帮我写一个rasa后端训练程序，可以连接到前端的Rasa Web Chat项目，项目如下<script> // 获取按钮元素 const chatBtn = document.getElementById('chat-btn'); // 监听按钮点击事件 chatBtn.addEventListener('click', () => { // 创建聊天窗口 const widget = window.WebChat.create({ // Rasa Web Chat 工具的配置选项 initPayload: '/get_started', socketUrl: 'http://localhost:5005', title: '智能客服', subtitle: '欢迎使用智能客服！', inputTextFieldHint: '请输入您的问题...', senderPlaceHolder: '请输入您的姓名...', profileAvatar: 'https://i.imgur.com/8kFpQsT.png', showCloseButton: true, fullScreenMode: false }); // 将聊天窗口嵌入到网页中 window.WebChat.open('chat-bot', widget, () => { // 打开聊天窗口后的回调函数 console.log('聊天窗口已打开！'); }); }); </script>

当然，以下是一个简单的 Rasa 后端训练程序的示例，可以连接到前端的 Rasa Web Chat 项目：

from rasa.core.agent import Agent
from rasa.core.interpreter import RasaNLUInterpreter
from rasa.utils.endpoints import EndpointConfig
from rasa.core.channels.socketio import SocketIOInput
from sanic import Sanic

app = Sanic(__name__)

# 加载 Rasa NLU 模型和 Rasa Core 模型
interpreter = RasaNLUInterpreter("path/to/nlu")
action_endpoint = EndpointConfig(url="http://localhost:5055/webhook")
agent = Agent.load("path/to/core", interpreter=interpreter, action_endpoint=action_endpoint)

# 定义 Rasa Web Chat 的输入通道
input_channel = SocketIOInput(
    # Web Chat 项目的端口号
    user_message_evt="user_uttered",
    bot_message_evt="bot_uttered",
    namespace=None
)

# 连接输入通道和 Rasa Agent
app = agent.handle_channels([input_channel], http_port=5005, serve_forever=True)

你需要将 `path/to/nlu` 和 `path/to/core` 替换为你自己的 Rasa NLU 模型和 Rasa Core 模型的路径。另外，你还需要根据需要对 `SocketIOInput` 进行一些配置，例如设置端口号和命名空间。

此外，你需要将该训练程序运行在 `http://localhost:5005` 上，以便 Rasa Web Chat 项目可以连接到它。