IntelliQ

GitHub
694 97 较难 1 次阅读 6天前Apache-2.0语言模型Agent
AI 解读 由 AI 自动生成,仅供参考

IntelliQ 是一款基于大语言模型(LLM)打造的开源多轮问答系统,旨在解决传统对话机器人在复杂场景下意图识别不准、关键信息遗漏以及难以对接业务接口等痛点。它不仅仅是一个聊天机器人,更是一个能够理解用户深层需求、自动提取时间与地点等参数,并直接调用外部 API 完成实际任务(如查询或办理业务)的智能助手。

该项目特别适合希望构建高精度对话应用的开发者、技术团队及研究人员使用。通过结合先进的意图识别与词槽填充(Slot Filling)技术,IntelliQ 实现了从自然语言到 API 调用(NL2API)的无缝转化,让 Function Call 在多轮对话中更加稳定可靠。其独特的技术亮点包括支持流式输出(SSE)以提供实时聊天体验、灵活的后端接口对接能力,以及前后端分离的现代化架构(React + Flask),便于快速集成与二次开发。无论是需要处理复杂业务流程的企业应用,还是探索多轮对话最佳实践的技术项目,IntelliQ 都提供了一套高效、可扩展的解决方案,帮助团队轻松打造懂业务、能执行的智能对话系统。

使用场景

某电商平台的客服团队正试图升级其售后系统,以自动处理用户复杂的退换货及订单查询请求。

没有 IntelliQ 时

  • 对话断裂严重:传统关键词匹配机器人无法理解上下文,用户需反复重复“订单号”或“商品名称”,体验极差。
  • 意图识别僵化:面对“我想退那个昨天买的红色鞋子”这类非标准表述,系统常误判为普通咨询,无法触发退货流程。
  • 数据获取滞后:无法直接对接内部 ERP 接口,客服需人工复制参数去后台查单,导致响应延迟高达数分钟。
  • 开发维护成本高:每新增一个业务场景(如修改地址),都需要硬编码大量规则脚本,迭代周期长达数周。

使用 IntelliQ 后

  • 多轮交互流畅:凭借 LLM 驱动的上下文管理,IntelliQ 能记住前文信息,自动引导用户补全缺失的“时间”或“原因”槽位,无需用户重复输入。
  • 意图精准捕获:利用先进的意图识别技术,即使面对口语化表达,也能准确判定为“申请退货”并提取关键参数。
  • 实时 API 联动:通过内置的 NL2API 与接口槽技术,系统自动抽取订单号调用后端接口,秒级返回物流状态或执行退款操作。
  • 敏捷业务扩展:开发者只需配置新的意图模板和 API 地址,即可在小时内上线新服务,无需重写底层逻辑。

IntelliQ 将原本僵硬的规则问答转化为具备“理解 - 决策 - 执行”闭环的智能代理,显著提升了自动化解决率与用户满意度。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该项目采用前后端分离架构(React + Flask)。需配置大语言模型 API 密钥(GPT_URL, API_KEY)及业务接口地址。支持流式输出(SSE),启动时需分别运行后端(app.py)和前端(npm start)服务。
python3.8+
Flask
React
Node.js 16+
npm 7+
IntelliQ hero image

快速开始

IntelliQ

介绍

IntelliQ 是一个开源项目,旨在提供一个基于大型语言模型(LLM)的多轮问答系统。该系统结合了先进的意图识别和词槽填充(Slot Filling)技术,致力于提升对话系统的理解深度和响应精确度。本项目为开发者社区提供了一个灵活、高效的解决方案,用于构建和优化各类对话型应用。

工作流程

特性

  1. 多轮对话管理:能够处理复杂的对话场景,支持连续多轮交互。
  2. 意图识别:准确判定用户输入的意图,支持自定义意图扩展。
  3. 词槽填充:动态识别并填充关键信息(如时间、地点、对象等)。
  4. 接口槽技术:直接与外部APIs对接,实现数据的实时获取和处理。
  5. 前后端分离:React前端 + Flask后端,支持现代化Web开发模式。
  6. 流式AI聊天:支持Server-Sent Events (SSE),实现实时聊天体验。
  7. 跨域支持:内置CORS配置,支持本地开发和生产部署。
  8. 环境配置:灵活的环境变量配置,支持开发/生产环境切换。
  9. 一键启动:提供跨平台启动脚本,团队成员无需手动配置。
  10. 易于集成:提供了详细的API文档,支持多种编程语言和平台集成。

安装和使用

🌏环境要求

  • Python 3.8+
  • Node.js 16+ (包含npm包管理器)
  • npm 7+ (随Node.js自动安装)

注意: npm是Node.js的包管理器,安装Node.js时会自动包含npm。如果您还没有安装Node.js,请访问 Node.js官网 下载安装。

🔧修改配置

配置项在 config/init.py

  • GPT_URL: AI平台的URL
  • API_KEY: 修改为自己的API密钥
  • API_BASE_URL: 修改为查询/办理的接口

📋 安装步骤

确保您已安装 git、python3、node.js。然后执行以下步骤:

1. 克隆代码

git clone https://github.com/answerlink/IntelliQ.git
cd IntelliQ

2. 后端配置

# 创建Python虚拟环境
python3 -m venv venv
source venv/bin/activate  # Linux/macOS
# venv\Scripts\activate   # Windows

# 安装Python依赖
pip install -r requirements.txt

3. 前端配置

cd frontend
npm install
cd ..

4. 环境配置

  • 复制 .env.example.env 并根据需要修改配置
  • 复制 frontend/.env.examplefrontend/.env 并根据需要修改配置

5. 启动服务

启动后端服务:

python app.py

启动前端服务(新开一个终端窗口):

cd frontend && npm start

访问地址:

🔗 API接口

健康检查

GET /api/health

流式AI聊天

POST /api/llm_chat
Content-Type: application/json
Accept: text/event-stream

{
  "messages": [],
  "user_input": "用户输入",
  "session_id": "可选的会话ID"
}

获取模拟槽位

GET /api/mock_slots

重置会话

POST /api/reset_session
{
  "session_id": "会话ID"
}

更多详细信息请查看 前后端联调说明

贡献

非常欢迎和鼓励社区贡献。如果您想贡献代码,请遵循以下步骤:

Fork 仓库
创建新的特性分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启Pull Request

查看 CONTRIBUTING.md 了解更多信息。

All Thanks To Our Contributors:

License

Apache License, Version 2.0

版本更新

v2.0 2025-7-17 实现真实的API的对接;优化流程;升级前端

v1.3 2024-1-15 集成通义千问线上模型

v1.2 2023-12-24 支持Qwen私有化模型

v1.1 2023-12-21 改造通用场景处理器;完成高度抽象封装;提示词调优

v1.0 2023-12-17 首次可用更新;框架完成

v0.1 2023-11-23 首次更新;流程设计

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架