chatbot

本地训练小模型，快速搭建实用对话智能体

Chatbot 是一个基于 Python 和 PyTorch 的开源对话助手项目，旨在为开发者提供从模型训练到实际部署的完整解决方案。项目近期重点转向小参数语言模型（SLM），并附带训练脚本，支持本地环境下的模型微调与训练，降低了 LLM 应用的门槛。同时，项目引入了 ChatAgent 模块，实现了多种具有实际业务价值的智能体（Agent）场景，如购物助手等。核心能力包括：提供灵活的对话模型架构、支持自定义训练流程、内置多种 Agent 实现范例，方便开发者快速构建和定制自己的对话系统。项目代码结构清晰，适合作为学习 seq2seq 对话模型和 Agent 开发的参考，也适合中小团队快速原型验证。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3582

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队zhaoyingjun

所属国家

官网地址

GitHubhttps://github.com/zhaoyingjun/chatbot

定价模式free

价格说明开源项目，本地部署，全部功能免费。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型agentic-ai,ai,aiagents,chatbot,python,pytorch,seq2seq-chatbot,shopping,slm

GitHub 星标★ 3582

30天Star增速

HF 下载量

上线时间2018-01-08 00:00:00

最近更新2026-09-17 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2

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

Python 3.8 及以上
Google Chrome 浏览器（140.0 及以上，建议最新稳定版）
已下载与 Chrome 版本匹配的 Chrome 驱动（项目 dist/resourece 目录有下载地址）
可用的 AI 模型 API 密钥（在系统设置中填写）

安装与启动步骤

1克隆项目代码

先准备好本地目录与 git 环境，将项目代码库完整克隆到本地。
```
git clone https://github.com/zhaoyingjun/chatbot.git
cd chatbot
```
2安装依赖包

在项目根目录执行，安装 requirements.txt 中列出的全部 Python 依赖，建议先建虚拟环境。
```
pip install -r requirements.txt
```
3启动后端服务

运行后端 FastAPI 服务，保持该终端窗口不要关闭；需先确认 .env 与 Chrome 驱动路径已配置。
```
python -m app.main
```
4启动前端界面

打开一个新终端，在项目根目录启动 Streamlit 前端。
```
streamlit run app/frontend.py
```
5访问界面并配置

浏览器会自动打开前端页面，也可手动访问地址；在左侧栏「系统设置」中填写模型、密钥与浏览器参数。

关键配置

配置项	必填	说明	示例
`服务器地址和端口`	否	配置后端服务监听地址与端口，供前端调用。	`http://localhost:8501`
`AI 模型参数和 API 密钥`	是	填写大模型 API 密钥与相关参数，用于订单截图分析。	`sk-xxxxxxxx`
`Chrome 浏览器和驱动路径`	是	指定 Chrome 可执行文件与 ChromeDriver 路径，浏览器自动化必需。	`/your/path/chromedriver`
`.env`	否	项目根目录下的环境变量配置文件，用于放置敏感配置。	`.env`

如何确认成功

浏览器自动打开前端界面（或访问 http://localhost:8501），且后端终端无报错、聊天窗口可用即成功。

常见问题

Q：修改系统设置后为什么不生效？

A：README 明确说明配置修改后需要重启应用才能生效，请关闭前后端进程后重新启动。

Q：前端页面打不开或无法访问？

A：确认后端已通过 python -m app.main 正常运行，并检查前端启动终端是否输出 http://localhost:8501 地址。

Q：浏览器自动化报错怎么办？

A：检查 Chrome 版本是否满足 140.0 及以上，并在系统设置中正确配置 Chrome 浏览器路径与 ChromeDriver 路径。

Q：没有 API 密钥能用吗？

A：订单分析依赖大模型能力，需在系统设置中填写 AI 模型参数和 API 密钥后才能正常分析截图。

注意事项

README 建议训练环境为 ubuntu 18.04 与 python 3.6，与运行 Agent 所需的 Python 3.8+ 不同，注意区分。
截图默认保存在 screenshots/ 目录，导出结果保存在 excels/ 目录。
Chrome 驱动下载地址见项目 dist/resourece 文件夹内说明。
本教程仅覆盖 Shopping Agent 的安装与启动，训练脚本相关说明请参考 README 其他章节。

核心亮点

支持小参数量模型本地训练，降低硬件门槛
内置 ChatAgent 多种实用场景实现，如购物助手
基于 PyTorch，代码结构清晰，易于二次开发

不足之处

文档/社区待观察
项目处于成长阶段，API 稳定性可能不足

适用场景

在资源受限环境下训练定制化对话模型
快速搭建垂直领域（如电商）的智能客服 Agent
学习 seq2seq 对话模型与 Agent 开发的最佳实践

替代项目

Rasa、Microsoft Bot Framework、DeepPavlov

项目介绍

chatbot 是智能体领域的开源项目，由 zhaoyingjun 开发，2018 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,582）位列前 30%，在智能体分类的 2,517 个项目里位列前 12%。

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 2026-09-17。本地部署，全部功能免费。

它主要面向的使用场景是：在资源受限环境下训练定制化对话模型。同类可对比的替代方案包括 Rasa、Microsoft Bot Framework、DeepPavlov。

上一篇：DeepAnalyze

下一篇：core