Unconsciously Sincere Bot

Questo repository contiene il codice sorgente per il Chatbot Rasa "Unconsciously Sincere Bot". Il progetto è configurato per essere eseguito su Docker ed è fortemente ottimizzato per architetture dotate di GPU NVIDIA e Apple Silicon (M-series), compatibile con Windows, macOS e Linux.

L'architettura è Ibrida (NLU + LLM) e include:

• Rasa Core/NLU: Gestione del dialogo e intenti strutturati.
• Ollama + Qwen 3 (0.6B): Integrazione con LLM locale per capacità di RAG (Retrieval Augmented Generation), ricerca web e risposte generative avanzate.
• PostgreSQL: Database relazionale per la persistenza dei dati.
• Rasa Action: Container per le custom actions (Emailing, Web Search).
• Ngrok: Tunneling automatico per esporre il bot a Telegram.

---

💻 Requisiti Hardware

L'utilizzo di Qwen 3 (0.6B) tramite Ollama richiede risorse hardware molto contenute, rendendo il bot eseguibile anche su hardware meno potente.

Componente	Requisiti Minimi	Requisiti Consigliati
CPU	4 Core	Apple Silicon (M-Series) o >8 Core (Intel/AMD)
RAM	8 GB	16 GB o superiore
GPU	Integrata	Qualsiasi GPU moderna
Spazio Disco	20 GB (Docker + Modelli LLM)	128 GB SSD

Nota per utenti Mac: Grazie all'ottimizzazione metal di Ollama, i chip Apple Silicon offrono prestazioni eccellenti. È raccomandato utilizzare il container rasa_ollama per una configurazione più semplice e integrata.

Local Ollama per supporto MPS/MLX:

export OLLAMA_HOST=0.0.0.0
export OLLAMA_ORIGINS="*"
export OLLAMA_MODELS=$(pwd)/ollama_data
ollama serve

---

📋 Prerequisiti Software

Assicurati di avere installato:

1. Docker Desktop (con Docker Compose).
2. Un account Telegram e un Bot creato via BotFather.
3. Un account Gmail e App Password per le email.
4. Un account Ngrok (gratuito).

---

⚙️ Configurazione Iniziale

1. Configura Ollama e scarica il modello Qwen 3 (0.6B)

Con la configurazione Docker fornita, Ollama verrà eseguito in un proprio container. Non è necessario installare o avviare Ollama manualmente sul tuo sistema operativo.

Dopo aver avviato i servizi Docker (vedi sezione "Avvio del Bot"), scarica il modello Qwen 3 (0.6B) direttamente nel container Ollama:

docker exec -it rasa_ollama ollama pull qwen3:0.6B

(Il modello 0.6B è molto leggero e veloce. Puoi usare versioni più grandi se l'hardware lo consente, ma dovrai aggiornare la configurazione.)

2. Configura Ngrok

Apri docker-compose.yml e inserisci il tuo Authtoken (da dashboard.ngrok.com):

environment:
  NGROK_AUTHTOKEN: "INCOLLA_QUI_IL_TUO_TOKEN_NGROK"

3. Configura Telegram

Apri credentials.yml e inserisci i dati del bot Telegram:

telegram:
  access_token: "123456:ABC-DEF..."
  verify: "tuo_bot_username"
  webhook_url: "https://....ngrok-free.app/webhooks/telegram/webhook" # Aggiornare post-avvio

4. Configura Variabili d'Ambiente

Crea un file .env nella root del progetto con le seguenti variabili (vedi .env.example):

# Email Configuration
EMAIL_USER=tua_email@gmail.com
EMAIL_PASSWORD=tua_app_password

# Ollama Configuration
OLLAMA_URL=http://ollama:11434

# Postgres Configuration
POSTGRES_USER=postgres
POSTGRES_PASSWORD=password
POSTGRES_DB=rasa_db
POSTGRES_PORT=5432

---

🚀 Avvio del Bot

Per avviare l'intera infrastruttura (inclusi Rasa, Ollama e Ngrok):

docker-compose up --build

Collegamento a Telegram (Primo Avvio)

1. Apri il browser su: http://localhost:4040 (Dashboard Ngrok).
2. Copia l'URL HTTPS (es. https://a1b2.ngrok-free.app).
3. Incolla l'URL in credentials.yml:

   webhook_url: "https://tuo-url.ngrok-free.app/webhooks/telegram/webhook"

4. Riavvia Rasa:

   docker-compose restart rasa

---

🧠 Training e Sviluppo

Addestramento Modello Rasa

Se modifichi i file data/ (NLU, Stories, Rules), riaddestra il modello:

docker exec -it rasa_server rasa train

Custom Actions & Ollama

Le azioni personalizzate in actions/ utilizzano Ollama per:

• Rispondere a domande complesse non previste dalle regole fisse.
• Effettuare ricerche web simulate o retrieval di informazioni universitarie.

Se il bot risponde "Non so aiutarti", assicurati che il container action_server riesca a comunicare con Ollama tramite l'URL configurato in .env.

---

🛠 Comandi Utili

Azione	Comando
Avviare tutto	docker-compose up
Ricostruire immagini	docker-compose up --build
Fermare tutto	docker-compose down
Addestrare Rasa	docker exec -it rasa_server rasa train
Shell Container	docker exec -it rasa_server /bin/bash
Log in tempo reale	docker-compose logs -f
Pull modello Qwen	docker exec -it rasa_ollama ollama pull qwen3:0.6B

---

📂 Struttura Cartelle

• data/: Dataset di training (NLU, Stories, Rules).
• actions/: Codice Python per le azioni custom (inclusa integrazione Ollama).
• models/: Modelli addestrati (.tar.gz).
• config.yml: Pipeline NLU e Policy.
• domain.yml: Definizione intent, entità, slot e risposte.