Tock：企业级开源对话式 AI 平台

开篇：一个保险公司的选择困境

法国安盛保险（AXA）需要一套能同时对接网站客服、WhatsApp、Teams 和 Apple Business Chat 的智能对话系统。采购 Salesforce Einstein Bot？每年授权费动辄数十万欧元。自研？从头训练 NLP 模型、接入数十个消息渠道，光是渠道适配代码就要写上大半年。

2017 年，法国创业公司 SNCF Connect & Tech（现 SNCF Digital）交出了另一种答案——Tock（The Open Conversation Kit）。一个开源平台，让企业用 Kotlin 就能构建生产级对话式 AI 应用，支持 20+ 主流消息渠道，无需被任何云服务商锁定。

Tock BOT界面

图1：Tock Studio 管理界面，支持故事流编排与对话分析

项目背景：从法国铁路走向全球企业

Tock 最早于 2017 年 3 月开源，至今已超过 8 年持续维护（最新版本 26.3.3）。项目采用 Apache-2.0 许可证，由法国国家铁路公司（SNCF）孵化并在其内部生产环境验证——每天处理数万次真实旅客问询对话，积累了金融、保险、交通、政务等多个行业的落地经验。

项目仓库包含 5547 个文件，涵盖 Kotlin 后端、NLP 模型、Web 管理界面、20+ 消息渠道连接器，以及 2024 年新增的 Gen AI 编排模块。贡献者遍布全球，不仅是法国项目，也是欧洲企业级对话 AI 的标杆开源选择。

核心架构：四层模块化设计

Tock 的架构清晰分为四层，每层可独立使用或组合部署：

第一层：NLP 引擎（nlp/）

Tock 内置完整的自然语言理解流水线，兼容 OpenNLP、Stanford NLP、Rasa 和自定义模型。支持意图识别（Intent Classification）、实体抽取（Entity Extraction）、对话状态管理（Duckling 日期/数字识别）。NLP 模型可本地训练（支持 AWS Batch 按需训练），也可以接入 SageMaker 等云端服务。

// Kotlin DSL 定义意图
story("查询余额") {
    intent("query_balance") {
        // 实体提取
        val accountType: String by extractedEntity()
        // 业务逻辑
        bot.ask(AccountTypeResponse)
    }
}

第二层：Bot 运行时（bot/）

Bot 引擎负责对话流程编排，支持：

故事流（Story）：基于规则的对话树，支持条件分支、变量、Slot Filling
脚本化 Bot：通过 Kotlin/Node.js/Python DSL 或 REST API 编程式构建
内存与状态：基于 MongoDB 的对话历史存储，支持多轮对话上下文
测试框架：完整的单元测试与集成测试基础设施

第三层：连接器生态（bot/connector-*）

Tock 最亮眼的部分——内置 20+ 消息渠道连接器，开箱即用：

类别	连接器
即时通讯	Messenger、WhatsApp、WhatsApp Cloud、Telegram、Teams、Slack
语音助手	Google Assistant、Alexa、Apple Business Chat
协作工具	RocketChat、Mattermost、Google Chat、iAdvize
其他	Twitter、Open AI、Web（自定义嵌入）、Rest/Webhook
AI 服务	OpenAI（ChatGPT 集成）

第四层：Gen AI 编排（gen-ai/）

2024 年新增的生成式 AI 模块，支持：

LLM Orchestrator：对接 OpenAI GPT-4、Claude 等主流 LLM 的编排层
RAG 支持：集成 OpenSearch、PostgreSQL/PGVector、Langfuse 的向量检索
Kotlin 编译器：通过 Maven 构建将 Kotlin DSL 编译为可执行 Bot

Google Chat连接器

图2：Tock Google Chat 连接器支持紧凑模式和详细模式

Web UI：Tock Studio

Tock 提供开箱即用的 Web 管理界面 Tock Studio（Angular 17 + Nebular UI + ECharts 图表）：

故事编辑器：可视化编排对话流程
对话分析仪表盘：ECharts 可视化用户意图分布、对话成功率
意图/实体管理：导入导出训练语料
实时对话调试：内置 Bot 测试模拟器
多语言支持：内置 i18n 框架

所有界面配置数据存储在 MongoDB，Bot 开发者无需直接操作数据库，通过 UI 即可完成 90% 的配置工作。

部署方式：Docker 一键启动

Tock 的部署高度容器化。虽然主仓库（tock）本身不含 Dockerfile，但官方提供了独立仓库 tock-docker（★26，36 forks）专门维护部署配置：

# 克隆部署仓库
git clone https://github.com/theopenconversationkit/tock-docker
cd tock-docker

# 一键启动完整平台（MongoDB + NLP Admin + Bot Admin + Bot API）
docker-compose up -d

# 或启动带 RAG 功能的版本
docker-compose -f docker-compose-rag.yml up -d

提供多种 compose 组合：

docker-compose.yml — 基础平台
docker-compose-mongo-only.yml — 仅 MongoDB
docker-compose-rag.yml — 带 RAG 向量检索
docker-compose-gen-ai-orchestrator.yml — 带 Gen AI 编排
docker-compose-langfuse-only.yml — 仅 Langfuse 监控

硬件需求：无需 GPU，4GB RAM + 2GB 磁盘即可运行基础版本。生产环境建议 8GB+ RAM。

技术栈一览

组件	技术选型	说明
主力语言	Kotlin 2.3.10	JVM 17，协程支持
Web 前端	Angular 17	Nebular UI 主题，ECharts 可视化
异步框架	Vert.x 5.0	高性能响应式编程
数据库	MongoDB	KMongo 5.6 驱动
REST 客户端	Retrofit 3 + OkHttp 5	渠道连接器通信
JSON 处理	Jackson 2.21	数据序列化
认证	Pac4j 6.5	支持 OIDC/SAML
AI/LLM	OpenAI 4.x / 自训练 NLP	双轨支持
构建工具	Maven 3	根 pom 管理 7 大模块

行业意义与局限

优势：

欧洲生产验证，8 年持续迭代，稳定可靠
渠道覆盖最全的开源对话平台之一
完全自托管，无厂商锁定风险
Kotlin DSL 对 Java/Kotlin 团队友好

局限：

文档以法语/英语为主，中文社区较小
企业级部署有一定运维门槛（需要理解 MongoDB 和 Docker）
对中文 NLP 支持不如国内开源方案（如叮当、DuerOS）
2024 年后才加入 Gen AI 支持，RAG 能力相对年轻

适用场景

企业多渠道客服：需同时对接微信、钉钉、WhatsApp 等多种渠道
内部助手机器人：基于企业知识库的对话式问答（RAG）
金融/保险合规对话：需要私有化部署、数据完全自主控制
研究对话系统：作为实验平台，接入自定义 NLP 模型

一句话总结：Tock 是欧洲血统的企业级对话 AI 全栈平台，8 年生产验证，20+ 渠道开箱即用，Docker 一键部署，是构建企业级智能客服与对话助手的可靠选择。

Tock：企业级开源对话式 AI 平台

开篇：一个保险公司的选择困境

Tock BOT界面

图1：Tock Studio 管理界面，支持故事流编排与对话分析

项目背景：从法国铁路走向全球企业

核心架构：四层模块化设计

Tock 的架构清晰分为四层，每层可独立使用或组合部署：

第一层：NLP 引擎（nlp/）

// Kotlin DSL 定义意图
story("查询余额") {
    intent("query_balance") {
        // 实体提取
        val accountType: String by extractedEntity()
        // 业务逻辑
        bot.ask(AccountTypeResponse)
    }
}

第二层：Bot 运行时（bot/）

Bot 引擎负责对话流程编排，支持：

故事流（Story）：基于规则的对话树，支持条件分支、变量、Slot Filling
脚本化 Bot：通过 Kotlin/Node.js/Python DSL 或 REST API 编程式构建
内存与状态：基于 MongoDB 的对话历史存储，支持多轮对话上下文
测试框架：完整的单元测试与集成测试基础设施

第三层：连接器生态（bot/connector-*）

Tock 最亮眼的部分——内置 20+ 消息渠道连接器，开箱即用：

类别	连接器
即时通讯	Messenger、WhatsApp、WhatsApp Cloud、Telegram、Teams、Slack
语音助手	Google Assistant、Alexa、Apple Business Chat
协作工具	RocketChat、Mattermost、Google Chat、iAdvize
其他	Twitter、Open AI、Web（自定义嵌入）、Rest/Webhook
AI 服务	OpenAI（ChatGPT 集成）

第四层：Gen AI 编排（gen-ai/）

2024 年新增的生成式 AI 模块，支持：

LLM Orchestrator：对接 OpenAI GPT-4、Claude 等主流 LLM 的编排层
RAG 支持：集成 OpenSearch、PostgreSQL/PGVector、Langfuse 的向量检索
Kotlin 编译器：通过 Maven 构建将 Kotlin DSL 编译为可执行 Bot

Google Chat连接器

图2：Tock Google Chat 连接器支持紧凑模式和详细模式

Web UI：Tock Studio

Tock 提供开箱即用的 Web 管理界面 Tock Studio（Angular 17 + Nebular UI + ECharts 图表）：

故事编辑器：可视化编排对话流程
对话分析仪表盘：ECharts 可视化用户意图分布、对话成功率
意图/实体管理：导入导出训练语料
实时对话调试：内置 Bot 测试模拟器
多语言支持：内置 i18n 框架

所有界面配置数据存储在 MongoDB，Bot 开发者无需直接操作数据库，通过 UI 即可完成 90% 的配置工作。

部署方式：Docker 一键启动

Tock 的部署高度容器化。虽然主仓库（tock）本身不含 Dockerfile，但官方提供了独立仓库 tock-docker（★26，36 forks）专门维护部署配置：

# 克隆部署仓库
git clone https://github.com/theopenconversationkit/tock-docker
cd tock-docker

# 一键启动完整平台（MongoDB + NLP Admin + Bot Admin + Bot API）
docker-compose up -d

# 或启动带 RAG 功能的版本
docker-compose -f docker-compose-rag.yml up -d

提供多种 compose 组合：

docker-compose.yml — 基础平台
docker-compose-mongo-only.yml — 仅 MongoDB
docker-compose-rag.yml — 带 RAG 向量检索
docker-compose-gen-ai-orchestrator.yml — 带 Gen AI 编排
docker-compose-langfuse-only.yml — 仅 Langfuse 监控

硬件需求：无需 GPU，4GB RAM + 2GB 磁盘即可运行基础版本。生产环境建议 8GB+ RAM。

技术栈一览

组件	技术选型	说明
主力语言	Kotlin 2.3.10	JVM 17，协程支持
Web 前端	Angular 17	Nebular UI 主题，ECharts 可视化
异步框架	Vert.x 5.0	高性能响应式编程
数据库	MongoDB	KMongo 5.6 驱动
REST 客户端	Retrofit 3 + OkHttp 5	渠道连接器通信
JSON 处理	Jackson 2.21	数据序列化
认证	Pac4j 6.5	支持 OIDC/SAML
AI/LLM	OpenAI 4.x / 自训练 NLP	双轨支持
构建工具	Maven 3	根 pom 管理 7 大模块

行业意义与局限

优势：

欧洲生产验证，8 年持续迭代，稳定可靠
渠道覆盖最全的开源对话平台之一
完全自托管，无厂商锁定风险
Kotlin DSL 对 Java/Kotlin 团队友好

局限：

文档以法语/英语为主，中文社区较小
企业级部署有一定运维门槛（需要理解 MongoDB 和 Docker）
对中文 NLP 支持不如国内开源方案（如叮当、DuerOS）
2024 年后才加入 Gen AI 支持，RAG 能力相对年轻

适用场景

企业多渠道客服：需同时对接微信、钉钉、WhatsApp 等多种渠道
内部助手机器人：基于企业知识库的对话式问答（RAG）
金融/保险合规对话：需要私有化部署、数据完全自主控制
研究对话系统：作为实验平台，接入自定义 NLP 模型

一句话总结：Tock 是欧洲血统的企业级对话 AI 全栈平台，8 年生产验证，20+ 渠道开箱即用，Docker 一键部署，是构建企业级智能客服与对话助手的可靠选择。