🚀 原文地址：https://rasa.com/docs/rasa/glossary

    术语 描述
    动作(Action) 机器人在对话中采取的单个步骤。例如，调用 API 或者发送响应给用户
    动作服务器(Action Server) 动作服务器用于运行自定义动作代码，它独立于 Rasa 之外。Rasa SDK 使用 Python 实现的自定义动作，虽然使用其他语言也可以编写自定义动作，但还是推荐 Python 的方式。
    标注(Annotation) 给消息和对话添加标注，以便来训练模型
    业务逻辑(Business Logic) 由于业务方需求而需满足的条件。例如，在创建账号之前，需要性能、地址和密码。在 Rasa 机器人中，使用基于规则的操作（如表单）来实现业务逻辑。
    闲聊(Chitchat) 一种对话模式，描述的是用户所说的内容与其目标并没有直接关系，包括问候、问好等。
    内容管理系统(CMS) 对话管理系统是将机器人的响应存储在外部，而不是直接存储在域文件中，目的是将响应文本与训练数据分离开。
    对话驱动开发(CDD) 结合工程最佳实践，使用用户消息和对话数据影响机器人的设计以及模型的训练。CDD 由 6 个步骤组成：分享、审阅、标注、修复、跟踪和测试。
    对话测试(Conversation Tests) 修改故事格式，除了意图标签外，还包含用户消息的全文。测试对话将保存到 conversation_tests.md 测试集文件，该文件用于评估对话中模型的预测效果。
    组件(Component) 组件是模型配置中机器人 NLU 管道一个元素，传入的用户消息将被一系列组件（通常称之为管道）进行处理。组件可以完成很多人任务，从实体的提取到意图的分类，再到预处理。
    条件响应变化
    (Conditional Response Variation)    		 当前对话状态满足域文件或者响应文件中某些约束时，响应变化才会起作用。如果约束和对话状态之间存在匹配关系，Rasa 将会使用变化
    自定义动作(Custom Action) 开发人员编写运行任意代码的动作，自定义动作主要还是用于与外部系统和API 的交互。
    默认动作(Default Action) 具有预定义功能的内置动作
    DIET 双重意图和实体的转换器，Rasa 默认使用的 NLU 架构可以同时执行意图分类和实体提取。
    领域(Domain) 领域定义了机器人的输入与输出，包含了所有意图、实体、插槽、动作和表单，这些都是机器人需要知道的内容。
    实体(Entity) 实体为从用户消息中提取出的关键词，例如，手机号码、性能、地址或者产品名称
    事件(Event) 事件为对话中所发生的事情，例如，UserUttered 事件表示用户输入消息，ActionExecuted 事件表示机器人执行操作。Rasa 中的所有对话都表示为一系列的事件。
    常见问题(FAQs) 常见问题为用户询问的常规问题，在构建机器人时，通常意味着在不考虑会话上下文的情况下，用户发送消息，机器人发送响应
    表单(Form) 表单是自定义动作的其中一种，其目的是要求用户提供多条信息。例如，如果用户需要根据城市、菜肴以及价格范围来推荐餐厅，那么我们就可以创建一个餐厅表单来手机信息。同时，我们还可以在表单中嵌入业务逻辑，如用户提到事物过敏的话，便会提供出一个不同菜单选项。
    期望/意外的用户输入
    (Happy / Unhappy Paths)    		 用于描述用户输入是否在预期内，如果机器人向用户询问了一些信息，并且用户提供了这些信息，这种情况称之为幸福之路。不幸之路描述的则是可能边缘情况，例如，用户拒绝提供请求的输入、更改对话主题，或者更正一些他们之前说过的话
    意图(Intent) 意图表示的是在给定的用户消息中，用户想要传达或完成的事情（例如，问候、指定地址）。
    交互式学习(Interactive Learning) 交互是学习是在 Rasa X 或 Rasa 命令行接口中进行训练的模式，开发者可以在此对话中每一步对机器人的预测进行更正和验证。
    知识库 / 知识图
    (Knowledge Base / Graph)    		 一种可查询数据库，该数据库表示了对象之间复杂的关系和层次结构。知识库动作允许 Rasa 从知识库提取信息，并在响应中进行使用。
    等级3的机器人
    (Level 3 Assistant)    		 比起简单的回合制交流，机器人可以处理更复杂的对话。3 级机器人能够利用上一轮对话中的上下文，选择适当的下一步动作。
    消息通道(Messaging Channels) 消息通道是将 Rasa 与外部消息平台（用户可发送和接收消息）集成的连接器
    最小可运行机器人
    (Minimum Viable Assistant)    		 一个最基本的机器人，用于处理最重要的期望输入下故事。
    自然语言生成(NLG) 自然语言生成表示的是生成发送给用户的消息过程，Rasa NLG 使用简单的基于模板的方式。数据驱动的方法（如神经网络 NLG）可以通过创建自定义 NLG 组件来实现。
    自然语言理解(NLU) NLU 对文本数据激进型解析和理解，并处理成结构化格式。
    NLU收件箱(NLU Inbox) Rasa X 中手机新用户消息来进行查看和标注的地方，在 NLU 收件箱中仅显示在训练数据中没有出现过的数据。
    管道(Pipeline) 管道是 NLU 组件的集合，定义了 Rasa 机器人 NLU 系统。
    策略(Policy) Rasa 组件用于预测对话系统的下一个动作，策略则决定对话流程如何进行。配置可以包括多个策略，而置信度最高的策略决定对话中下个动作。
    Rasa Core Rasa Core 功能指代的时对话管理，Rasa 对话引擎可以根据上下文来决定对话接下来做什么。
    Rasa NLU Rasa NLU 作为 Rasa 的一部分，主要用于自然语言理解，以及意图分类和实体提取。
    NLU组件(NLU Component) NLU 组件是 Rasa NLU 管道中一个元素，用于处理所传入的消息，以及从执行实体提取到意图分类，再到预处理的任务
    Rasa X Rasa X 是对话驱动开发的一个工具，它可以帮助团队分享、测试机器人，以及标注用户信息和查看对话。
    检索意图(Retrieval Intent) 检索意图是一种特殊类型的意图，它可以细化为多个子意图。例如，对于包含子意图的 FAQ 检索意图，机器人知道如何回答每个问题。
    REST通道(REST Channel) 消息通道用来构建自定义连接器，包括一个输入通道和回调地址，其中输入通道是将用户信息 POST 给 Rasa，回调地址则是机器人的响应动作所发送的 URL。
    响应 / 模板 / 话语
    (Response / Template / Utterance)    		 机器人发送给用户的消息，可以包含文本、按钮、图像以及其他内容。
    规则(Rules) 用于指定类似规则行为的特殊训练数据，其中特定的条件总是预测特定的下个动作，常见示例有回答问题、填充表单或者处理回退。
    共享机器人
    (Share Your Bot)    		 这是 Rasa X 的一个特性，给测试用户生成聊天 UI 的链接，共享机器人允许在开发过程中与机器人进行交谈。
    插槽(Slot) Rasa 使用键值对方式来存储在对话过程所跟踪的信息，键即为槽名，而值则为槽值。
    故事(Story) 对话模型的训练数据由用户和机器人之间的对话组成，用户的消息被表示为带标注的意图和实体，机器人的响应则表示为一系列的动作。
    与机器人聊天
    (Talk to Your Bot)    		 Rasa X 聊天界面允许开发人员与机器人进行交谈、测试和纠正，我们可以启动严格的交互学习模式，该模式要求在继续对话之前确认每个预测。
    TED 策略(TED Policy) 基于 Transformer Embedding 的对话策略，TED 是 Rasa 默认的基于机器学习的对话策略，它通过处理之前未遇到的情况来补充基于规则的策略，在这种情况下，不存在可以确定下个动作的规则。
    模板 / 响应 / 话语
    (Template / Response / 话语)    		 用于响应用户的消息模板，可以包含文本、按钮、图像和其他附件。
    跟踪器(Tracker) 跟踪器是 Rasa 的一个组件，用于维护对话的状态，通常使用一个包含当前会话事件的 JSON 对象来表示
    用户目标(User Goal) 用户想要实现的总体目标，例如查找问题的答案、预约或购买保险单。一些其他工具会将用户目标称之为意图，但是在 Rasa 中，意图是指每个单独的用户消息
    词嵌入 / 词向量
    (Word Embedding / Vector)    		 一个浮点型数字的向量，用以表示单词的含义。具有相同含义的单词往往其向量也是相似的，在机器学习算法中词嵌入通常作为一个输入特征