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。

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。

开源 freemium 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 21327

维护状态维护中

是否开源是

定价模式 freemium

项目数据

分类对话助手

开发团队RasaHQ

所属国家

官网地址https://rasa.com/docs/rasa

GitHubhttps://github.com/RasaHQ/rasa

定价模式freemium

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

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★ 21327

30天Star增速

HF 下载量

上线时间2016-10-14 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

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6

使用教程

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

项目介绍

rasa 是开发框架领域的开源项目，由 RasaHQ 开发，2016 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（21,327）位列前 3%，在开发框架分类的 795 个项目里位列前 3%。

近 44 天，它的 GitHub 星标从 21,290 增加到 21,327，净增 37。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。开源框架免费，Rasa Pro 提供企业级功能，有试用。

它主要面向的使用场景是：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。同类可对比的替代方案包括 Dialogflow、Botpress。

上一篇：fast-agent

下一篇：bisheng