「Rasaパワードチャットボット：シームレスなConfluence＆Jira統合ガイド」

「Rasaパワードチャットボット：Confluence＆Jiraのシームレスな統合ガイド」

イントロダクション

最近、チャットボットは人工知能によって駆動される洗練された会話エージェントに進化してきました。このガイドでは、ConfluenceのページやJiraのチケットに関連するユーザークエリに対応するために特別に設計された高度なRasaパワードのチャットボットの構築について詳しく説明します。ConfluenceとJiraを統合することで、情報の検索を効率化し、統一的な作業環境を促進します。Confluenceは共同のドキュメンテーションを容易にし、Jiraは強力なプロジェクト管理ツールです。これらのプラットフォームとシームレスに統合するチャットボットを作成することで、チームがコンテンツの共同作業とプロジェクトの管理においてアクセシビリティが向上し、効率が最適化されます。

学習目標

この記事では、次のことを学びます：

Rasaプロジェクトのセットアップ: Rasaプロジェクトを開始し、高度なチャットボットの開発のための基盤を構築する方法を学びます。
NLUインテントの定義: ConfluenceとJiraのクエリに対して特定の自然言語理解（NLU）インテントを定義し、チャットボットの理解力を高めます。
カスタムアクションの開発: 拡張機能を実現するために、ConfluenceとJiraのAPIと対話するためのPythonベースのカスタムアクションを作成します。
モデルのトレーニングとテスト: モデルのトレーニングプロセスを理解し、チャットボットの汎用性を確保し、継続的な改善のための反復テストを行います。

この記事はData Science Blogathonの一環として公開されました。

基本概念

Rasa

Rasaはオープンソースの会話型AIプラットフォームであり、開発者に強力なコンテキスト認識型のチャットボットの構築を可能にします。単純なルールベースのシステムを超えて、Rasaは機械学習を利用して複雑なユーザー入力を理解し、応答します。自然言語処理の機能と対話管理ツールにより、Rasaはインテリジェントな会話エージェントを作成するための多目的なソリューションとなっています。

Jira

JiraはAtlassianによって開発された有名なプロジェクト管理および課題追跡ツールです。アジャイルソフトウェア開発で広く使用されており、Jiraはタスクを整理し、問題を追跡し、チームがワークフローを効率化するための機能を提供しています。ワークフローのカスタマイズやリアルタイムのコラボレーションなど、幅広い機能があり、開発チームやプロジェクトマネージャーの間で人気があります。Jiraの豊富なRESTful APIを利用すると、外部ツールやアプリケーションとのシームレスな統合が可能で、リアルタイムデータの交換や自動化を容易にします。

Confluence

Confluenceもまた、Atlassianによって開発された共同作業プラットフォームであり、組織内での効率的なドキュメンテーション、知識共有、チームワークを支援します。チームがコンテンツを作成、共有、共同作業するための中央集権的なスペースであり、プロジェクトのドキュメンテーション、会議の議事録、一般的な知識管理にとって重要なツールです。リアルタイムの共同編集により、複数のチームメンバーが同じドキュメントで同時に作業することができます。Confluenceの強力な検索機能により、関連する情報を効率的に見つけることができます。ConfluenceはJiraなどの他のAtlassian製品とシームレスに統合され、統一されたプロジェクト管理とドキュメンテーションのエコシステムを作成します。

チャットボット

チャットボットは、現代のデジタルインタラクションにおいて不可欠な存在となり、即座かつパーソナライズされた応答を提供します。人工知能によって支えられたチャットボットは、ユーザーの入力を解釈し、コンテキストを理解し、関連する情報やアクションを提供します。カスタマーサポートからプロセスの自動化まで、チャットボットはビジネスがユーザーとの関わり方を変革し、効率とユーザーエクスペリエンスを向上させます。チャットボットは自然言語処理を利用してユーザーの意図を特定し、単純なインテント認識を超えたタスクを実行するためのPythonの関数であるカスタムアクションを活用します。

事前準備

開発プロセスに入る前に、必要なツールとアクセスがあることを確認しましょう：

Pythonと仮想環境

Pythonがインストールされていることを確認してください。以下のコマンドを使用して仮想環境を作成し、アクティベートします：

#コマンドプロンプト（Windows）またはターミナル（macOS / Linux）python -m venv myenv
# Windowsの場合.\myenv\Scripts\activate
# macOS / Linuxの場合source myenv/bin/activate

Rasaのインストール

Rasa Open Sourceを以下のコマンドでインストール

#コマンドプロンプト（Windows）またはターミナル（macOS/Linux）pip install rasa

ConfluenceとJiraへのアクセス:

ConfluenceとJiraへのアクセス権およびそれらのAPIを介して情報を取得するための必要な権限を持っていることを確認してください。

Confluence API

ドキュメンテーションリンク: Confluence REST API
APIの作成手順:

パーソナルアクセストークン（PAT）の生成:

Confluenceインスタンスにログインします。
プロファイル画像を左下に移動し、「個人設定」を選択します。
「APIトークンの作成と管理」をクリックします。
新しいAPIトークンを作成し、安全に保管します。

2. スペースキーの取得：Confluenceページに関する情報を取得するためには、スペースキーが必要です。Confluenceスペースに移動する際のURLで見つけることができます。

3. APIエンドポイント：Confluence APIのエンドポイントは、ConfluenceインスタンスのURLに基づいています。例えば、Confluenceがhttps://your-confluence-instance.comでホストされている場合、APIエンドポイントはhttps://your-confluence-instance.com/rest/api/contentのようになります。

Jira API

ドキュメンテーションリンク: Jira Cloud REST API
APIの作成手順:

1. APIトークンの生成:

Jiraインスタンスにログインします。
「アカウント設定」または「セキュリティ」に移動します（Jiraのバージョンによって場所は異なる場合があります）。
新しいAPIトークンを作成します。

2. APIエンドポイント:

JiraのAPIエンドポイントは通常、JiraインスタンスのURLに基づいています。例えば、Jiraがhttps://your-jira-instance.comでホストされている場合、APIエンドポイントはhttps://your-jira-instance.com/rest/api/latest/issueのようになります。

チャットボットの構築

新しいRasaプロジェクトの作成

Rasaプロジェクトのセットアップには、ディレクトリ構造の作成とプロジェクトの初期化が必要です。このステップはチャットボットの開発プロセスを組織化するための基盤となります。ディレクトリ構造は、トレーニングデータからカスタムアクションまで、チャットボットのさまざまな側面を組織化します。各ディレクトリの目的を理解することは、組織化された、拡張および改善のための明確なロードマップを提供するために重要です。

#コマンドプロンプト：新しいRasaプロジェクトの作成
mkdir my_rasa_project
cd my_rasa_project
rasa init

ConfluenceとJiraのNLU意図の定義

ConfluenceページとJiraチケットに関するユーザーのクエリをチャットボットが理解できるようにするには、自然言語理解（NLU）の意図を定義する必要があります。NLUトレーニングデータでConfluenceとJiraに関連するクエリの例を提供します。トレーニングデータの豊かさは、チャットボットがユーザーのクエリを正確に解釈し、応答する能力に直接影響を与えます。たとえば、「Confluenceに関する情報を提供してもらえますか？」や「Jiraチケットのステータスについて教えてください」といったバリエーションを追加することで、モデルの一般化能力を高め、ユーザーが使用するさまざまな表現に対応できるようにすることができます。

# NLUコンポーネントのトレーニングデータを表すYAMLファイル
# data/nlu.yml
version: "2.0"
nlu:
- intent: query_confluence
  examples: |
    - Tell me about Confluence
    - How can I find information on Confluence?
    - What is a Confluence page?
- intent: query_jira
  examples: |
    - How do I check my Jira tickets?
    - Tell me about Jira ticket status
    - What are my open Jira issues?

ユーザーの入力の微妙なニュアンスを理解することが重要です。豊富な例を提供することで、チャットボットに広範なクエリを効果的に処理する能力を与えることができます。実世界の使用時におけるチャットボットの汎用性を確保するために、追加のユーザーペルソナとシナリオを取り入れることを検討してください。

ConfluenceとJiraのためのカスタムアクションの作成

Rasaのカスタムアクションを使用すると、チャットボットの機能を拡張することができます。ConfluenceページやJiraチケットに関するクエリを処理するためのカスタムアクション（actions.py）を作成します。このアクションは、各APIとやり取りして情報を取得します。APIの相互作用、エラーハンドリング、およびレスポンスの処理の詳細について深く掘り下げることは、チャットボットの信頼性と耐久性を確保するために重要です。

カスタムアクションを拡張して、さまざまなシナリオに対応できるようにします。たとえば、ConfluenceページやJiraチケットが見つからない場合の応答戦略を実装することができます。この積極的なアプローチにより、ユーザーエクスペリエンスが向上し、より意味のあるインタラクションが提供されます。

# Python file: Custom action for Confluence and Jira# actions.pyimport requestsfrom typing import Any, Text, Dict, Listfrom rasa_sdk import Action, Trackerfrom rasa_sdk.executor import CollectingDispatcherclass ActionQueryConfluenceJira(Action):    def name(self) -> Text:        return "action_query_confluence_jira"    def run(        self, dispatcher: CollectingDispatcher, tracker: Tracker, domain: Dict[Text, Any]    ) -> List[Dict[Text, Any]]:        # Replace with your Confluence and Jira details        confluence_api_url = 'YOUR_CONFLUENCE_API_URL/rest/api/content'        jira_api_url = 'YOUR_JIRA_API_URL/rest/api/latest/issue'        confluence_space_key = 'YOUR_CONFLUENCE_SPACE_KEY'        personal_access_token = 'YOUR_PERSONAL_ACCESS_TOKEN'        user_query = tracker.latest_message.get('text')        headers = {'Authorization': f'Bearer {personal_access_token}'}

# Handle Confluence Query        if tracker.latest_message['intent']['name'] == 'query_confluence':            params = {'spaceKey': confluence_space_key, 'cql': 'text~"{}"'.format(user_query)}            response = requests.get(confluence_api_url, headers=headers, params=params)        if response.status_code == 200:                results = response.json().get('results', [])               if results:                    result = results[0]                    title = result.get('title', 'No Title')                    url = result.get('_links', {}).get('webui', '')response_message =  "I found information about '{title}'. You can find it [here]({url})."else: response_message = "I couldn't find any information on that topic in Confluence."else: response_message = "I'm sorry, but there was an issue fetching information from Confluence." 

# Handle Jira Queryelif tracker.latest_message['intent']['name'] == 'query_jira': params = {'jql': 'text~"{}"'.format(user_query)} response = requests.get(jira_api_url, headers=headers, params=params)if response.status_code == 200: result = response.json() issue_key = result.get('key', 'No Key') summary = result.get('fields', {}).get('summary', 'No Summary') response_message = f"I found information about the Jira issue '{issue_key} - {summary}'."else: response_message = "I'm sorry, but there was an issue fetching information from Jira."else: response_message = "I'm not sure how to handle that query." dispatcher.utter_message(response_message)return []

ユーザーのニーズの変化や新しい統合の可能性に対応するために、これらのアクションを継続的に洗練させ、拡大してください。

Rasaの設定

Rasaプロジェクトの設定は、チャットボットの動作を決定する上で重要です。config.ymlファイルには、NLUと対話管理モデルのトレーニングのための設定が含まれています。さまざまな設定を試して、ユニークな要件に基づいてチャットボットのパフォーマンスを最適化するために実験してください。

設定ファイルは、チャットボットの動作の制御センターとして機能します。さまざまなパラメーターに深く掘り下げて、さまざまな機械学習パイプラインを試し、正確性と効率性のバランスを実現するために設定を微調整してください。

# config.ymllanguage: "en"pipeline:  - name: "WhitespaceTokenizer"  - name: "RegexFeaturizer"  - name: "CRFEntityExtractor"  - name: "CountVectorsFeaturizer"  - name: "EmbeddingIntentClassifier"

Rasaモデルのトレーニング

Rasaモデルのトレーニングは、チャットボットを実世界のシナリオに準備するために重要です。トレーニングプロセスでは、モデルをトレーニングデータにさらし、それによって学習し、例から一般化することができるようになります。モデルの正確性を向上させるために、定期的にトレーニングデータを見直し、更新してください。

トレーニングデータのロバストなバージョン管理システムを導入することを検討してください。これにより、追加の改善や課題に寄与する特定のデータセットの特定と、トレースの可能性が確保されます。

# コマンドプロンプト（Windows）またはターミナル（macOS/Linux）rasa train

Rasaアクションサーバーの実行

Rasaアクションサーバーは、カスタムアクションの実行を処理します。専用のアクションサーバーを実行することで、チャットボットの応答性を確保し、ConfluenceやJiraからのリアルタイムデータの取得など、複雑なタスクを実行することができます。

チャットボットが勢いを増すにつれ、アクションサーバーの拡張性を探求してください。ピーク時でもシームレスなユーザーエクスペリエンスを確保するために、負荷分散と冗長性のオプションを検討してください。

# コマンドプロンプト：Rasaアクションサーバーの実行rasa run actions

チャットボットとの対話

Rasaアクションサーバーを実行した状態で、新しいターミナルを開き、Rasaシェルを起動してください。この対話型シェルは、チャットボットとのコミュニケーションを容易にし、さまざまなシナリオをテストし、異なるクエリに対する応答を評価することができます。反復的なテストは、改善と洗練のための重要な要素です。

rasa shell

サンプルの出力：

User: 現在のプロジェクトの状況はどうですか？Chatbot: 現在のプロジェクトは順調に進行しています。タスクの80％が完了しました。User: Confluenceのプロジェクトのドキュメンテーションについて情報を提供できますか？Chatbot: プロジェクトのドキュメンテーションはConfluenceにあります。詳細な情報は[こちら](link-to-confluence-page)で参照できます。User: 次のスプリント計画のために新しいJiraの課題を作成してください。Chatbot: 次のスプリント計画のための新しいJiraの課題が正常に作成されました。課題IDはPROJ-123です。他に何かお尋ねしますか？

チャットボットを洗練する過程で、ユーザーのクエリから特定の情報を抽出するためのエンティティ認識などの高度な機能を探求することを検討してください。

ユースケース

ConfluenceとJiraをRasaパワードのチャットボットに統合することにより、コラボレーションとプロジェクト管理を再定義する魅力的なユースケースが展開されます：

1. プロジェクト管理: Jiraと統合されたチャットボットは、プロジェクトのステータスのリアルタイムな更新、課題の追跡、スプリントの進捗状況を提供することができます。特定のJiraの課題、近日中の締切、チームのアサインについての問い合わせが可能です。

2. ナレッジベースへのアクセス: Confluenceと統合されたチャットボットにより、ドキュメンテーション、FAQ、プロジェクト関連の知識に素早くアクセスすることができます。

3. 自動レポート作成: チャットボットは、プロジェクトのマイルストーン、タスクの完了、全体的なチームの生産性に関する自動レポートを生成することができます。マニュアルの手間を削減し、タスク管理プロセスを効率化することで、効率性が向上します。

リスクと考慮事項

ConfluenceとJiraのデータへの不正なアクセスを防ぐために、個人のアクセストークンとAPIキーの安全な取り扱いを確保してください。特にプロジェクトの機密情報やユーザーデータが関わる場合には、チャットボットを介して共有する情報のタイプに注意してください。効果的にチャットボットと対話する方法についてのユーザーガイドが必要になる場合があります。ユーザーエクスペリエンスを向上させるために、明確な指示と例を提供してください。カスタムアクションでConfluenceページやJiraの課題が見つからない場合に優雅に対処するために、堅牢なエラーハンドリングメカニズムを実装してください。

結論

まとめると、この包括的なガイドでは、ConfluenceページとJiraチケットに関連するユーザーのクエリに対応するためにカスタマイズされたRasaパワードの高度なチャットボットを構築する旅を案内します。この記事では、RasaプロジェクトのセットアップとNLU意図の定義からAPIの相互作用のためのカスタムアクションの開発まで、チャットボットの作成プロセスのホリスティックな理解が得られます。ガイドでは、最適なパフォーマンスのためにRasaの設定、さまざまな例でモデルのトレーニング、継続的な洗練のための反復的なテストが強調されています。このアプローチにより、コラボレーションによるコンテンツ作成とプロジェクト管理へのアクセシビリティが向上し、会話型AIの進化する情景でのさらなる探求とカスタマイズの基盤が築かれます。

要点

Rasaを使用して高度なチャットボットを構築するための実用的な洞察を得る。これには、ConfluenceとJiraの統合に特化したアプリケーションを重点的に取り上げる。
ConfluenceとJiraの統合の利点を理解し、情報の検索を合理化し、結束力のある効果的な作業環境を促進する。
RasaプロジェクトのNLU（自然言語理解）と対話管理を改善するための構成技術を探求する。
連続的な改善のための反復的なテストとモデルトレーニングを取り入れ、チャットボットの適応性と効果を確保する。

よくある質問

この記事に表示されているメディアはAnalytics Vidhyaの所有ではなく、筆者の判断により使用されています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

blogathonchatbotchatbotsConversational AIprojectRasatraining

Was this article helpful?

93 out of 132 found this helpful