Ein Dialogsystem der Enterprise-Klasse, das Absichtserkennung, Entitätsextraktion und kontextbezogenes Konversationsmanagement bietet.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install chatbot-engine
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, chatbot-engine über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Chatbot Engine?
Chatbot Engine ist ein hochentwickeltes Framework für Konversationen, das entwickelt wurde, um AI-Agenten mit menschenähnlichen Interaktionsfähigkeiten auszustatten. Als Kernkomponente von Openclaw Skills bietet es eine robuste Infrastruktur für die Abwicklung komplexer Multi-Turn-Dialoge, während der Status und der Kontext über Interaktionen hinweg beibehalten werden.
Dieser Skill schließt die Lücke zwischen rohen LLM-Ausgaben und strukturierter Geschäftslogik. Er integriert fortschrittliche Techniken der natürlichen Sprachverarbeitung (NLP), einschließlich vektorbasierter Wissensdatenbank-Abfrage und hybrider Absichtsklassifizierung, um sicherzustellen, dass Benutzeranfragen genau verstanden und mit relevanten, fundierten Informationen beantwortet werden.
Chatbot Engine Anwendungsfälle
- Erstellung automatisierter Kundensupport-Bots, die mehrstufige Fehlerbehebungs-Flows erfordern.
- Implementierung von Buchungs- und Reservierungssystemen, die bestimmte Entitäten wie Daten, Orte und Namen extrahieren müssen.
- Erstellung kontextbezogener persönlicher Assistenten, die sich an vorherige Benutzereingaben während einer Sitzung erinnern.
- Entwicklung von FAQ-Bots, die vektorbasierte Abfragen nutzen, um präzise Antworten aus großen Wissensdatenbanken zu liefern.
So funktioniert Chatbot Engine
- Das System erhält über die Schnittstelle DialogueManager eine Rohtexteingabe vom Benutzer.
- Der Intent Classifier analysiert den Text, um das primäre Ziel des Benutzers mithilfe von maschinellem Lernen oder regelbasierten Modellen zu bestimmen.
- Der Entity Extractor identifiziert und kennzeichnet wichtige Informationen wie Namen, Daten und Orte (NER).
- Die Dialogmanagement-Ebene prüft den aktuellen Sitzungsstatus und stellt fest, ob zusätzliche Informationen vom Benutzer benötigt werden.
- Falls erforderlich, führt die Knowledge Base eine Vektorsuche durch, um relevanten Kontext oder Dokumentation abzurufen.
- Die Engine synthetisiert eine Antwort und aktualisiert den Konversationsstatus für die nächste Runde im Openclaw Skills-Workflow.
Chatbot Engine Einrichtung
Um diesen Skill in Ihre Umgebung zu integrieren, installieren Sie die erforderlichen Abhängigkeiten mit dem folgenden Befehl:
pip install -r requirements.txt
Anschließend können Sie die Engine in Ihrem Python-Skript initialisieren:
from scripts.dialogue_manager import DialogueManager
bot = DialogueManager()
response = bot.process("I want to book a hotel in Beijing tomorrow")
print(response)
Chatbot Engine Datenschema & Taxonomie
Die Chatbot Engine organisiert ihre Logik und Metadaten über eine strukturierte Verzeichnishierarchie innerhalb des Openclaw Skills-Frameworks:
| Component | File/Path | Description |
|---|---|---|
| Core Logic | scripts\/dialogue_manager.py |
Orchestriert Absicht, Entitäten und Status. |
| NLP Models | scripts\/intent_classifier.py |
Übernimmt die Kategorisierung von Benutzerzielen. |
| NER Data | scripts\/entity_extractor.py |
Verwaltet die Extraktion strukturierter Entitäten. |
| Knowledge | scripts\/knowledge_base.py |
Schnittstelle für Vektorsuche und RAG. |
| Documentation | SKILL.md |
Skill-Definition und Metadaten. |
Chatbot Engine Erweiterte Funktionen
- Kontextbezogene Statusverfolgung: Führt einen Verlauf der Konversation, um mehrdeutige Folgefragen zu bearbeiten.
- Vektorbasiertes RAG: Nahtlose Integration in Wissensdatenbanken für hochpräzise Informationsabfrage.
- Hybride Absichtserkennung: Kombiniert deterministische Regeln mit maschinellem Lernen für eine hochpräzise Klassifizierung.
- Modulare Architektur: Einfaches Austauschen oder Erweitern der Module für Entitätsextraktion und Absichtsklassifizierung innerhalb von Openclaw Skills.
SKILL.md
Laden
Verwandte Openclaw-Skills
Nate B Jones Digest
Ein automatisierter Workflow zur Überwachung des YouTube-Kanals von Nate B Jones, zur Extraktion von Transkripten und zur Verteilung professioneller Zusammenfassungen via E-Mail, Chat oder Dokumenten.
Inheritance
Eine spezialisierte rechtliche und finanzielle Beratungsfunktion für die Verwaltung von Testamenten, Family Offices und Erbschaftssteuerrisiken.
Seekit Live Search
Ein Zero-Config-Such-Skill, der AI-Agenten Echtzeit-Web-, Social- und Videodaten über ein einfaches CLI oder eine Python API bereitstellt.
Housekeeping
Ein umfassender AI-Skill für die Beschaffung, Verwaltung und Bewertung von hauswirtschaftlichen Dienstleistungen und professioneller Reinigung.
SEM Ads Schaltung
Ein umfassender Ausführungsleitfaden und SOP für die Verwaltung professioneller Suchmaschinenmarketing-Kampagnen in Baidu und Google Ads.
yescan-transoffice-universal
Ein professionelles Dokumentenkonvertierungstool, unterstützt von Quark Scanner, das Bilder, Screenshots und Scans in editierbare Office-Dokumente oder hochwertige PDFs umwandelt.
Hervorgehoben*
