由于核心针对domain.yml和story.yml进行训练，而无需依赖用户的话语（nlu.yml），因此我了解到RASA-Core训练与NLU部分无关。它只训练“意图-行动”对，而不是实际的对话数据：
* greet
- utter_greet
这是正确的吗？在这种情况下，我认为对话策略训练的训练数据将总是很小，因为它是根据抽象的意图-动作对而不是实际数据进行训练。换句话说，对话策略培训完全独立于NLU。
这种理解正确吗？只是想确认这种理解。
答案 0 :(得分：0)
换句话说，对话策略培训完全独立于NLU。
这是正确的培训。但是，在生产中，Rasa Core使用从Rasa NLU中提取的实体，当然也使用分类的意图。
抽象意图行动对
如果您正在做FAQ聊天机器人，则只能是“成对”。如果您实际上想处理更复杂的对话，则必须编写更多故事。如您在this Rasa demo中所见，对于更复杂的聊天机器人而言，所需的训练数据可能会变得非常大。
如何创建意图行动对？
实际上，您必须手动设计培训案例。当前没有办法自动做到。请参阅this blog post，其中提供了一些建议，介绍如何为Rasa Core编写更好的培训故事。