chatbot-list
chatbot-list 是一个专注于智能客服与聊天机器人领域的开源资源聚合库。面对大模型时代技术迭代快、资料分散的现状，它系统整理了行业内关于应用架构、核心算法及企业落地的深度分享。chatbot-list 汇集了阿里巴巴、腾讯、快手等头部公司的实战案例，涵盖从小蜜、天猫精灵到 Agentic AI 的商业化探索，为用户提供了一站式的知识入口。
这一资源库非常适合人工智能开发者、系统架构师、算法研究员以及关注智能交互的产品经理。内容不仅涉及知识图谱、RAG 检索增强生成等技术细节，更包含了如阿里云客户服务 Agent 提效、SRE 重塑等业务视角的分析。通过梳理这些经过验证的方案，chatbot-list 帮助从业者在构建对话系统时快速对标行业标杆，避免重复造轮子，从而更高效地跟进前沿技术趋势。
使用场景
某中型电商平台技术总监计划引入大模型重构智能客服系统，以提升用户咨询响应速度并降低人力成本。
没有 chatbot-list 时
- 需要全网搜索各家大厂案例，信息分散且难以验证真实性与时效性。
- 不清楚企业级架构如何从传统规则引擎平滑过渡到 Agent 模式。
- 缺乏具体的算法落地细节，容易陷入纯理论研究的误区而忽略工程化。
- 重复造轮子风险高，不知道行业内关于知识图谱或 RAG 的最佳实践。
使用 chatbot-list 后
- 直接获取阿里小蜜、腾讯云等企业的实战文章与内部技术分享链接，无需翻墙或付费。
- 快速理解知识图谱与大模型结合的具体架构设计思路及演进路径。
- 参考姜剑、贾立等人的分享，明确业务提效的关键路径与避坑指南。
- 基于现有成熟方案调整自身策略，大幅缩短技术选型与调研周期。
chatbot-list 让团队能站在行业巨人的肩膀上，快速获取经过验证的技术路线与架构灵感。
运行环境要求
- 未说明
未说明
未说明
快速开始
聊天机器人列表
行业内关于智能客服、聊天机器人的应用和架构、算法分享和介绍 ( 最后更新：2025 年 08 月 26 日）
大模型时代
企业级实践
- 开天大模型与知识图谱在智能客服场景应用探索
- 吕帆 - 哔哩哔哩基于云的客服架构体系
- AIConf 阿里云客户服务领域 Agent 在业务提效上的思考与创新实践_姜剑 (飞樰)
- 纷享销客 AIAgent 平台落地实践
- 快手 从被动服务到主动任务，Agentic AI 在 B 端商业化的应用探索
- AI conf 许小川 - 腾讯云顾问：从人到数智平台，用 AI 重塑 SRE
- B 站大模型×领域 RAG：打造高效、智能化的用户服务体验
- 哈啰出行从 Copilot 到 Agent 模式的探索 - 贾立
- 51Talk-AI+Agent+-+在业务增长中的落地实践
- 万科物业科技
- 京东商家助手
- 58 同城 - 灵犀大模型
阿里巴巴
小蜜
非技术推广
其他
阿里千亿级购物节背后，淘宝智能客服架构演进之路（注：偏在线客服）
天猫
蚂蚁
闲鱼
云问（拼多多、当当）
携程
去哪儿
平安 AI
京东
- “天枢”智能调度系统，让京东专属客服与您“一拍即合”
- 干货 | 京东 JIMI 用户未来意图预测技术揭秘
- 京东揭秘 | 技术方案解答智能客服如何双商俱高
- 京东 618：智能机器人 JIMI 的进击之路
- 揭秘 | 技术方案解答智能客服如何双商俱高
- 京东 JIMI 机器人累计服务上亿用户 开放平台共享人
- JIMI：用深度学习搞定 80% 的客服工作
- 京东 JIMI 技术架构
- 开放的 JIMI，开放式架构
- PPT|智能客服机器人在售前导购场景中的应用实践
Uber
58 同城
饿了么
美团
滴滴
- 智能机器人在滴滴出行场景的技术探索
- 滴滴 KDD 2019 论文详解：基于深度学习自动生成客服对话
- KDD 2019 滴滴论文解读 | 基于深度学习自动生成客服对话摘要
- 智能客服渗透叫车平台易到、滴滴、首汽哪家的客服更聪明？
瓜子
平安银行
小冰
苏宁
贝壳
第四范式
腾讯
网易
OPPO
- QCon-小布助手对话系统工程实践_OPPO 数智技术_InfoQ 写作社区 视频版 提取码：z6i0
- 对话系统简介与 OPPO 小布助手的工程实践_人工智能_OPPO 小布助手_InfoQ 写作社区
- OPPO 小布助手算法系统的探索、实践与思考_人工智能_OPPO 小布助手_InfoQ 写作社区
- 对话交互：封闭域任务型与开放域闲聊算法技术_人工智能_OPPO 小布助手_InfoQ 写作社区
- OPPO 小布助手算法系统探索、实践与思考_算法_OPPO 数智技术_InfoQ 写作社区
智能一点
接口定义参考
其他
聊天机器人介绍
其他
汇总
【专知荟萃 05】聊天机器人 Chatbot（聊天机器人）知识资料全集（入门/进阶/论文/软件/数据/专家等）(附 pdf 下载)
【专知荟萃 03】知识图谱 KG（知识图谱）知识资料全集（入门/进阶/论文/代码/数据/综述/专家等）（附 pdf 下载）
对话系统
对话管理
- 干货｜深度强化学习在面向任务的对话管理中的应用
- 机器人，我们来聊天吧
- 多轮对话之对话管理 (Dialog Management)
- 任务导向型对话系统——对话管理模型研究最新进展 -2019-12-26
- AI LIVE | DSTC 8“基于 Schema 的对话状态追踪”竞赛冠军方案解读
- 对话状态跟踪中关于上下文信息粒度的详细调查
对话状态跟踪
- 一起来看看最新的对话状态追踪 (DST) 模型
- 最新研究|Amazon AI 技术改善了语音识别和对话状态跟踪
- 大家说 | 任务型对话中的状态跟踪（Dialogue State Tracking）
- 对话平台如何应对多领域和服务切换？基于 Schema 的对话状态追踪解决方案一则
- 【字节跳动 - 李航】一种按序列进行对话状态跟踪的方法
- 基于深度学习方法的对话状态跟踪综述
- 谷歌：提高长文本对话状态跟踪能力
对话策略学习
- 博客 | 一文看懂任务型对话中的对话策略学习（DPL）
- 基于弱监督演示的对话策略学习
- AI 研习丨张伟男：任务型对话系统中策略优化方法回顾
- 知乎专题
- 端到端的任务型对话 (一)
- 任务型对话系统公式建模&&实例说明
- 总结 | 对话系统中的口语理解技术 (SLU)（一）
- 总结 | 对话系统中的口语理解技术 (SLU)（二）
- 总结 | 对话系统中的口语理解技术 (SLU)（三）
- 一文看懂任务型对话系统中的状态追踪（DST） https://mp.weixin.qq.com/s/zI1P_KJiBbA_93fwfX6lwg
- 一文看懂任务型对话中的对话策略学习（DPL）
- 总结 | 对话系统中的自然语言生成技术（NLG）
- 多轮对话状态追踪（DST）--模型介绍篇
对话生成
知识图谱
问答系统
智能客服
- 十张图解读我国智能客服行业发展现状与前景
- AI 前沿 | 如何让智能客服更有温度？
- 不是所有的智能机器人都能做好客服——浅谈智能客服机器人评价指标新趋势
- 能感知情绪的 IBM 机器人，正打算消灭人工在线客服
- 项目实战｜智能客服（“七鱼”、“小 i 机器人”）产品分析
- 关于券商智能客服，那些绕不开的坑
- 你问我答之「智能客服评价体系全解读」
- 追一科技券商 AI 沙龙：智能呼叫的价值落地
- 当 Elasticsearch 遇见智能客服机器人
- 详解第二代客服机器人 | 聚焦问题解决，客户服务任务一站直达
- 项目实战｜智能客服（“七鱼”、“小 i 机器人”）产品分析
- 国内的智能客服发展到哪一步了？这里有份追踪报告
智齿
知识库
相关
- CrossWOZ，一个大规模跨领域中文任务导向对话数据集
- 技术动态 | 多轮检索式问答
- 数十名工程师作战 5 天，阿里达摩院连夜研发智能疫情机器人
- 语音 AI 革命十年，不忍看，不敢看！
- NLP 技术在微博 feed 流中的应用
- Facebook 开源 Python 预测工具，用起来太方便了
入门
- 人机对话系统
- Chatbot 对话式交互与 API 设计
- 对话即平台：利用人工智能以及云平台打造你的智能机器人 如何打造主动对话式 AI 知识图谱及其在问答和对话中的应用 对话机器人如何落地 对话式 AI 在客户联络中心的应用
贡献者
声明
在复制本项目内容时，请保留贡献者信息。
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
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。
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。
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。
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。
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。