rasa

自己搭聊天机器人，不用把对话数据交给别人，想怎么调就怎么调。

开源 🏷️基础免费，高级付费 🔧 仅开源项目，无在线服务，需自行部署 对话助手 🍴 复刻 4908 🐛 待处理 160 👀 关注 348
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 21374
维护状态 低维护
是否开源 开源
定价模式 🏷️基础免费，高级付费 支持限时试用 · 开源框架免费，Rasa Pro 提供企业级功能，有试用。

项目预览

rasa 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类对话助手
开发团队RasaHQ
官网地址https://rasa.com/docs/rasa
GitHubhttps://github.com/RasaHQ/rasa
定价模式🏷️基础免费，高级付费
价格说明开源框架免费，Rasa Pro 提供企业级功能，有试用。
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bot,bot-framework,botkit,bots,chatbot,chatbots,chatbots-framework,conversation-driven-development,conversational-agents,conversational-ai,conversational-bots,machine-learning,machine-learning-library,mitie,natural-language-processing,nlp,nlu,rasa,spacy,wit
GitHub 星标★ 21374
上线时间2016-10-14 00:00:00
代码更新2026-07-24
仓库体积1.63 GB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

Rasa 是一个开源的对话式 AI 框架，用于构建文本和语音驱动的聊天机器人与语音助手。它拆分为两个核心模块：Rasa NLU 负责意图识别和实体抽取，Rasa Core 负责对话管理与策略学习，开发者可以基于它灵活控制多轮对话的流程和状态。Rasa 支持接入 Slack、Facebook Messenger、Telegram 等主流消息渠道，也提供 REST API 方便集成到自有系统中。它的主要特点是训练数据采用纯文本或 Markdown 格式，易于版本化管理；对话策略支持基于规则的硬编码和基于机器学习的软性选择，兼顾可控性与灵活性。Rasa 还强调 conversation-driven development 理念，提倡通过真实对话日志持续改进模型。整体上它是一套自托管、可私有化部署的方案，适合对数据隐私和定制化要求较高的团队，但上手门槛和学习成本也相对明显。

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 ★ 21374

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶 约 25 分钟 部署方式：本地安装 6 步

环境要求

  • Python 环境（Rasa 是 Python 项目）
  • Poetry：Rasa 使用它做打包和依赖管理
  • make 构建工具：README 的安装与测试命令均为 make 目标
  • 本地编译工具链（macOS 可能需要设置 SYSTEM_VERSION_COMPAT）

安装与启动步骤

  1. 1安装 Poetry

    Rasa 使用 Poetry 管理依赖，先按 Poetry 官方指南在本机装好 Poetry，再继续后续构建。

  2. 2获取 Rasa 源码

    从 GitHub 官方仓库克隆代码并进入目录，后续 make 命令都需要在仓库根目录执行。

    git clone https://github.com/RasaHQ/rasa.git
cd rasa

  3. 3从源码构建安装

    在仓库根目录执行 make install，会安装依赖并完成本地构建，首次执行耗时较长。

    make install

  4. 4处理 macOS 编译问题

    macOS 用户若 make install 出现编译器相关报错，先导出该环境变量再重新安装。

    export SYSTEM_VERSION_COMPAT=1
make install

  5. 5装测试依赖

    按系统选择对应目标安装开发测试所需依赖：Ubuntu/Debian 用前者，macOS 用后者。

    make prepare-tests-ubuntu # Ubuntu/Debian
make prepare-tests-macos  # macOS

  6. 6运行测试验证

    执行 make test 运行测试套件，全部通过说明本地开发环境搭建成功。

    make test

关键配置

配置项必填说明示例
SYSTEM_VERSION_COMPAT否macOS 编译报错时设置，用于兼容旧版系统标识1

如何确认成功

执行 make test 后测试全部通过，说明依赖与本地构建环境均正常。

常见问题

Q：Windows 系统怎么安装？

A：README 只给出了 Ubuntu/Debian 和 macOS 的测试依赖命令（make prepare-tests-ubuntu / make prepare-tests-macos），Windows 未提供对应说明，建议改用 WSL 或 Linux 环境。

Q：make install 报编译错误怎么办？

A：README 给出的方案是：macOS 用户先执行 export SYSTEM_VERSION_COMPAT=1，然后重新运行 make install。

Q：Rasa 现在还在积极维护吗？

A：README 明确提示 Rasa Open Source 已进入维护模式（Maintenance Mode），官方后续方向是 Hello Rasa 与 CALM。

Q：需要自己训练 NLU 数据吗？

A：本仓库仍是原 Rasa Open Source；README 提到新方案 Hello Rasa 已不再需要 NLU 训练，由 LLM 负责对话理解、代码负责业务规则。

注意事项

  • README 标注 Rasa Open Source 处于维护模式，新项目可优先了解 Hello Rasa 与 CALM。
  • README 的安装说明面向开发环境（Poetry + make），未提供 pip 一键安装或 Docker 方式，正式使用请查官网文档。
  • make install 涉及依赖编译，耗时会明显长于普通 pip 安装，建议预留时间并保证磁盘空间。

核心亮点

  • NLU 和对话管理双模块一体，既做意图/实体识别，也管多轮对话策略，无需拼凑多个库
  • 完全开源可私有化部署，训练数据和模型都在本地，适合有数据合规要求的业务
  • 能直接连 Slack、Facebook、Telegram 等渠道，并提供 REST API，接入现有系统方便

不足之处

  • 配置和训练流程较复杂，需要理解 NLU、故事、规则、策略等概念，新手入门坡道较陡
  • 社区规模和生态丰富度相比 Dialogflow 等商业平台仍有差距，部分高级功能文档完善度待观察

适用场景

  • 企业内部客服助手：基于私有知识库做意图识别和问答，自动回复常见问题并转人工
  • 语音助手后端：结合语音识别/合成服务，用 Rasa 管理对话逻辑，支持多轮确认和槽位填充
  • 垂直领域业务机器人：如银行、医疗、政务流程办理，通过自定义规则和模型控制对话合规性

替代项目

Dialogflow、Botpress

上一篇：fast-agent

下一篇：bisheng

同类项目推荐

CodeGraphContext 开源

把代码库变成关系图，让 AI 助手查得准、答得对

An MCP server plus a CLI tool that indexes local code into a graph database to provi···

★ 4400 2026-10-16
Arcade-Learning-Environment 开源

用 Atari 2600 游戏快速搭建和评测强化学习智能体

A simple framework that allows researchers and hobbyists to develop AI agents for At···

★ 2466 2026-09-22
chatgpt.js 开源

几行代码接入 ChatGPT，前端/Node 都适用，还带命令行调试工具。

A powerful, lightweight JavaScript library + interactive CLI for ChatGPT

★ 2038 2026-08-09
deepagents 开源

开箱即用的智能体框架，快速构建生产级 AI 应用

The batteries-included agent harness.

★ 31109 2026-08-10
schemagate 开源

按权限裁剪表结构，让 SQL Agent 只看到能读的表

Text-to-SQL access control: schema selection that gives the LLM only the tables the ···

★ 140 2026-10-15
OgbujiPT 开源

一套代码接入各种大模型，自托管也能轻松搞定

Client-side toolkit for using large language models, including where self-hosted

★ 115 2026-08-09
langchain4j-community 开源

按需引入社区模块，让 Java 应用快速接上各家大模型与向量库

LangChain4j integrations that are maintained by the community

★ 226 2026-09-12
LLPhant 开源

用 PHP 快速构建 GPT 应用，像写 Laravel 一样写 AI 功能

LLPhant - A comprehensive PHP Generative AI Framework using OpenAI GPT 4. Inspired b···

★ 1722 2026-08-10
compass 开源

把代码库变成知识图谱，让 AI 更懂你的项目

Native, local-first knowledge graph engine for code and project artifacts—inspired ···

★ 175 2026-08-09