ラサについてはRasa coreとRasa nluの公式文書から理解しようとしましたが、あまり推測できませんでした。ラサNLUは、（エンティティ）の情報を抽出するテキストを理解し、処理するラサコアとラサnluの違い
第二のものである間、私が理解することができていますが
ラサコアがconversatationの流れを導くために使用されている、との例がありますRasa coreと同様にRasa nluにチャットボットを作成すると、チャットボットの作成に使用できますが、2つの承認の違いとそれに続くときを理解できませんでした。
より良い方法で私に理解してもらえますか？
あなたは正しいです。どちらも一緒に機能しますが、明確な目標を持っています。簡単に言えば、Rasa Coreは会話の流れ、発話、行動、Rasa NLUのエンティティとインテントを抽出します。あなたの2番目の質問について
：
最初の例では、ボットを作成するためのワークフロー全体を示し、それがどのようにセットアップドメインと話をする方法を示しています。それらはRasa NLUではなく、Rasa Coreの機能です。この例の項目2（インタプリタの定義と呼ぶ）では、作者はRasa NLUをインタプリタとして使用していると明言していますが、別のエンティティ抽出フレームワークを使用することもできます。
2番目の例（Rasa NLUの1つ）は、エンティティとインテント抽出器のトレーニング方法を示しています。ドメインやストーリーについての情報はありません。会話フローに関する情報はありません。純粋なNLUの例です（たとえ彼がRasa Coreのdefaul runメソッドを使ってボットを実行していても）。
私がラサを勉強し始めたとき、ボットを開発するための概念を理解するのは少し難解でした。しかし、コーディングを開始すると明らかになりました。どのプラットフォームを使用していても、NLUはエンティティとインテントを処理し、会話フローは別のものになります。
ボットのコアを処理するライブラリとNLUを処理するライブラリを使用することもできます。
あなたのボットのコアを構築するために使用できるツールとは違って、Rasa Coreはダイアログフローをよりよく理解するために機械学習を使用しています。会話の可能なノードごとにコードを書くのではなく、可能な会話パスのデータセットを使用してコアをトレーニングして一般化することができます。これは非常にクールで強力な機能です:)
希望に役立ちます。