Rasa调用jupyter.chat函数传入TrainingResult触发model_path类型错误

核心报错根因 #

从错误调用栈最底层的genericpath.exists()触发逻辑就能定位问题：os.stat()方法仅支持接收字符串、字节、PathLike类型的路径值、整数句柄，但实际传入方法的路径参数是TrainingResult类的内存对象，类型完全不匹配，和模型文件是否存在没有关系。

排查步骤 #

• 先定位参数错配位置：在调用chat()之前增加两行校验代码

  print(type(model_path))
  print(model_path)
  chat(model_path, endpoints)
  

  运行后如果打印出的类型是<class 'rasa.model_training.TrainingResult'>，即可完全确认是传参类型错配。
• 这种错配90%以上出现在Notebook连续调试场景：写代码时直接把rasa.train()方法的返回值（也就是TrainingResult内存对象）赋值给了model_path字段，没有把内存对象转换成实际的模型文件路径。

解决方法 #

分两种场景处理：

• 场景1：训练已经完成、模型已经导出到本地
  直接去项目根目录下的models/文件夹，找到训练生成的.tar.gz格式模型包，把完整的字符串路径赋值给model_path即可，不要传内存里的训练结果对象：

  model_path = "models/20240612-160500.tar.gz"
  endpoints = "endpoints.yml"
  chat(model_path, endpoints)
  

• 场景2：在Notebook里连续执行训练、调试流程
  不需要手动翻找models文件夹，直接从TrainingResult对象的内置字段里取路径即可——Rasa的TrainingResult实例本身就带有.model属性，存的就是导出模型的真实字符串路径：

  # 执行训练流程
  train_res = rasa.train(
      domain="domain.yml",
      config="config.yml",
      training_files="data/"
  )
  # 从训练结果中取出合法的路径字符串
  model_path = train_res.model
  endpoints = "endpoints.yml"
  chat(model_path, endpoints)
  

• 兜底校验：传参之前手动跑一次os.path.exists(model_path)，确认值的类型是字符串、且路径真实存在，避免后续出现路径找不到的报错。

内容的提问来源于stack exchange，提问作者shizra tariq