目录是当前路径下的venv文件夹：
$ python3 -m venv –system-site-packages ./venv
激活虚拟环境：
$
source
./venv/bin/activate
Windows:
创建虚拟环境时需要选择Python解释器和工作目录，这里的目录是当前路径下的venv文件夹：
C:
\
> python3 -m venv –system-site-packages ./venv
激活虚拟环境：
C:
\
> .\venv\Scripts\activate
3、安装Rasa和Rasa X
安装Rasa和Rasa X
下面命令会安装Rasa和Rasa X:
$ pip install rasa-x –extra-index-url https://pypi.rasa.com/simple
只安装Rasa
下面命令只安装Rasa
$ pip install rasa
恭喜！你已经成功安装Rasa！
现在你跳转到Rasa教程进行学习了。
从源代码安装
如果你想使用Rasa的开发版本，可以从GitHub获取：
$ git clone https://github.com/RasaHQ/rasa.git
$
cd
rasa
$ pip install -r requirements.txt
$ pip install -e .
NLU管道依赖
有几个NLU组件的依赖需要单独安装。
在下面，你可以找到每个依赖的安装说明。
怎样选择pipeline？
你可以通过
Choosing a Pipeline
链接查看如何为你的智能助手选择正确的管道。
我已经选择了pipeline，如何安装它的依赖？
安装Rasa时，
supervised_embeddings
的依赖
TensorFlow
和
sklearn_crfsuite
会被自动安装。但是，如果你的
管道
的组件使用了
spaCy
和
MITIE
的库，
spaCy
和
MITIE
需要独立安装。
安装所有依赖
!
如果你不介意安装多余的依赖，可以使用下面命令安装所有的依赖
.
在先克隆库，然后你使用下面命令安装依赖包
:
$ pip install -r alt_requirements/requirements_full.txt
spaCy依赖
想了解更多关于spaCy的信息，请查看文档
spaCy docs
使用下面命令进行安装:
$ pip install rasa
[
spacy
]
$ python -m spacy download en_core_web_md
$ python -m spacy link en_core_web_md en
上面命令会安装Rasa和spacy，并且安装的是英语语言模型。我们建议至少使用”medium”数量的模型(_md)，而不是spacy的默认小型模型
en_core_web_sm
。虽然小模型只需要较少的内存，但是会在一定程度上降低意图分类的性能。
MITIE依赖
首先运行
$ pip install git+https://github.com/mit-nlp/MITIE.git
$ pip install rasa
[
mitie
]
然后，下载MITIE模型(
MITIE models
)。你需要
total_word_feature_extractor.dat
文件，并保存在任意路径下。在你使用的MITIE的时候，需要把
total_word_feature_extractor.dat
的保存路径通知MITIE(在该例中，文件保存在工程目录下的data文件夹)。
警告
在未来版本中可能放弃对Mitie的支持。