面向开发人员的 8 个顶级开源聊天机器人构建器

您是否知道聊天机器人已经存在了大约 60 年？在现代，它们更有用、更强大，甚至对公司的生存至关重要。

在本文中，我们将重点介绍 8 个开源聊天机器人工具和平台，它们能够提供出色的用户体验并节省资源。

为什么强调开源聊天机器人？

尽管商业聊天机器人构建者数量众多，但开源平台仍然为公司、非政府组织甚至政府提供了明显的好处：

• 完全控制数据，消除供应商锁定的风险

• 底层技术的透明度，促进更好的开发和调试过程

• 更强的定制性和可扩展性——如果其付费平台不支持，商业供应商将收取高额费用。

• 至于定价，开源聊天机器人不一定更便宜，尤其是在设置所需的高工程技能的情况下。然而，在处理深度定制、与现有平台集成或大型用户群时，自托管聊天机器人可以显著节省成本。

我们还将向您简要介绍 n8n ——一个可扩展的、可用源的工作流自动化工具。n8n 将允许您创建更复杂的聊天机器人行为，并将聊天机器人相互集成或与其他服务集成，而无需与 API 冲突。

具有这些集成最流行的工作流程

01

8 个最佳开源聊天机器人

您将在本文中找到以下开源聊天机器人软件平台的概述：

1. Botpress：聊天流的可视化无代码解决方案

2. Microsoft Bot Framework：非常适合 Microsoft 生态系统中的复杂机器人

3. Rasa：基于Python的定制企业聊天机器人

4. Tock：非常适合有或没有互联网连接的嵌入式设备

5. Wit.ai：专为 Facebook Messenger 设计的聊天机器人构建器

6. BotMan：基于PHP的聊天机器人

7. DeepPavlov：用于复杂聊天机器人和虚拟助手的人工智能框架

8. HuggingChat：基于 GPT 的开源模型

Botpress

最适合：构建可视化无代码聊天流程

概述：Botpress 是领先的聊天机器人开发平台，适合免费制作定制的开源聊天机器人。这些机器人能够处理各种功能，例如客户支持、销售和营销。

该平台允许开发人员根据其业务需求定制聊天机器人。Botpress 利用自然语言处理 (NLP) 来理解和解释人类语言，提供更加人性化的交互。它配备了直观的可视化流程构建器，使用户能够设计对话流程、管理内容和实现用户界面。

主要特征：

• 视觉流程构建器：Botpress 拥有拖放功能，使聊天机器人对话设计和实施变得轻而易举；

• NLP 引擎：凭借其内置的语言理解，Botpress 可以轻松理解用户意图并提供上下文相关的响应。开发人员可能需要根据机器人的用例进行额外的配置；

• 全渠道：Botpress 支持跨网站、Facebook Messenger 和 Slack 等多个渠道部署聊天机器人，确保跨平台提供稳健且统一的体验；

• 集成：它提供与现有数据库、CRM 系统和其他业务应用程序的轻松集成。如果 n8n 中存在可以从 Botpress 触发的预先存在的工作流程，这尤其有用。

Microsoft Bot Framework

最适合：在 Microsoft 生态系统中构建复杂的机器人

概述：Microsoft Bot Framework (MFB) 是一个综合产品，用于构建、测试、部署和管理可以跨多个平台与用户自然交互的智能机器人。

该聊天机器人构建器为程序员提供了 SDK，并为不太懂技术的公民开发人员提供了可视化画布 Bot Framework Composer。MFB 与其他 Microsoft 服务紧密集成，这是一把双面剑。尽管 MBF 是一个开源项目，但一些关键组件仍然是闭源的，请查看下面的详细信息。

主要特征：

• MFB 支持创建能够跨众多平台（包括网站、应用程序、Microsoft Teams、Skype、Slack 和 Facebook Messenger）与用户无缝交互的机器人。如果您需要更大的灵活性，支持自定义HTTP请求；

• 语言理解智能服务（LUIS）：该专有功能允许机器人根据上下文理解用户语言并做出适当响应，使交互更加人性化；

• 与Azure 认知服务集成：这使得机器人能够理解和解释用户输入，例如图像和语音。请注意，认知服务是 Microsoft 的付费产品；

• Direct Line REST API：这个强大的API 有助于在您的机器人和应用程序之间创建自定义通信通道。

Rasa

最适合：使用 Python 制作自定义企业聊天机器人

概述：Rasa 是一个开源机器学习框架，用于构建人工智能驱动的聊天机器人和语音应用程序。它因其构建强大的、基于上下文的对话体验的能力而广为人知。

Rasa 不使用严格的基于规则的聊天流程，而是利用自然语言理解 (NLU) 和机器学习 (ML) 来理解和响应用户输入，使其能够进行更复杂、更人性化的对话。

主要特征：

• 面向开发者的平台：通过yml配置文件提供设置，并且可以用Python编写自定义代码；

• 简单的模型训练：提供 NLU 示例后，可以轻松（重新）训练机器人逻辑并将其部署为单个文件；

• 多个连接器，可将 Rasa 与其他平台结合使用，无论是您自己的网站还是几个流行的即时通讯软件；

• Rasa X——可视化低代码仪表板仅作为企业计划的一部分提供。

Tock

最适合：为物联网创建聊天机器人

概述：Tock（开放对话工具包）可能比 Rasa 鲜为人知，但是，它与之前的聊天机器人构建器有某些相似之处。它是一个完全开源的对话式人工智能平台，允许构建完整的解决方案并且不依赖于第三方 API。更重要的是，使用 Tock 创建的开源机器人可以完全独立工作，使该解决方案非常适合嵌入式系统。

主要特征：

• Tock Studio：用于构建、测试和监控 NLP 模型的可视化编辑器；

• 适用于 Kotlin、Nodejs、Python 和 REST API 的会话 DSL 允许开发人员以多种语言创建聊天流；

• 多个文本/语音通道的内置连接器：Facebook Messenger、WhatsApp、Google Assistant、Alexa、Twitter 等；

• 最后，聊天机器人可以通过Docker 方便地部署。

Wit.ai

最适合：为 Facebook 构建聊天机器人

概述：如果您主要关注 Facebook，那么请查看 Wit.ai。它是一个聊天机器人构建平台，允许开发人员为各种应用程序（例如消息传递平台和语音助手）创建对话界面。

该平台使用自然语言处理 (NLP) 和机器学习算法来理解和响应用户输入，使企业可以轻松实现客户交互自动化并改善整体客户体验。尽管Wit.ai是一个开源项目，但NLU引擎等重要关键组件仅在云端运行。

主要特征：

• Composer ——可视化编辑器，有助于以低代码方式创建聊天流程；

• Wit.ai 负责模型训练，因此聊天机器人开发人员需要提供示例并创建意图和回复列表；

• 提供多种语言的SDK，例如Node.js、Python、Go、Ruby 和Unity。

BotMan

最适合：用 PHP 创建聊天机器人

概述：BotMan 是一个方便的开源 PHP 库，可简化聊天机器人的创建。它完全面向开发人员，并且需要编程技能。与其他用 JS 和其他几种语言编写的平台不同，BotMan 对于仍在支持 PHP 项目的程序员来说是一个很好的实用程序。

主要特征：

• 与框架无关：这意味着BotMan 支持任何PHP 框架；

• 支持多种消息平台，包括 Slack、Telegram、HipChat、Facebook Messenger、微信以及通过 API 驱动程序的任何其他应用程序；

• NLU 功能不随BotMan 一起提供。这意味着意图检测应该通过其他提供商完成，例如 Rasa NLU。还可以为此任务配置 ChatGPT。

DeepPavlov

最适合：创建复杂的虚拟助手

概述：DeepPavlov 是一个用于深度学习端到端对话系统、聊天机器人和虚拟助手的开源库。在今天的聊天机器人平台列表中，它是早在 ChatGPT 之前就出现的最先进的项目。DeepPavlov 允许开发人员构建、测试和部署一流的聊天机器人。然而，这个平台需要大量的编程和机器学习技能。

主要特征：

• 预训练模型：DeepPavlov 提供了一系列预训练模型，开发人员可以将其用作对话式 AI 系统的构建块；

• 高级NLP 工具：它为命名实体识别、情感分析和意图识别等任务提供复杂的自然语言处理(NLP) 工具。

• 资源密集型：训练高级模型可能是资源密集型的，并且可能需要高性能硬件。

HuggingChat

最适合：在开源 Llama2 模型上测试聊天机器人

概述：HuggingChat 确实脱颖而出。如果您仔细阅读了本文，您可能已经注意到许多聊天机器人平台使用在 ChatGPT 时代之前开发的各种 NLU 模型。

这些相对“旧”的方法更难以配置和实施，与 ChatGPT 相比，它们对最终用户产生的惊喜效果也较小。由于 GPT 3.5 和 GPT 4 模型是专有的，因此 HuggingChat 提供基于开源 Llama2 模型的免费聊天机器人平台令人印象深刻。

主要特征：

• Llama2 模型是可与 GPT-3.5 相媲美的 ChatGPT 有效替代品；

• 目前，HuggingChat 作为网络界面机器人出现，但通过非官方的 HuggingChat API，它可用于构建聊天机器人。这为在创建完整的自托管人工智能聊天机器人之前测试开源法学硕士提供了绝佳的机会。

02

在开源聊天机器人中寻找什么

现在您可以选择 8 个开源聊天机器人。要决定选择哪一个，请记住检查这些聊天机器人：

基于规则的机器人

在构建简单的基于规则的机器人方面，开源平台通常表现出色。 鉴于这些机器人部署在您自己的基础设施上，访问内部数据以实现客户体验个性化变得更加容易。这意味着聊天机器人不仅可以提供产品相关信息，还可以处理和修改订单。请记住，这是在零人工智能参与的情况下实现的！

NLP 和 NLU 能力

对于更复杂的项目，许多开源聊天机器人提供自然语言处理（NLP）和自然语言理解（NLU）功能。这些机器学习解决方案在 ChatGPT 时代之前就很流行，确实需要在部署过程中进行额外的调整，并可能需要进一步的培训，使它们更适合大型项目。

基于 ChatGPT 的人工智能

ChatGPT 的兴起迎来了下一代聊天机器人，能够更准确地模拟类人对话并理解用户意图，而无需进行大量培训。基于 GPT 的 AI 聊天机器人的问题在于它们对基于云的提供商的依赖，例如 OpenAI GPT API 和 Claude 服务等。

云（内）依赖性

随着越来越多的 LLM 开源，目前 GPT 大型语言模型 (LLM) 对云提供商的依赖正在减少。凭借足够的知识和适当的硬件，公司现在可以创建拥有最先进功能的完全独立的开源聊天机器人。

总而言之，您选择的开源聊天机器人必须符合项目的复杂性，具有必要的 AI 功能（如果需要），并且理想情况下应该是独立的或对云提供商的依赖程度最小。