Python 实现简易聊天机器人：从零认识对话流程

Rhtee123124

173人浏览 · 2026-10-27 08:36:53

Rhtee123124 · 2026-10-27 08:36:53 发布

1. 引言

聊天机器人（Chatbot）是很多人接触自然语言处理与实际项目开发的第一站。表面上它只是一个「你问我答」的窗口，背后却隐藏着一条完整的对话流程：接收输入 → 理解意图 → 生成回复 → 返回结果。

本文不使用任何第三方 NLP 框架，只基于 Python 标准库，从零实现一个能在终端运行的简易聊天机器人。通过这篇文章，你将理解聊天机器人最基本的骨架，并掌握如何逐步扩展它。

2. 认识对话流程

一个最简聊天机器人，本质上是一个无限循环：

等待用户输入
    ↓
处理输入内容
    ↓
生成回复
    ↓
打印回复并继续等待

用伪代码表示就是：

while True:
    user_input = input("你: ")
    if user_input == "退出":
        break
    reply = generate_reply(user_input)
    print("机器人:", reply)

这个循环就是「对话流程」的核心。后续无论是关键词匹配、规则引擎，还是深度学习模型，都只是不断替换 generate_reply 内部实现而已。

3. 环境准备

本文只需要 Python 3.6 及以上版本，无需安装任何第三方库。

在终端中确认 Python 环境：

python --version

如果显示 Python 3.x.x，即可直接开始。

4. 第一版：关键词匹配机器人

先实现最基础的版本。机器人根据用户输入中是否包含某些关键词，返回预设的回答。

def generate_reply(user_input: str) -> str:
    """根据关键词生成回复"""
    rules = [
        ("你好", "你好呀，很高兴见到你！"),
        ("名字", "我叫小简，是一个用 Python 写的聊天机器人。"),
        ("时间", "我现在还不会看时间，你可以教教我。"),
        ("天气", "我这里看不到外面的天气，建议你打开窗户看看。"),
        ("再见", "再见啦，期待下次聊天！"),
    ]

    for keyword, reply in rules:
        if keyword in user_input:
            return reply

    return "这个问题我还不太明白，换个说法试试？"


def main():
    print("小简：你好，我是聊天机器人小简。输入「退出」结束对话。")
    while True:
        user_input = input("你: ").strip()
        if not user_input:
            continue

        if user_input in ("退出", "拜拜"):
            print("小简：再见啦！")
            break

        print("小简:", generate_reply(user_input))


if __name__ == "__main__":
    main()

运行效果示例：

小简：你好，我是聊天机器人小简。输入「退出」结束对话。
你: 你好
小简: 你好呀，很高兴见到你！
你: 你叫什么名字
小简: 我叫小简，是一个用 Python 写的聊天机器人。
你: 退出
小简：再见啦！

这个版本已经具备完整对话流程，但缺点也很明显：规则写死在代码中，应答过于机械。

5. 第二版：规则文件驱动

为了让机器人更容易维护，把问答规则从代码中抽离到 JSON 文件。

创建 rules.json：

[
  {
    "keywords": ["你好", "嗨", "hello"],
    "reply": "你好呀，很高兴见到你！"
  },
  {
    "keywords": ["名字", "你是谁"],
    "reply": "我叫小简，是一个用 Python 写的聊天机器人。"
  },
  {
    "keywords": ["时间", "几点"],
    "reply": "我现在还不会看时间，你可以教教我。"
  },
  {
    "keywords": ["天气"],
    "reply": "我这里看不到外面的天气，建议你打开窗户看看。"
  }
]

修改主程序，启动时加载规则：

import json
from pathlib import Path


def load_rules(path: str = "rules.json") -> list[dict]:
    """从 JSON 文件加载问答规则"""
    rule_file = Path(path)
    if not rule_file.exists():
        return []

    with rule_file.open("r", encoding="utf-8") as f:
        return json.load(f)


def generate_reply(user_input: str, rules: list[dict]) -> str:
    """按规则顺序匹配关键词"""
    for rule in rules:
        if any(keyword in user_input for keyword in rule["keywords"]):
            return rule["reply"]

    return "这个问题我还不太明白，换个说法试试？"


def main():
    rules = load_rules()
    print("小简：你好，我是聊天机器人小简。输入「退出」结束对话。")

    while True:
        user_input = input("你: ").strip()
        if not user_input:
            continue

        if user_input in ("退出", "拜拜"):
            print("小简：再见啦！")
            break

        print("小简:", generate_reply(user_input, rules))


if __name__ == "__main__":
    main()

这样，以后添加新问答只需要修改 rules.json，不用动 Python 代码。

6. 第三版：加入上下文记忆

前面的机器人没有记忆，每次回复都是独立的。我们让它记住用户说过的上一句话，并支持「重复一遍」这类需要上下文的指令。

import json
from pathlib import Path


class SimpleBot:
    """带简单上下文的聊天机器人"""

    def __init__(self, rules: list[dict]):
        self.rules = rules
        self.last_input = ""

    def generate_reply(self, user_input: str) -> str:
        # 优先处理上下文相关指令
        if "重复" in user_input and "上一句" in user_input:
            if self.last_input:
                return f"你上一句说的是：{self.last_input}"
            return "你还没说过上一句呢。"

        # 记录当前输入，供下一轮使用
        self.last_input = user_input

        for rule in self.rules:
            if any(keyword in user_input for keyword in rule["keywords"]):
                return rule["reply"]

        return "这个问题我还不太明白，换个说法试试？"


def load_rules(path: str = "rules.json") -> list[dict]:
    rule_file = Path(path)
    if not rule_file.exists():
        return []

    with rule_file.open("r", encoding="utf-8") as f:
        return json.load(f)


def main():
    bot = SimpleBot(load_rules())
    print("小简：你好，我是聊天机器人小简。输入「退出」结束对话。")

    while True:
        user_input = input("你: ").strip()
        if not user_input:
            continue

        if user_input in ("退出", "拜拜"):
            print("小简：再见啦！")
            break

        print("小简:", bot.generate_reply(user_input))


if __name__ == "__main__":
    main()

运行效果：

你: 你好
小简: 你好呀，很高兴见到你！
你: 重复上一句
小简: 你上一句说的是：你好

通过类封装，机器人的状态得以保留，这是从「应答器」走向「对话系统」的重要一步。

7. 对话流程的完整结构

经过上面三个版本，一个聊天机器人的对话流程可以抽象为以下结构：

理解这个流程后，你可以把其中任意环节替换成更强大的实现：

预处理可以加入分词、拼写纠正、大小写归一；
规则匹配可以替换为正则表达式或意图识别模型；
生成回复可以接入大语言模型 API；
上下文记忆可以升级为多轮对话历史管理。

8. 进一步改进方向

如果你想继续完善这个小项目，可以从以下几个方向入手：

8.1 使用正则表达式

对于「帮我查一下北京天气」这类有变量的问题，关键词匹配就力不从心了。可以用 re 模块提取关键信息：

import re

def extract_city(text: str) -> str | None:
    match = re.search(r"(.+?)(的)?天气", text)
    if match:
        return match.group(1)
    return None