DeepPavlov

用 DeepPavlov，快速搭建和部署你自己的智能对话机器人。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 1166 🐛 待处理 57 👀 关注 208

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 6996

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源库，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类对话助手

开发团队deeppavlov

官网地址https://deeppavlov.ai

GitHubhttps://github.com/deeppavlov/DeepPavlov

定价模式🏷️完全免费

价格说明开源库，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai,artificial-intelligence,bot,chatbot,chitchat,deep-learning,deep-neural-networks,dialogue-agents,dialogue-manager,dialogue-systems,entity-extraction,intent-classification,intent-detection,machine-learning,named-entity-recognition,nlp,nlp-machine-learning,question-answering,slot-filling,tensorflow

GitHub 星标★ 6996

上线时间2017-11-17 00:00:00

代码更新2025-08-06

仓库体积32.1 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

DeepPavlov 是一个开源的深度学习对话系统库，旨在帮助开发者和研究人员快速构建端到端的聊天机器人和对话助手。它解决了从零搭建对话系统时面临的工程复杂性和算法实现难度问题，提供了一套模块化、可扩展的框架。核心能力包括：支持多种对话任务（如任务型对话、开放域闲聊）、内置丰富的预训练模型（如 BERT、Transformer）、提供知识库问答（KBQA）、意图识别、槽位填充、命名实体识别等自然语言理解组件，以及对话管理（DST、Policy）和自然语言生成模块。此外，它支持多语言，并提供 REST API 和 Docker 部署，方便集成到实际应用中。DeepPavlov 特别适合学术研究和工业原型开发，其设计强调易用性和灵活性，用户可以通过配置文件快速搭建定制化的对话流程。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 6996

技术标签

ai artificial-intelligence bot chatbot deep-learning

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

操作系统：Linux、Windows 10+（通过 WSL/WSL2）或 MacOS Big Sur+
Python 3.6、3.7、3.8、3.9 或 3.10
内存 4~16 GB，具体取决于所选模型
已安装 pip 和 venv（随 Python 自带）

安装与启动步骤

1创建虚拟环境

在项目目录下用 Python 自带的 venv 创建名为 env 的隔离环境，避免与其他项目依赖冲突。
```
python -m venv env
```
2激活虚拟环境

在 Linux 下执行激活脚本，激活后命令行提示符前会出现 (env) 标识。Windows 请参考官方文档用 WSL/WSL2。
```
source ./env/bin/activate
```
3安装 DeepPavlov

在已激活的虚拟环境中安装 deeppavlov 包，安装过程会下载 PyTorch、transformers 等依赖，耗时较长。
```
pip install deeppavlov
```
4选择预训练模型

各模型由独立配置文件定义，可在文档的模型列表页查看，并在 Python 中通过 deeppavlov.configs 获取可用配置。
5训练评估或推理

选定模型与配置文件后，可通过命令行接口（CLI）或 Python 两种方式对模型进行训练、评估和推理。