Rasa：开源对话助手框架，21K Star 的老牌选手

Rasa 在 GitHub 上已经拿到 21,190 Star，是开源对话 AI 领域最成熟的框架之一。

它用机器学习来理解和处理文本及语音对话，让你能在微信、Slack、Telegram 等各种平台上搭建上下文感知的助手。不过需要注意，Rasa Open Source 目前已进入维护模式，团队的重心转向了基于 CALM 引擎的新产品 Hello Rasa。

1、Rasa 能做什么

简单说，Rasa 帮你搭建能理解上下文的对话助手。不是那种"问一句答一句"的简单机器人，而是能处理多轮对话、记住前面说过什么、理解用户意图的完整对话系统。

它原生支持 Facebook Messenger、Slack、Google Hangouts、Webex Teams、Microsoft Bot Framework、Rocket.Chat、Mattermost、Telegram、Twilio 等渠道，也可以接入你自己的自定义对话通道。

核心流程分两块：NLU（自然语言理解）负责从用户消息中提取意图和实体，Dialogue Management（对话管理）根据上下文决定下一步做什么。

2、为什么是 Rasa

做对话助手的框架不少，但 Rasa 有几个特点让它站住了脚。

第一，数据完全在你自己手里。Rasa 是本地部署的，不需要把对话数据发给第三方服务。这对银行、医疗、政务这类对数据敏感的行业很关键。

第二，可定制程度高。NLU 管道可以自由组合组件，对话策略可以写自定义规则，整个流程你都能精确控制。

第三，社区沉淀厚。21K Star、300+ 贡献者，意味着你遇到的大部分问题都已经有人踩过坑并且给出了方案。

3、Hello Rasa 和 CALM：下一代方向

Rasa Open Source 进入维护模式后，团队把资源投入了 Hello Rasa 和 CALM。

CALM（Conversational AI with Language Models）的核心思路是把 LLM 的语言理解能力和严格的业务逻辑结合起来。LLM 负责听懂用户在说什么，代码负责确保业务规则不被突破。这和传统 Rasa 依赖 NLU 训练的方式有本质区别。

Hello Rasa 是基于 CALM 的在线原型开发环境。打开浏览器就能用，不需要搭环境、不需要训练 NLU 模型。内置了银行、电信、客服等模板，还有一个 AI 助手帮你生成代码和调试流程。

它用"Flows"替代了传统的对话树。Flows 描述的是逻辑步骤（比如"收款"“转账”），而不是僵硬的一问一答路径。配套的 Inspector 工具可以实时观察决策过程。

4、Rasa Open Source 怎么上手

安装依赖用 Poetry 管理：

make install

macOS 用户如果遇到编译问题，先设置 export SYSTEM_VERSION_COMPAT=1。

跑测试：

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

正式使用前建议先看官方文档了解 NLU 训练数据和对话故事的编写方式。Rasa 用 YAML 定义训练数据，用 Markdown 或者 YAML 写对话故事。

5、适合谁用

做企业级对话助手，对数据安全和定制化有要求的团队，Rasa 仍然是经过大量验证的选择。如果你的场景是快速做个原型或者想用 LLM 驱动对话逻辑，Hello Rasa 是更现代的方向。

Rasa 社区还有一个 Agent Engineering 社区，专门讨论 AI Agent 的架构、记忆、编排和安全等话题，和具体框架无关，适合在生产环境落地 Agent 的开发者加入。

区，专门讨论 AI Agent 的架构、记忆、编排和安全等话题，和具体框架无关，适合在生产环境落地 Agent 的开发者加入。