我尝试通过官方文档来了解Rasa Core和Rasa NLU之间的区别，但没有理解多少。我所理解的是，Rasa Core用于引导对话流程，而Rasa NLU则用于处理文本以提取信息（实体）。

在Rasa Core和Rasa NLU中都有构建聊bot的示例。我无法理解这两种方法的区别，以及何时应采用一种方法而不是另一种方法。

您能帮助我更好地理解这一点吗？

回答：

你理解得对。两者一起工作，但它们有不同的目标。简单来说，Rasa Core处理对话流程、话语、动作，而Rasa NLU提取实体和意图。

关于你的第二个问题：

第一个示例展示了创建机器人的整个工作流程，它展示了如何设置领域和故事。这些是Rasa Core的功能，而不是Rasa NLU。在这个示例的第2项（称为定义解释器）中，作者明确表示他使用Rasa NLU作为解释器（但你甚至可以使用另一个实体提取框架）。

第二个示例（Rasa NLU的那个）仅展示了如何训练实体和意图提取器。你没有任何关于领域和故事的信息，没有关于对话流程的信息，这是一个纯粹的NLU示例（尽管他使用Rasa Core的默认运行方法来运行机器人）。

当我开始学习Rasa时，理解开发机器人的概念有点困难。但当你开始编程时，一切就变得清晰了。不管你使用哪个平台，NLU将处理实体和意图，而对话流程将是另一回事。

甚至可以使用一个库来处理机器人的核心，另一个库来处理NLU。

我想指出，与大多数用于构建机器人核心的工具不同，Rasa Core使用机器学习来更好地概括对话流程。不是为你对话中的每个可能节点编写代码，你可以使用可能的对话路径数据集来训练核心以概括它。这是一个非常酷且强大的功能:)

希望这对你有帮助。