核心架构
基于“对话树”与“信息项”的复杂交互引擎
示例：对话树（基于Xmind构建）
智能交互
解决对话中“乱序输入”、“话题跳转”和“精细语义控制”等难题
开发范式
以代码为中心、图形辅助、声明式 AI
示例：通过 Python 代码定义对话树
示例：基于上述 Python 代码自动生成的对话树交互 HTML（可查找、鼠标拖拽平移、鼠标滚轮缩放、鼠标悬停在节点上有提示）
工程化
白盒、大规模复杂度与高性能
TeliChat
用 LLM 理解和生成自然语言，用代码控制业务逻辑和状态
为复杂客服交互构建可靠、可调试的白盒对话 Agent
Agent 开发者往往陷入两难：工作流(Workflow)智能体 虽然逻辑严谨但交互僵硬，无法应对自然语言的随意性；
而 ReAct 模式的自主智能体 虽然灵活，但却是一个难以控制的 “黑盒”，且响应慢、易产生幻觉。
TeliChat 应运而生，它独创 “对话树 + 信息项” 白盒架构，以代码为中心，快速响应，同时保持自然流畅，
使其不再是一个简单的聊天机器人框架，而是一个 “确定性业务逻辑” 与 “自然语言交互体验” 的融合引擎。
比 LangGraph 更高阶
内置处理乱序输入、话题跳转、RAG信息引用的对话交互逻辑，免去手写底层图流转逻辑的繁琐
比 Rasa CALM 更现代
告别繁琐 YAML 配置，采用“代码”加“图”双模式构建，原生支持 IDE 断点白盒调试
比 Dify 更专业
突破低代码平台限制提供代码级架构，避免复杂业务逻辑沦为不可维护的“面条图”
比 Parlant 更快速
从“指导 LLM 发挥”进化为“精确调度业务”，确保关键交易场景下的严谨执行与“零幻觉”，更快的交互响应时间和更少的 Token 消耗