＃微信机器人 开发前参考了和微信网页版源码。使用微信网页接口开发。 ##测试开发 仅尝试功能的话，可在demo服务器（简单功能）中测试，支持多用户实例。 如果需要调试开发，首先安装好node.js开发环境，运行 npm install npm run build npm run debug 即可运行实例在http://localhost:3000/ 。 ##相关项目 关于微信网页端机器人的实现，已经有大量的轮子了。感谢各位大神！（排名不分先后。。收录的肯定也不齐。。） 。 关于微信网页端的接口说明，也有好几篇分析的很厉害的文章。 好了，差不多就这些资料了。如果想要开发个自己的，那就开工吧！

# 说明 该库是对目前市面上已有的开源中文聊天语料的搜集和系统化整理工作 该库搜集了包含 - chatterbot - 豆瓣多轮 - PTT八卦语料 - 青云语料 - 电视剧对白语料 - 贴吧论坛回帖语料 - 微博语料 - 小黄鸡语料 共8个公开闲聊常用语料和短信，白鹭时代问答等语料。 并对8个常见语料的数据进行了统一化规整和处理，达到直接可以粗略使用的目的。 **使用该项目，即可对所有的聊天语料进行一次性的处理和统一下载，不需要到处自己去搜集下载和分别处理各种不同的格式。* # 环境 python3 # 处理过程 将各个来源的语料按照其原格式进行提取，提取后进行繁体字转换，然后统一变成一轮一轮的对话。 # 使用方法 将解压后的raw_chat_corpus文件夹放到当前目录下 目录结构为 ``` raw_chat_corpus -- language -- process_pipelines -- raw_chat_corpus ---- chatterbot-1k ---- douban-multiturn-100w ---- .... -- main.py -- ... ``` 执行命令即可 ```bash python main.py ``` 或者 ```bash python3 main.py ``` # 生成结果 每个来源的语料分别生成一个独立的*.tsv文件，都放在新生成的clean_chat_corpus文件夹下。 生成结果格式为 tsv格式，每行是一个样本，先是query，再是answer ``` query \t answer ``` # 结果的使用 这个就根据每个人不同的情况自主使用即可 个人对于聊天机器人方向实践也不是很多，以下一篇之前写的知乎专栏供参考 **《从产品完整性的角度浅谈chatbot》** 文章粗略讲解了如下一些方面，介绍了聊天机器人在实际产品化过程中可能遇到的问题和解决办法。 1. chatbot自身人格的设置 1. 产品上线需要考虑的敏感词处理 1. 文本检索模型的使用 1. 文本生成模型的使用 1. 回答打分机制 1. 万能回答的使用策略 1. 多媒体消息的处理 1. 产品模型部署的问题 # 版权说明 本项目为非商业项目，为纯搜集和汇总资料，如有侵权，请在issue下留言。

Chatbot项目，语料库，论文，教程集合

聊天机器人 聊天机器人使用Intelligo Framework构建。

Bot Framework网络聊天 该存储库包含Bot Framework网络聊天组件的代码。 Bot Framework网络聊天组件是Bot Framework V4 SDK的高度可定制的基于Web的客户端。 Bot Framework SDK v4使开发人员可以对对话进行建模并构建复杂的机器人应用程序。 此回购协议是一部分， 是用于构建企业级对话式AI体验的综合框架。 版本说明 本节指出重要的版本说明。 有关更多信息，请参见相关链接并检查 API重构为Web Chat 4.11.0中的新程序包 Web Chat API已重构为单独的程序包。 要了解更多信息，请查看。 Web Chat 4.7.0中的直接语音支持 从Web Chat 4.7.0开始，支持Direct Line Speech，这是在Web Chat中提供集成语音功能的首选方法。 我们正在努力直线语音和Web语音API（包括认知服务和浏览器提供的语音功能）之间的。 升级到4.6.0 从Web Chat 4.6.0开始，Web Chat需要React 16.8.6或更高版本。 尽管我们建议您尽早升级主机应用程序，但

WechatBot：用Python实现的微信机器人

聊天机器人工作原理简要介绍，对在做聊天机器人很有启发

本文是依赖jieba分词构成中文字典，写成的中文聊天机器人，本文是依赖jieba分词构成中文字典，写成的中文聊天机器人，本文是依赖jieba分词构成中文字典，写成的中文聊天机器人

Ubuntu对话数据集，可以用于多轮对话训练语料库，内附Ubuntu对话数据集的下载地址。智能聊天，chatbot，训练对话的语料库

python3, tensorflow >= 1.3 简单的英文聊天机器人基于深度学习seq2seq, 可以直接跑，结果不是很准确