rasa-webchat

GitHub
1k 511 简单 1 次阅读 1周前Apache-2.0语言模型
AI 解读 由 AI 自动生成,仅供参考

rasa-webchat 是一款功能丰富的聊天窗口组件,专为在任意网站上部署基于 Rasa 或 Botfront 构建的虚拟助手而设计。它解决了开发者将后端对话机器人能力无缝集成到前端网页时的展示与交互难题,让用户无需从零开发界面即可拥有专业的聊天体验。

这款工具非常适合 Web 开发者、全栈工程师以及需要快速落地智能客服或助手的企业技术团队。无论是希望通过简单的 script 标签直接嵌入现有网站,还是需要在 React 项目中作为组件灵活调用,rasa-webchat 都能提供便捷的接入方案。

其技术亮点在于支持多种富媒体交互形式,包括文本、快捷回复、图片展示、轮播卡片以及 Markdown 格式渲染,极大地丰富了人机对话的表现力。此外,它还具备持久化会话、输入状态提示以及消息智能延迟发送等细节功能,确保对话流畅自然。值得注意的是,使用时需注意版本匹配,例如 1.0.1 版本专门适配 Rasa 2.3.x 和 2.4.x 系列,帮助开发者规避兼容性风险。通过 rasa-webchat,团队可以更专注于对话逻辑本身,高效打造现代化的智能交互界面。

使用场景

某电商初创团队正在为其基于 Rasa 构建的智能客服机器人寻找一种能快速嵌入官网、且具备丰富交互能力的聊天界面方案。

没有 rasa-webchat 时

  • 开发周期漫长:前端团队需从零编写聊天窗口组件,处理消息气泡、滚动逻辑及输入框状态,耗费数周时间。
  • 交互体验单一:仅能展示纯文本回复,无法直接呈现商品图片轮播(Carousels)或快捷按钮(Quick Replies),导致用户转化率低。
  • 会话状态丢失:用户刷新页面后对话历史清空,缺乏持久化会话支持,迫使客户重复描述问题,体验极差。
  • 集成维护困难:自定义代码与 Rasa 后端连接不稳定,缺乏智能打字延迟和错误处理机制,调试成本高昂。

使用 rasa-webchat 后

  • 极速部署上线:只需在 HTML 中插入一段 <script> 标签或作为 React 组件引入,几分钟内即可在官网唤起功能完备的聊天窗口。
  • 丰富交互呈现:原生支持 Markdown、图片裁剪、商品轮播及快捷回复,机器人能像真人销售一样生动展示商品信息。
  • 无缝连续对话:内置持久化会话功能,用户刷新页面或切换设备后仍能保留上下文,服务流程不中断。
  • 拟人化沟通细节:自动添加“正在输入”指示器和消息智能延迟,模拟真实人工客服节奏,显著提升用户信任感。

rasa-webchat 将原本需要数周的前端开发工作压缩至分钟级,同时通过丰富的原生交互组件,让 Rasa 机器人瞬间拥有专业级的用户体验。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes这是一个前端聊天窗口组件,主要运行在浏览器环境中,无需特定的服务器操作系统、GPU 或大量内存。它通过 WebSocket 连接到后端的 Rasa 或 Botfront 服务。版本 1.0.1 专门适配 Rasa 2.3.x 和 2.4.x,其他 Rasa 版本请使用 1.0.0。可通过 script 标签直接引入或作为 React 组件安装使用。
python未说明
React (可选,用于组件模式)
Node.js/npm (用于安装依赖)
Rasa (后端服务,版本 2.3.x 或 2.4.x 对应 webchat 1.0.1)
Socket.IO (通信协议)
rasa-webchat hero image

快速开始

npm License Spectrum link

Rasa Webchat 💬

一个聊天小部件,用于将使用 RasaBotfront 构建的虚拟助手部署到任何网站上。


演示

⚠️ Rasa Webchat 1.0.1 版本专为 Rasa 2.3.x 和 2.4.x 版本设计。对于其他 Rasa 版本,请使用 1.0.0 版本。


功能

  • 文本消息
  • 快速回复
  • 图片
  • 轮播
  • Markdown 支持
  • 持久会话
  • 键入提示
  • 智能消息延迟
  • 可轻松通过 <script> 标签或作为 React 组件引入

🔥 推广:来看看我们另一个超酷的开源项目

演示

使用方法

<script> 标签中

在你的 <body/> 中:

<script>!(function () {
  let e = document.createElement("script"),
    t = document.head || document.getElementsByTagName("head")[0];
  (e.src =
    "https://cdn.jsdelivr.net/npm/rasa-webchat@1.x.x/lib/index.js"),
    // 将 1.x.x 替换为你想要的版本
    (e.async = !0),
    (e.onload = () => {
      window.WebChat.default(
        {
          customData: { language: "en" },
          socketUrl: "https://bf-botfront.development.agents.botfront.cloud",
          // 在此处添加其他属性
        },
        null
      );
    }),
    t.insertBefore(e, t.firstChild);
})();
</script>

⚠️ 我们建议添加版本标签,以避免重大版本更新带来的破坏性变化,例如对于 1.0.0 版本:https://cdn.jsdelivr.net/npm/rasa-webchat@1.0.0/lib/index.js。不过,这不适用于 1.0.0 以下的版本。如果不指定版本,系统将自动加载最新可用的 Rasa Webchat 版本。

关于图片:widthheight 定义了消息中图片裁剪缩放后的像素尺寸。如果未设置,则图片将根据容器的最大宽度进行缩放。

作为 React 组件

安装 npm 包

npm install rasa-webchat

然后:

import Widget from 'rasa-webchat';

function CustomWidget = () => {
  return (
    <Widget
      initPayload={"/get_started"}
      socketUrl={"http://localhost:5500"}
      socketPath={"/socket.io/"}
      customData={{"language": "en"}} // 任意自定义数据。尽量保持简洁,因为这些数据会被添加到 Socket 连接中
      title={"标题"}
    />
  )
}
  • 如果你不想显示启动器,请确保将 embedded 属性设置为 true

参数

属性 / 参数 默认值 描述
initPayload null 会话开始时发送给 Rasa 的负载
socketUrl null Socket URL
socketPath null 关闭聊天窗口
customData null 随 Socket 一起发送的任意对象。如果与 Botfront 一起使用,必须包含语言信息(例如 {"language": "en"}
docViewer false 如果将此属性添加到组件或初始化脚本中,设置为 docViewer=true,则会将接收到的消息中的链接视为文档链接(如 .pdf、.doc、.xlsx 等),并通过 https://docs.google.com/viewer 服务在弹出窗口中打开它们。
title 'Welcome' 小部件头部显示的标题
subtitle null 小部件头部标题下方显示的副标题
inputTextFieldHint "Type a message" 用户消息输入框的占位符
hideWhenNotConnected true 如果设置为 true,当与 Socket 的连接断开时,小部件将隐藏。
connectOn "mount" 此属性允许您选择小部件何时尝试连接到服务器。默认情况下,它会在挂载时立即尝试连接。如果您选择 connectOn='open',则仅在打开小部件时才会尝试连接。该属性只能取值为 mountopen
onSocketEvent null 在特定的 Socket 事件发生时调用自定义代码
embedded false 如果希望将小部件嵌入网页中,请将其设置为 true。此时小部件将始终处于打开状态,并且会立即触发 initPayload
showFullScreenButton false 显示全屏切换按钮
displayUnreadCount false 当小部件关闭时,在启动器上显示的图片路径
showMessageDate false 显示消息日期。可以通过函数覆盖:(timestamp, message) => return 'my custom date'
customMessageDelay 见下文 此属性是一个函数,接收消息字符串作为参数。每次收到消息时都会调用该函数,并将返回的毫秒数作为延迟时间,在显示新消息之前等待。
params 见下文 主要用于自定义图片大小,也可用于更改存储选项。
storage "local" ⚠️ 这不是一个属性,必须通过上述 params 对象传递。
指定会话状态在浏览器中的存储位置。“session”表示将状态存储在会话存储中。会话存储在页面重新加载时仍然存在,但在浏览器或标签页关闭后,或者调用 sessionStorage.clear() 时会被清除。“local”表示将状态存储在本地存储中。本地存储在浏览器关闭后仍然存在,但在清除浏览器 Cookie 或调用 localStorage.clear() 时会被清除。
customComponent null 用于自定义响应的自定义组件。例如:customComponent={ (messageData) => (<div>自定义 React 组件</div>)}。请注意,这仅适用于从 React 应用程序调用 Webchat 的情况,因为无法仅使用纯 JavaScript 编写组件。
onWidgetEvent {} 在特定的小部件事件上调用自定义代码(目前可用的事件包括 onChatOpenonChatCloseonChatHidden),只需在 props 中相应对象属性上添加函数,即可使其对事件作出反应。

其他示例

customMessageDelay
(message) => {
    let delay = message.length * 30;
    if (delay > 2 * 1000) delay = 3 * 1000;
    if (delay < 400) delay = 1000;
    return delay;
}
onSocketEvent
onSocketEvent={{
  'bot_uttered': () => console.log('机器人说了一些话'),
  'connect': () => console.log('连接已建立'),
  'disconnect': () => doSomeCleanup(),
}}
params

params 属性仅允许指定自定义图片尺寸:

params={{
        images: {
          dims: {
            width: 300,
            height: 200
          }
        }
      }}

其他功能

工具提示

当小部件关闭时接收到的文本消息将以工具提示的形式显示。

页面加载时发送消息

在重新连接到现有聊天会话时,机器人将发送存储在由 NEXT_MESSAGE 常量指定的 localStorage 键中的消息。该消息应为字符串化的 JSON,包含一个描述消息内容的 message 属性,以及一个以毫秒为单位的 UNIX 时间戳 expiry 属性,表示在此时间之后不应再发送该消息。这在希望机器人能够引导用户浏览网站时非常有用。

从你的 React 应用程序发送负载

function myComponent() {
    const webchatRef = useRef(null);
    
    // 当你的应用中发生某些事情时触发
    function callback() {
        if (webchatRef.current && webchatRef.current.sendMessage) {
            webchatRef.current.sendMessage('/myIntent{"entityName":"value"}');
        }
    }
    
    return <RasaWebchat
        ref={webchatRef}
    />;
}

负载可以是用户通常会发送的任何消息,但如果你想强制执行某个意图并可能包含一些实体,可以使用以下格式: /myIntent{"entity1":"value1","entity2":"value2"}

后端

该小部件可以与任何后端配合使用,但主要设计用于与 RasaBotfront 配合使用。

Rasa

使用 socketio 通道:请参阅 Rasa 文档中的说明

如果你想在 Rasa 中处理 customData,则需要 创建一个新的通道。可以将通道 rasa_core.channels.socketio 用作新通道的模板。在此通道中,可以通过 data['customData'] 获取 customData。然后你可以修改 sender_id,将 customData 保存到数据库,填充槽位,或者根据你的额外数据进行其他操作。

Botfront

Rasa Webchat 由 Botfront 团队开发,并且与 Botfront 配合使用。如果你的机器人是多语言的,请确保在 customData 属性中指定当前语言。例如:customData={{language: 'en'}}。更多详细信息请参阅 Botfront 文档

样式

从版本 0.8 开始,我们对所有 CSS 类名添加了前缀。如果你已经为小部件设置了样式,只需在你修改过的所有类名前加上 rw- 即可。

层次结构如下:

.rw-conversation-container
  |-- .rw-header
        |-- .rw-title
        |-- .rw-close-function
        |-- .rw-loading
  |-- .rw-messages-container
        |-- .rw-message
              |-- .rw-client
              |-- .rw-response
        |-- .rw-replies
              |-- .rw-reply
              |-- .rw-response
        |-- .rw-snippet
              |-- .rw-snippet-title
              |-- .rw-snippet-details
              |-- .rw-link
        |-- .rw-imageFrame
        |-- .rw-videoFrame
  |-- .rw-sender
        |-- .rw-new-message
        |-- .rw-send
类名 描述
.rw-widget-container 默认版本中包含聊天框的 div
.rw-widget-embedded 嵌入式聊天框的 div(使用 embedded prop)
.rw-full-screen 全屏聊天框的 div(使用 fullScreenMode prop)
.rw-conversation-container 包含头部、消息容器和发送区域的父级 div
.rw-messages-container 消息显示的中心区域
.rw-sender 底部区域的 div,用于提示用户输入
.rw-new-message 发送区域中的文本输入元素
.rw-send 发送区域中的发送图标元素
.rw-header 包含聊天框头部的顶部区域 div
.rw-title 头部的标题元素
.rw-close-button 头部的关闭图标
.rw-loading 头部的加载状态元素
.rw-message 存放客户消息和回复消息的方框
.rw-replies 提供快速回复选项的区域
.rw-snippet 用于描述链接的组件
.rw-imageFrame 用于发送图片的容器
.rw-videoFrame 用于发送视频的容器

贡献者

@PHLF @znat @TheoTomalty @Hub4IT @dliuproduction @MatthieuJnon @mofortin @GuillaumeTech


许可证

版权所有 © 2021 Dialogue Technologies Inc.

根据 Apache License, Version 2.0(“许可证”)授权; 除非符合许可证的规定,否则不得使用此文件。 你可以在以下网址获取许可证副本:

http://www.apache.org/licenses/LICENSE-2.0

除非适用法律要求或书面同意,否则根据“现状”分发的软件, 不提供任何形式的保证或条件。 有关权限和限制的具体规定,请参阅许可证。(C)2021 Dialogue Technologies Inc. 版权所有。

版本历史

0.5.92019/06/06
0.5.82019/05/07
0.5.72019/04/29
0.5.62019/03/06
0.5.52019/02/27
0.5.42019/02/11
0.5.32018/12/21
0.5.12018/12/03
0.5.02018/11/28
0.4.22018/11/14

常见问题

相似工具推荐

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

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

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

74.9k|★★★☆☆|今天
语言模型图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架