跳到主要内容


TeliChat

兼顾复杂逻辑、可靠输出、灵动交互和快速响应
构建面向客户的白盒对话智能体


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，无法应对人类的随意对话；
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，无缝集成 Python 代码，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。


开 始

核心架构

基于“对话树”与“信息项”的复杂交互引擎

从“流程执行”进化为“交互逻辑”

  • 基于DAG的对话树专注表达交互逻辑，而非传统工作流的线性执行顺序
  • 对话树的节点流转由静态拓扑、实时信息状态及当前用户意图共同动态驱动

从“单一状态”升级为“组合状态”

  • 对话树的状态由全部信息项共同构成，比工作流的“单一节点状态”表达力更强
  • “拓扑结构+信息状态+Python代码”三重约束，在复杂交互中有效抑制模型“幻觉”

三类能力精准分工

  • 对话树：基于有向无环图精准表达交互逻辑和对话状态流转逻辑
  • 大模型：仅专注自然语言的理解（意图识别、信息抽取）与生成
  • Python：执行复杂业务逻辑与工具调用，避免大模型承担这些职责时导致的幻觉和低效

示例：对话树（基于Xmind构建）

TeliChat 对话树

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

全局信息抽取

  • 智能处理用户回答中的乱序、补充、更正、指代及拒答等复杂情况，突破传统填槽瓶颈

全局意图识别和话题管理

  • 自动支持各类“话题变化”方式：跳过、插入、恢复、切换、重入话题等
  • 自动支持在任意交互节点的输出中注入RAG信息与应对话术，不打断主交互流程

精细语义控制

  • 精确定义用户语义的明确度要求（隐含、明确、原文）
  • 配置是否重问、是否必答、增量补充回答、固定节点回答等多样交互策略
  • 支持复述用户回答，可动态生成问题、也可轮询不同的提问方式

开发范式

代码优先、图形辅助、声明式 AI

双模构建及映射

  • 代码可视化：Python 构建对话树，自动生成交互式拓扑图，逻辑结构一目了然
  • 图形可运行：同时支持 Xmind 绘制对话树，可直接解析运行
  • 同构互通：两种开发方式的能力与逻辑完全等价，且两种对话树可相互调用

代码无缝集成

  • 支持在特定节点、条件判断、信息变更、命中用户的特定意图、获取动态参考信息等环节调用 Python 函数
  • 通过 ctx 上下文对象在 Python 代码、大语言模型和对话树之间共享信息项数据

声明式提示词

  • 零提示词工程，无需复杂调优，仅需用自然语言描述用户意图、需要什么信息、如何向用户表达及相关判断规则等，即可驱动 AI
  • 提供最佳实践

示例：通过 Python 代码定义对话树

120.py
Loading code...

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

全链路可观测与 IDE 断点调试

  • 提供完整的执行轨迹追踪，清晰展示决策依据、状态变化与 Token 消耗
  • 支持 VS Code 中随时设置断点并查看全部信息项状态与 Python 变量值
  • 对话树的每个节点都支持执行前和执行后断点

大规模复杂度

  • 单颗对话树支持成百上千个节点
  • 单颗对话树支持成百上千条的应对话术、动态参考信息、意图触发等各种规则
  • 单颗对话树支持成百上千个的信息项，单个信息项可以有几百个可严格限制范围的（语义）候选值

极致响应速度

  • 放弃不适用于客服对话响应速度要求的 “ReAct 循环”、“大模型 Function Call” 和 “大模型思考模式”
  • 大模型输出采用非 JSON 格式，节约生成时间与 Token 消耗

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

开始基于 TeliChat 构建面向客户的白盒对话智能体？

开 始