chatbot

一个可以训练自己语料的中文聊天机器人，从 Seq2Seq 到 Shopping Agent 的八年演进

从"小黄鸡"开始的故事

2018年，GitHub 上涌现了一大批中文聊天机器人开源项目，其中有一个项目格外引人注目——zhaoyingjun/chatbot。彼时，GPT 还未出圈，大多数中文对话系统还依赖于 Seq2Seq（序列到序列）架构。项目作者用 PyTorch 和 TensorFlow 2.0 双框架实现了对话生成，并支持用"小黄鸡"语料（50万条中文对话）自行训练模型。这个朴素的起点，奠定了项目"让每个人都能训自己的聊天机器人"的核心理念。

八年后的今天，这个项目已从单一的 Seq2Seq 模型演变为一个多模块 AI 应用平台，涵盖对话生成、分布式训练、浏览器自动化和智能订单处理。star 数达到 3587，fork 数超过 1013，成为中文 AI 开源社区中经久不衰的标杆项目之一。

技术架构：双轨并行的演进路径

该项目并非一个单一应用，而是由多个功能模块组成的"工具箱"，主要分为两条技术路线：

路线一：传统对话生成（Seq2Seq）

位于 Chatbot_pytorch 和 Chatbot-tensowflow2.0 目录下，包含三个子模块：

• Seq2seqchatbot —— 基于注意力机制的序列到序列模型，支持中文对话训练
• SeqGANchatbot —— 引入 SeqGAN（序列生成对抗网络），通过对抗训练提升生成质量
• Distribute_seq2seqchatbot —— 基于 Horovod 的分布式训练版本，支持多机多卡并行

核心依赖为 PyTorch 1.11.0 或 TensorFlow 2.6.0，配合 Flask 提供 Web 对话界面。训练语料默认使用"小黄鸡"数据集（约50万条去标签对话），也可替换为自定义中文语料。

路线二：Shopping Agent（智能订单分析）

这是 2024 年后新增的 Agent 模块，位于 chatagent 目录。采用 FastAPI 后端 + Streamlit 前端的现代技术栈，核心能力是通过浏览器自动化 + 多模态大模型实现订单信息智能提取。工作流程如下：

1. 用户在 URL 输入框中输入电商后台订单页面地址
2. Selenium 自动打开 Chrome 浏览器并访问目标页面
3. 支持全屏截图、元素级截图或手动框选区域截图
4. 截图上传至大模型 API，提取订单关键信息（金额、商品、数量、日期等）
5. 支持批量处理多张截图，分析结果导出为 Excel

部署体验：没有 Docker 但有 Streamlit

从部署角度看，这个项目处于"半现代化"阶段。没有提供 Dockerfile 或 docker-compose.yml，这意味着无法一键容器化部署，是主要扣分项。但项目提供了标准 Python 依赖安装方式（requirements.txt），且 Shopping Agent 模块内置了 Streamlit 前端界面，对普通用户较为友好。

部署流程需要以下步骤：

• 安装 Python 3.8+ 环境和 pip 依赖
• 下载与 Chrome 版本匹配的 ChromeDriver，放到 dist/resource 目录
• 启动 FastAPI 后端（python -m app.main）
• 新开终端启动 Streamlit 前端（streamlit run app/frontend.py）
• 浏览器自动打开 http://localhost:8501

最大的门槛在于ChromeDriver 版本匹配：README 要求 Chrome 140.0 及以上，而不同操作系统、不同 Chrome 安装路径的版本管理本身就是一个常见的"坑"。对于没有 Docker 环境的用户，需要额外排查 driver 兼容性问题。

硬件方面，Seq2Seq 训练默认不需要 GPU（使用 CPU 训练，显存不敏感），Shopping Agent 本身是 API 调用模式（依赖第三方大模型），本地硬件要求较低。推荐 4GB 以上内存和 2GB 可用磁盘空间。

代码质量与局限

作为一个持续维护超过8年的项目，代码组织有一定历史包袱。PyTorch 和 TensorFlow 双版本并存说明项目经历了框架迁移，但两个版本目录下结构几乎相同，反映出维护上的重复劳动。

Shopping Agent 模块展现了作者拥抱新范式的意愿——FastAPI + Streamlit + 浏览器自动化的组合是当前 AI 应用开发的流行选择。但该项目尚未引入 Agent 框架（如 LangChain、AutoGen），Agent 的"智能"主要体现在调用大模型 API 分析截图，而非自主规划执行。

代码中硬编码了部分路径（如 ChromeDriver 位置），缺乏灵活的配置管理——尽管 Streamlit 前端提供了基础的系统配置面板，但对于高级用户而言.ini 配置文件的可编程性更强。

行业意义：从学术Demo到实用工具

这个项目的发展轨迹，某种程度上映射了中文 NLP 开源社区的演进：从 Seq2Seq 到 GPT，从规则匹配到 Agent。早期用户用小黄鸡语料训练自己的"聊天机器人"是极客圈的一股风潮；如今 Shopping Agent 的出现，则代表 AI 应用开始真正渗透进具体业务场景（电商订单处理）。

项目 3587 个 star 的背后，是大量中小开发者将其作为"入门级 AI 项目"的学习素材——代码结构清晰，双框架对比学习价值高。但从工程化角度，它还远未达到生产级标准，缺少测试套件、CI/CD 和容器化部署支持。

如果你想快速体验一个可训练的对话模型，或需要一个开箱即用的浏览器自动化订单处理工具，这是一个值得一试的起点。

图1：Seq2Seq 模型训练50%进度时的对话效果演示

图2：Shopping Agent 批量订单分析界面