MindMeld 对话式 AI 平台

此仓库包含 MindMeld 对话式 AI 平台。

介绍 MindMeld

MindMeld 对话式 AI 平台是构建生产级对话应用的最先进平台之一。它是一个基于 Python 的机器学习框架，涵盖了为此目的所需的所有算法和工具。经过数年构建和部署数十个最先进的对话体验，MindMeld 已经优化，能够用于构建高级对话助手，这些助手不仅对特定用例或领域有深入理解，还能提供高度实用且多功能的对话体验。

MindMeld 是当今唯一一个为尖端对话式应用的工作流程中的每一步都提供工具和能力的对话式 AI 平台。MindMeld 的架构如下所示。

简而言之，MindMeld 提供的功能包括：

• 高级 自然语言处理，包括：
  • 领域分类
  • 意图分类
  • 实体识别
  • 实体角色标注
  • 实体消歧
  • 语言解析
• 多功能 对话管理
• 自定义 知识库创建
• 高级 问答系统
• 训练数据收集与管理 支持
• 大规模数据分析

MindMeld 理念

MindMeld 已被一些全球最大的组织用于数十个不同领域的应用。在这些生产部署过程中，MindMeld 不断演进，使其非常适合为任何自定义应用领域构建生产级、大词汇量的语言理解能力。这是通过遵循以下表格中所表达的指导原则的架构理念实现的。

概念	描述
强大与多功能	与通常过于僵化、无法满足许多应用所需功能的 GUI 工具不同，MindMeld 提供强大的命令行工具，具有适应几乎任何产品需求的灵活性。
算法与数据	与只提供算法而缺乏数据的机器学习工具包不同，MindMeld 不仅提供最先进的算法，还提供可简化大量自定义训练数据收集和管理的功能。
NLP 加上 QA 和 DM	虽然如今的对话式 AI 平台通常只提供自然语言处理 (NLP) 支持，但很少有平台同时支持问答 (QA) 或对话管理 (DM)。MindMeld 提供端到端功能，包括先进的 NLP、QA 和 DM，而这三者都是当今生产级应用所必需的。
知识驱动的学习	几乎所有生产级对话应用都依赖于全面的知识库来提升智能和实用性。MindMeld 是当今唯一一个支持自定义知识库创建的对话式 AI 平台。这使得 MindMeld 非常适合需要对大型产品目录、内容库或常见问题数据库等有深入理解的应用。
数据归您所有	与需要您放弃数据的云端 NLP 服务不同，MindMeld 从一开始就设计成确保专有的训练数据和模型始终处于您应用的控制和所有权之下。

快速入门

假设您已安装 pip，并且 Python 3.6 或 Python 3.7 以及 Elasticsearch 正在后台运行：

pip install mindmeld
mindmeld blueprint home_assistant
python -m home_assistant build
python -m home_assistant converse

有关详细的安装说明，请参阅 入门指南。要开始使用预构建的示例应用，请参阅 MindMeld 蓝图。

MindMeld UI

您可以使用我们的示例基于 Web 的聊天客户端界面与任何 MindMeld 应用进行交互。该 Web UI 还可用作调试工具，帮助您逐步查看 MindMeld 管道中查询处理的各个阶段。

git clone git@github.com:cisco/mindmeld.git
cd mindmeld/mindmeld-ui
npm install
npm start

有关详细的安装说明，请参阅 UI 入门指南。

注意：此 Web 客户端仅适用于 Chrome 浏览器。

如何为 MindMeld 平台做出贡献：

我们非常欢迎您的贡献。我们在 GitHub 项目中维护着一份 未解决问题列表。

您也可以创建自己的问题，并将其与您的代码关联到拉取请求中，我们会尽快对其进行审查。

要设置 MindMeld 的本地开发环境，首先您需要从 GitHub 分支 MindMeld 仓库，并按照 入门指南 页面上的说明设置虚拟环境。

git clone git@github.com:[username]/mindmeld.git
cd mindmeld
virtualenv -p python3 .
source bin/activate

要开发 MindMeld，您需要 Python 3.6 或 Python 3.7。要安装和管理不同版本的 Python，您可以查看 pyenv，它也与 virtualenv 兼容。

现在我们可以安装 MindMeld 及其依赖项：

pip install -e .
pip install -r dev-requirements.txt
pip install -r test-requirements.txt

请确保 数值解析器和 Elasticsearch 在后台运行。最后，我们可以运行 MindMeld 的静态代码检查和单元测试。

./lintme
cd tests
pytest .

在完成更改并本地测试全部通过后，将代码提交到您的分支，并向 cisco/mindmeld 仓库发起拉取请求。

文档

您可以在 mindmeld.com/docs 上查看最新稳定版的文档，也可以在我们的 GitHub 页面 上查看最新主分支版本的文档。

您可以在 source 目录下参与文档的编写。

要生成文档，请按照以下步骤操作：

pip install -r docs-requirements.txt
make apidoc

引用

如果您在工作中使用 MindMeld，请引用这篇论文：

Raghuvanshi, A., Carroll, L. 和 Raghunathan, K.，2018年11月。利用浅层语义解析开发生产级对话式界面。载于2018年自然语言处理经验方法会议：系统演示论文集（第157–162页）

@inproceedings{raghuvanshi2018developing,
  title={Developing Production-Level Conversational Interfaces with Shallow Semantic Parsing},
  author={Raghuvanshi, Arushi and Carroll, Lucien and Raghunathan, Karthik},
  booktitle={Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing:
             System Demonstrations},
  pages={157--162},
  year={2018}
}

想了解更多关于 MindMeld 的信息吗？

请访问MindMeld 官网。

意见反馈或技术支持问题

请通过 mindmeld@cisco.com 联系我们。

MindMeld 快速上手指南

MindMeld 是一个基于 Python 的高级对话式 AI 平台，专为构建生产级对话应用而设计。它提供了从自然语言处理（NLP）、对话管理到知识库创建的全流程工具。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：支持 Linux 或 macOS（Windows 用户建议使用 WSL）。
• Python 版本：必须安装 Python 3.6 或 Python 3.7。
  • 提示：推荐使用 pyenv 管理多个 Python 版本。
• 后端服务：必须正在运行 Elasticsearch 服务。
• 包管理器：已安装 pip。

注意：国内开发者若遇到 pip 下载慢的问题，建议在安装命令中指定清华或阿里镜像源（例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ...）。

安装步骤

1. 安装 MindMeld 核心库

使用 pip 安装主程序：

pip install mindmeld

2. 安装 Web UI（可选）

如果您需要使用基于浏览器的调试界面或聊天客户端，需单独安装前端依赖（需要 Node.js 和 npm）：

git clone git@github.com:cisco/mindmeld.git
cd mindmeld/mindmeld-ui
npm install
npm start

注：Web UI 目前仅支持 Chrome 浏览器。

基本使用

以下是最简单的快速启动流程，我们将创建一个“家庭助手”示例应用并与其对话。

1. 生成示例蓝图

使用 blueprint 命令快速搭建一个名为 home_assistant 的基础项目结构：

mindmeld blueprint home_assistant

2. 构建模型

进入项目目录（如果未自动进入）并运行构建命令，这将处理训练数据并建立机器学习模型：

python -m home_assistant build

确保此时 Elasticsearch 已在后台运行，否则构建将失败。

3. 开始对话

模型构建完成后，运行以下命令启动交互式对话终端：

python -m home_assistant converse

现在您可以在终端中输入自然语言，体验 MindMeld 的意图识别和实体抽取能力。

---

更多详细文档请访问 mindmeld.com/docs 或查看预构建的 MindMeld Blueprints。