AI聊天机器人框架是一个开源、可自托管的DIY聊天机器人搭建平台，基于Python开发。借助该工具，无需任何编码即可轻松创建自然语言对话场景。 其流畅的用户界面使为机器人创建和训练对话变得轻而易举。AI聊天机器人框架可以部署在您选择的任何渠道上（如Messenger、Slack等）。

您无需成为人工智能专家，也能创建具备AI能力的优秀聊天机器人。通过本项目，您可以快速搭建一个由AI驱动的聊天机器人。请阅读文档以开始使用。

功能特性

• 完全自托管
• 低代码、DIY管理后台，用于机器人开发
• 多轮对话
• API请求执行（工具调用）
• 持久化记忆与上下文管理
• 高级自然语言理解（NLU）
  • SpaCy词嵌入
  • 意图识别（机器学习）
  • 实体抽取（机器学习）
  • 使用大型语言模型（LLMs）实现零样本NLU
• 基于RAG的知识库与FAQ问答功能（开发中）
• 对话日志
• 渠道集成
  • Web端：通过REST API/聊天小部件
  • Facebook Messenger
  • Slack（即将支持）
  • WhatsApp：通过Twilio接入（即将支持）

文档

请查看我们的文档，开始使用。

技术栈

• Python / FastAPI / Pydantic
• MongoDB / Motor
• React / Next.js
• scikit-learn / TensorFlow / Keras
• SpaCy / python-crfsuite
• Docker / docker-compose / Kubernetes / Helm

贡献

想参与贡献吗？请查看我们的贡献指南。

---

AI Chatbot Framework 快速上手指南

AI Chatbot Framework 是一个基于 Python 的开源、自托管对话机器人构建平台。它提供低代码管理面板，支持多轮对话、工具调用（API）、持久化记忆以及基于 LLM 的零样本自然语言理解（NLU），无需深厚的 AI 背景即可快速搭建智能客服或助手。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux (推荐 Ubuntu/CentOS), macOS 或 Windows (需安装 WSL2)
• 核心依赖：
  • Docker (版本 20.10+)
  • Docker Compose (版本 2.0+)
  • Git
• 硬件建议：至少 4GB 可用内存（若启用大型语言模型功能，建议 8GB+）

国内加速提示： 若拉取 Docker 镜像速度较慢，建议配置国内镜像加速器（如阿里云、腾讯云、网易云等）。 编辑 /etc/docker/daemon.json (Linux) 或 Docker Desktop 设置，添加如下配置示例：

{
  "registry-mirrors": ["https://<your-id>.mirror.aliyuncs.com"]
}

配置后重启 Docker 服务：sudo systemctl restart docker

安装步骤

本项目推荐使用 Docker Compose 进行一键部署，包含后端 (FastAPI)、前端 (NextJS) 及数据库 (MongoDB)。

1. 克隆项目仓库

   git clone https://github.com/alfredfrancis/ai-chatbot-framework.git
   cd ai-chatbot-framework
   

2. 配置环境变量（可选） 复制示例配置文件并根据需要修改（例如设置 MongoDB 密码或 LLM API Key）：

   cp .env.example .env
   # 使用编辑器修改 .env 文件
   

3. 启动服务 在项目根目录下运行以下命令构建并启动所有容器：

   docker-compose up -d --build
   

4. 验证安装 等待约 1-2 分钟让服务初始化完成后，访问以下地址：

   • 管理后台：http://localhost:3000
   • API 文档：http://localhost:8000/docs

基本使用

安装完成后，您可以通过可视化的管理后台轻松创建第一个机器人。

1. 创建新机器人

1. 登录管理后台 (http://localhost:3000)。
2. 点击 "Create New Bot"，输入机器人名称和描述。
3. 进入机器人配置页面。

2. 训练对话场景 (No-Code)

在 Training 选项卡中，您可以定义意图（Intents）和实体（Entities）：

• 添加用户语句：输入用户可能说的话（例如："我想查询天气"、"今天气温多少"）。
• 标记实体：选中句子中的关键信息（如地点、时间），将其标记为 Entity。
• 设置回复：配置机器人的回应文本或触发 API 调用。
• 点击 "Train" 按钮，系统将自动利用 Spacy 或配置的 LLM 进行模型训练。

3. 测试与集成

• 在线测试：切换到 Chat 选项卡，直接在浏览器中与刚训练好的机器人对话，验证多轮上下文和意图识别效果。
• 渠道集成：
  • Web 嵌入：在 Settings 中获取 Chat Snippet 代码，将其粘贴到您的网站 HTML 中即可悬浮显示。
  • API 调用：通过 http://localhost:8000/api/chat 发送 POST 请求集成到其他应用。

  curl -X POST http://localhost:8000/api/chat \
    -H "Content-Type: application/json" \
    -d '{"bot_id": "your-bot-id", "message": "你好"}'
  

现在，您已经成功部署并运行了一个具备自然语言理解能力的 AI 聊天机器人。更多高级功能（如 RAG 知识库、复杂工具调用）请参考项目官方文档。