基于RASA构建菜谱聊天机器人：生成新菜谱及框架选型咨询

一、技术路径合理性分析 #

• 若你的核心需求是基于现有菜谱生成新菜谱，单纯依赖RASA会存在明显局限——RASA本质是专注于意图识别与对话流程管理的框架，原生生成能力较弱。结合Langchain或ChatGPT API是更贴合需求的方向：
  • ChatGPT API：可直接将现有菜谱作为Prompt的一部分，驱动模型生成菜谱变体、融合菜或创新做法，适合快速落地生成功能，但需做好Prompt工程，确保生成内容匹配你现有训练数据的风格与规范。
  • Langchain：能更高效地管理现有菜谱知识库（比如将菜谱存入向量数据库，先检索相关内容再喂给大模型生成），解决纯ChatGPT API生成可能偏离训练数据的问题，还可实现多步生成逻辑（如先检索相似菜谱，再调整食材/烹饪方式生成新菜）。
• 最优技术路径建议：用RASA承担对话交互层（处理用户意图，比如“要一份川菜菜谱”“帮我改个番茄炒蛋的新做法”），用Langchain+ChatGPT API作为菜谱生成核心层，兼顾流畅的对话体验与精准的生成能力。

二、基于RASA的最优设计方案 #

• 意图与实体精细化设计：
  • 明确区分核心意图：request_existing_recipe（索要已有菜谱）、generate_new_recipe（生成新菜谱）、adjust_recipe（调整现有菜谱）等。
  • 定义关键实体：cuisine_type（菜系）、ingredient（食材）、dietary_restriction（饮食限制）、base_recipe（基础菜谱）等，为后续生成逻辑提供精准参数。
• 对话流程优化：
  • 针对生成新菜谱的请求，RASA可先收集必要信息（如是否指定食材、菜系、饮食禁忌），再将参数传递给Langchain/LLM模块处理。
  • 设置回退机制：若生成结果不符合用户预期，RASA引导用户补充需求，重新触发生成流程。
• 自定义动作对接生成模块：
  • 在RASA中编写自定义动作，对接Langchain或ChatGPT API。例如创建action_generate_recipe动作，接收RASA传递的实体参数，构造Prompt或调用Langchain检索生成链，将结果返回给用户。
  • 示例伪代码（RASA自定义动作）：

    from typing import Any, Text, Dict, List
    from rasa_sdk import Action, Tracker
    from rasa_sdk.executor import CollectingDispatcher
    import openai
    
    class ActionGenerateRecipe(Action):
        def name(self) -> Text:
            return "action_generate_recipe"
    
        def run(self, dispatcher: CollectingDispatcher,
                tracker: Tracker,
                domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:
            base_recipe = tracker.get_slot("base_recipe")
            target_ingredient = tracker.get_slot("ingredient")
            # 构造生成Prompt
            prompt = f"基于现有菜谱《{base_recipe}》，将核心食材替换为{target_ingredient}，生成一份详细的新菜谱，包含食材用量、烹饪步骤和注意事项"
            # 调用ChatGPT API
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt}]
            )
            new_recipe_content = response.choices[0].message.content
            dispatcher.utter_message(text=new_recipe_content)
            return []
    

• 知识库集成：
  • 将现有菜谱存入RASA知识库（或通过Langchain接入向量数据库），用户索要现有菜谱时直接检索返回；用户要求生成新菜谱时，先检索相似菜谱作为生成参考，提升内容贴合度。

三、协作方向建议 #

若需要具体技术协助，可明确以下需求方向：

• 现有RASA项目的对话流程梳理与优化
• Langchain与RASA的对接方案落地
• 菜谱生成的Prompt工程调优
• 向量数据库选型与菜谱知识库构建

内容的提问来源于stack exchange，提问作者Alessandro Pio Budetti