Machine learning 响应生成如何在RASA core中工作？

我对聊天机器人相当陌生，并开始使用RASA作为框架。想知道RASA使用哪种方法作为他们的响应生成技术。（荷兰）

理论上，NLG技术有两种类型：

模板驱动的NLG

高级NLG-神经网络和ML

---

那么，在RASA中他们使用什么方法呢？

RASA堆栈足够灵活，可以支持这两种用例

有关您的问题的文档（v:0.10.3），请访问：

TL；博士 RASA提供内置的基于模板的NLG。但是，它还允许您连接到NLG的外部HTTP服务器。该服务器中发生的事情由您决定，它可以是基于神经网络的NLG服务器，但这需要由您来完成

模板驱动的NLG 从文档中：

默认格式是，将话语包含到您的域中 文件然后，此文件包含对所有自定义操作的引用， 可用的实体、插槽和意图

域文件的一个部分将包含一个模板部分。以下是文档中的一个示例：

模板：
打招呼：
-“hey there{name}！”#变量将由同名插槽或自定义代码填充
说再见：
-“再见