RasaGPT

用 Rasa 和 Langchain 快速搭建带知识库的聊天机器人后端

RasaGPT 是一个基于 Rasa 和 Langchain 构建的无头 LLM 聊天机器人平台，旨在将传统 Rasa 对话管理与大语言模型能力结合。它解决了开发者在构建企业级聊天机器人时面临的复杂集成问题，提供了一套完整的后端服务，包括 FastAPI 接口、SQLModel 数据模型、pgvector 向量存储，以及通过 ngrok 暴露本地服务，并支持 Telegram 渠道。其核心能力包括：利用 LlamaIndex 进行文档索引和检索增强生成（RAG），通过 Langchain 编排 LLM 调用，同时保留 Rasa 的对话管理能力，实现可控的对话流程。平台采用无头架构，开发者可自由定制前端，专注于后端逻辑。项目处于早期成长阶段，适合技术团队快速搭建具备上下文记忆和知识库问答的聊天机器人原型。

开源 unknown 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2466

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类对话助手

开发团队paulpierre

所属国家

官网地址https://rasagpt.dev

GitHubhttps://github.com/paulpierre/RasaGPT

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,chatbot,chatgpt,fastapi,gpt-3,gpt-4,langchain,llama-index,llm,ml,openai,rasa,rasa-chatbot,rasa-core,rasa-nlu,telegram,telegram-bot

GitHub 星标★ 2466

30天Star增速

HF 下载量

上线时间2023-04-25 00:00:00

最近更新2026-09-21 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：入门约 15 分钟部署方式：Docker 6 步

环境要求

已安装 Git（用于克隆仓库）
已安装 Docker 与 docker-compose
已安装 make 命令（项目通过 Makefile 编排服务）
macOS 用户可直接使用；Linux/Windows 用户需按 README 修改 Rasa 镜像名

安装与启动步骤

1克隆代码仓库

把 RasaGPT 仓库拉到本地并进入项目根目录，后续所有命令都在该目录执行。
```
git clone https://github.com/paulpierre/RasaGPT.git
cd RasaGPT
```
2生成环境变量文件

README 要求必须先由示例文件生成 .env，否则安装流程第一步的检查会失败。
```
cp .env-example .env
```
3非 macOS 改镜像名

Linux/Windows 用户需把 khalosa/rasa-aarch64:3.5.2 改为 rasa/rasa:latest，位置在 docker-compose.yml 第 64 行和 app/rasa/actions/Docker
4一键安装并启动

根目录 Makefile 会按正确顺序安装并运行全部服务，包括数据库、Rasa 模型训练等。
```
make install
```
5再次启动服务

安装完成后，后续每次启动只需执行 make run 即可重新拉起所有服务。
```
make run
```
6查看可用命令

输入 make 可列出 Makefile 中的完整命令列表，方便执行其他维护操作。
```
make
```

如何确认成功

浏览器打开 http://localhost:8888/docs，能看到 REST API 接口文档即表示服务启动成功。

常见问题

Q：Linux 或 Windows 上安装失败怎么办？

A：把 docker-compose.yml 第 64 行和 app/rasa/actions/Dockerfile 第 1 行的镜像从 khalosa/rasa-aarch64:3.5.2 改成 rasa/rasa:latest 后重试。

Q：安装完成后如何再次启动？

A：直接执行 make run 即可重新运行全部服务，无需再次执行 make install。

Q：有哪些可用的管理命令？

A：在项目根目录输入 make，会输出 Makefile 支持的完整命令列表。

Q：安装过程自动做了哪些事？

A：会检查 .env、初始化 pgvector 数据库、创建数据库表结构、训练 Rasa 模型、配置 ngrok 与 Telegram webhook、启动 actions 服务并写入种子数据。

注意事项

必须先执行 cp .env-example .env 生成 .env，安装脚本会首先检查该文件是否存在。
安装会自动初始化 pgvector 向量数据库、训练 Rasa 模型，并通过 ngrok 让 Telegram 回调本地 API，请保持网络畅通。
项目为无头（headless）架构，仅提供后端 API，接口文档默认在 http://localhost:8888/docs。

核心亮点

整合 Rasa 对话管理与 Langchain LLM 编排，兼顾可控性与智能性
基于 pgvector 实现向量检索，支持知识库问答和上下文记忆
提供 FastAPI 后端和 Telegram 集成，开箱即用，便于快速原型开发

不足之处

项目仍处于早期阶段，文档和社区支持待观察
依赖组件较多（Rasa、Langchain、pgvector等），部署和配置复杂度较高

适用场景

企业需要快速搭建具备内部知识库问答的客服机器人
开发者希望将 Rasa 对话流程与 GPT 等 LLM 能力结合进行原型验证
需要无头后端，自定义前端界面的聊天机器人项目

替代项目

Rasa、LangChain、Botpress

项目介绍

RasaGPT 是对话助手领域的开源项目，由 paulpierre 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,466）位列前 30%，在对话助手分类的 907 个项目里位列前 11%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。从国内网络环境看，当前已无法正常访问。

它主要面向的使用场景是：企业需要快速搭建具备内部知识库问答的客服机器人。同类可对比的替代方案包括 Rasa、LangChain、Botpress。

上一篇：HuixiangDou

下一篇：awesome-chatgpt