Chatbot_CN：不仅仅是一个对话系统 · charlesXu86/Chatbot

基于金融-司法领域(兼有闲聊性质)的聊天机器人，其中的主要模块有信息抽取、NLU、NLG、知识图谱等，并且利用Django整合了前端展示,目前已经封装了nlp和kg的restful接口

同类别比较
名称	排名	指标
SmythOS/sre	10,770	语言: TypeScript 星标数: 1,303 分叉数: 204 简介: The SmythOS Runtime Environment (SRE) is an open-source, cloud-native runtime for agentic AI. Secure, modular, and production-ready, it lets developers build, run, and manage intelligent agents across local, cloud, and edge environments.
obra/superpowers-marketplace	10,784	星标数: 1,301 分叉数: 264 简介: Curated Claude Code plugin marketplace
voidful/hung-yi-lee-skill	10,790	语言: HTML 星标数: 1,300 分叉数: 131 简介: 蒸餾李宏毅老師的skill，結合Karpathy的LLM，Fable 5和GPT6 加持以及本人親自訪談
Exafunction/windsurf.nvim	10,795	语言: Lua 星标数: 1,295 分叉数: 104 简介: A native neovim extension for Codeium
yym68686/ChatGPT-Telegram-Bot	10,815	语言: Python 星标数: 1,291 分叉数: 412 简介: TeleChat: 🤖️ an AI chat Telegram bot can Web Search Powered by GPT-5, DALL·E , Groq, Gemini 2.5 Pro/Flash and the official Claude4.1 API using Python on Zeabur, fly.io and Replit.
JessyTsui/Claude-Code-Remote	10,822	语言: JavaScript 星标数: 1,288 分叉数: 136 简介: Control Claude Code remotely via email、discord、telegram. Start tasks locally, receive notifications when Claude completes them, and send new commands by simply replying to emails.
stair-lab/kg-gen	10,828	语言: Python 星标数: 1,287 分叉数: 201 简介: [NeurIPS '25] Knowledge Graph Generation from Any Text
CommandCodeAI/BaseAI	10,830	语言: TypeScript 星标数: 1,286 分叉数: 114

关键参数与规格
参数	值
类别	AI Engineering
子类别	Make agent see hear talk
星标数	1,291
分叉数	423
贡献者	1
创建日期	2018-08-01
更新日期	2026-09-17
1 天星标数	0
7 天星标数	0
排名	10,812
上次排名	10,789
排名变化	-23
7 天星标排名	12,778
上次 7 天星标排名	12,799
7 天星标排名变化	21
总星标排名	9,140
上次总星标排名	9,125
总星标排名变化	-15
国家	China

Chatbot_CN

基于深度学习、强化学习、对话引擎的多场景对话机器人

项目说明 • 项目结构 • 项目演示 • 各模块详细介绍 • 使用说明 • Update News • FAQ • 参考 • Blog

 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/chatbot.jpg?raw=true)

Made by Xu • :globe_with_meridians: https://www.chatbotcn.com

项目说明

Chatbot_CN 是一个基于第三代对话系统的多轮对话机器人项目，旨在于开发一个结合规则系统、深度学习、强化学习、知识图谱、多轮对话策略管理的聊天机器人，目前随着时间的慢慢发展，从最初的一个 Chatbot_CN 项目，发展成了一个 Chatbot_* 的多个项目。目前已经包含了在多轮任务型对话的场景中，基于话术（Story）、知识图谱（K-G）、端到端对话（E2E）。目的是为了实现一个可以快速切换场景、对话灵活的任务型机器人。同时，Chatbot_CN 不仅仅是一个对话系统，而是一套针对客服场景下的完整人工智能解决方案。对话是解决方案的核心和最重要一环，但不仅限于对话，还包括智能决策，智能调度，智能预测，智能推荐等

目前Chatbot_CN 已经拆分成了13个子项目，涵盖了对话数据收集处理、基本算法模型、对话引擎、对话质量评估，第三方平台快速接入、数据回流、模型优化等等。主要可以分为：

1、数据层：对话业务数据，开源多轮对话数据等

2、算法层：句法分析、细粒度情感分析、实体抽取、query纠错等
                                            
3、能力层：自然语言理解、对话管理、对话策略、策略优化、对话工厂

4、应用层：网页端、钉钉群机器人、微信公众号、第三方平台（如拼夕夕）等

5、硬件接入：可接入作为智能语音助手，目前已经加入语音助手模块，可接入树莓派、单片机等硬件

项目的大致流程如下图：

 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/Chatbot_CN00.png?raw=true)

注：

1、图中的虚线部分为文本机器人部分

2、具体的项目结构请参考项目结构和各模块详细说明。

3、Chatbot_CN 系列项目还存在不少细节问题，正在慢慢完善中。

项目思维导图

 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/wechatter_1130.png?raw=true)

项目结构

1. Chatbot_CN整体架构

 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/架构.png?raw=true)

2. 各子模块介绍

当你熟悉了项目的整体架构后，你还需要对其各个子模块进行详细的了解，这样你才能对机器人的机制有一个深刻的理解

Chatbot_CN

总体项目介绍，包含文档（这里不包含代码）

chatbot_kg

知识图谱模块、关系网络、实体连接、知识推理等

Chatbot_S2S

训练端到端的对话模型，目前这个模块只为了项目的完整，作用不大，不过这个是一个研究方向

chatbot_utils

机器人的基本算法组件，比如query纠错、实体识别等，他是机器人的基础

Chatbot_RASA

机器人的核心对话引擎，基于RASA开源框架

Chatbot_Doc

NLP和对话系统的一些文献、收集的文章等等

Chatbot_Data

机器人的一些语料收集

Chatbot_Crawler

爬虫

chatbot_retrieval

基于检索的对话模型，他在机器人无法处理用户意图时发挥重要作用

Chatbot_Evaluate

对话质量评估、评价、对话诊断、数据回流模块，对话模型优化

Chatbot_Help

一个将机器人接入第三方平台的工具、如钉钉群、微信公众号等，可快速实现工程化

Chatbot_Recommendation

对话系统与推荐系统结合，目前正在规划中、暂未开始

Chatbot_Web

机器人的简单pc端页面交互，可以实现快速体验机器人效果

Chatbot_Voice

聊天机器人的语音交互模块

Chatbot_Analytics

聊天机器人的数据分析模块

如果想了解更多详细的细节说明，请参考以下网站(详细文档)：

www.chatbotcn.top

项目演示

 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/演示1.png?raw=true) 





 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/演示2.png?raw=true) 





 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/演示3.png?raw=true)

各模块介绍

1、chatbot_utils

该模块为基本算法组件，同时也提供了restful API接口，其中包括的功能有：

1、文本纠错，可以纠正用户query的错别字等，同时还可以纠正部分由于ASR和OCR识别出的错误，用到的主要技术为：字音字形特征提取、微调bert mlm

2、实体识别，可以识别出用户query中提及的实体信息，如：人名、机构名、快递公司、时间、地址等等

3、句法分析，基于转移的句法分析

4、指代消解。

5、其他功能后续继续更新

2、chatbot_retrieval

检索式单论对话问答（FAQ），主要用到的技术为词权重、倒排索引、bert finetune。实现原理为Q-Q相似度匹配。该模块主要可以解决两类问题：

1、FAQ

2、在多轮对话过程中，意图未匹配情况下检索出最佳答案

3、Chatbot_Skills

任务型多轮对话的技能管理模块，当我们的机器人"学习"到了多种技能的时候，在对话的过程中可能会出现技能的交叉，即在任务A还没完成的时候跳转到任务B。

Chatbot_Skills旨在完成多种任务的平滑切换和机器人的技能初始化配置。

4、Chatbot_Recommendation

将推荐系统和任务型对话结合

使用说明

Start

在启动服务之前，你需要比较熟悉整个项目的架构，项目的各模块依赖关系如下图：

 ![](https://github.com/charlesXu86/Chatbot_CN/blob/master/image/Chatbot_CN01.png?raw=true)

Update News

*  2019.10    添加 Chatbot_RASA 子项目
*  2019.10    添加 Chatbot_NLU 子项目
*  2019.10    添加 Chatbot_DM 子项目
*  2019.11    添加 Chatbot_Retrieval 子项目
*  2019.12    添加 Chatbot_Utils 子项目
*  2019.12    添加 Chatbot_Help 子项目
*  2020.1     移除项目里的Chatbot_Web模块，添加 Chatbot_Web 子项目，从2020.1.20日开始， Chatbot_CN 不再做工程项目使用，只是该项目的说明
*  2020.1     将机器人接入钉钉群，实现用户交互
*  2020.3     添加对话技能管理模块
*  2020.4     添加爬虫模块（基于scrapy框架）
*  2020.5     添加语音助手模块 Chatbot_Voice
*  2020.5     在对话模型中加入 【AutoDL + 模型压缩 + MLflow】技术
*  2020.6     引入Botfront，此项目可以代替以前的Chatbot_Web项目，同时Botfront还可以对模型、意图等进行管理
*  2020.6     开始制定对RASA整体进行二次开发（DeepChatbot），DeepChatbot在rasa的基础上引入更多内容，包括集成AutoDL、模型加速（教师-学生模型等）、
              增加了机器人训练数据的读取方式、DST优化、更加丰富的接口等等  
*  2020.7     增加了机器人分析模块
*  2021.7     增加呼叫中心模块

FAQ

1、目前这个工程比较完备了，但是很多细节需要完善，也正在积极开发维护，如果你有什么新的idea，欢迎联系我： 997562867

2、如果你也是一个NLPER，或者对对话系统的开发感兴趣，欢迎加入群聊 聊天机器人开发实战，一起讨论技术： 群号： 718607564

3、欢迎关注知乎专栏`聊天机器人开发实战`

4、有不少人反应整个系统的代码不能启动、Chatbot_CN怎么没有代码，我还是希望读者可以把上述文档好好看一下，对整个机器人的运行流程有个整体的
思路。

5、目前正在做产品级重构

参考

1、RASA demo
2、bert as service
3、Botfront
4、RasaTalk
5、Dashbot

Chatbot_CN

记录了多少星标和分叉？

仓库排名是多少？

哪个仓库排名最接近？

1. Chatbot_CN整体架构

2. 各子模块介绍

1、chatbot_utils

2、chatbot_retrieval

3、Chatbot_Skills

4、Chatbot_Recommendation

Start