Rasa क्या है
Rasa एक परिपक्व संवादात्मक AI फ़्रेमवर्क है: प्रशिक्षित NLU पाइपलाइन के माध्यम से इंटेंट वर्गीकरण और एंटिटी एक्सट्रैक्शन, और नियमों, स्टोरीज़ तथा पॉलिसियों के माध्यम से संवाद प्रबंधन। यह Python-नेटिव है, सेल्फ-होस्ट किया जा सकता है, और वर्षों से उच्च-मात्रा वाले स्क्रिप्टेड ग्राहक सेवा असिस्टेंट्स का मानक उत्तर रहा है। Rasa Pro व्यावसायिक स्तर जोड़ता है, जिनमें LLM-संचालित संवाद शामिल है।
साझा समस्या, समाधान की अलग पीढ़ी
EDDI और Rasa दोनों संवादात्मक AI की दुनिया से आते हैं, और EDDI 2006 से संवादात्मक प्लेटफ़ॉर्म के रूप में निरंतर विकास में है। अंतर इसमें है कि बुद्धिमत्ता कहाँ रहती है। Rasa इसे उस मॉडल में रखता है जिसे आप अपने लेबल किए डेटा पर प्रशिक्षित करते हैं, जो सटीक, दोहराने योग्य नियंत्रण देता है। EDDI इसे डिक्लेरेटिव कॉन्फ़िगरेशन से शासित ऑर्केस्ट्रेट किए गए LLM में रखता है, कुछ नियतात्मकता के बदले पहुँच और बदलाव की गति लेते हुए।
संवाद, टूलिंग और बदलाव की लागत
| आयाम | Rasa | EDDI |
|---|---|---|
| समझ | प्रशिक्षित NLU: लेबल किए डेटा से इंटेंट वर्गीकरण और एंटिटी एक्सट्रैक्शन | LLM समझ और इंटेंट-आधारित एजेंट डिस्कवरी तथा रूटिंग |
| व्यवहार बदलना | प्रशिक्षण डेटा अपडेट करें, पुनः प्रशिक्षित करें, मूल्यांकन करें, पुनः डिप्लॉय करें | JSON कॉन्फ़िगरेशन संपादित करें; न पुनः प्रशिक्षण, न पुनः डिप्लॉयमेंट |
| नियतात्मकता | उच्च। नियम और पॉलिसियाँ फ़्लो को दोहराने योग्य और परीक्षण योग्य बनाती हैं | स्वभाव से कम, जिसे behavior rules और अनुमोदन गेट से वापस पाया जाता है |
| भाषा | Python; कस्टम एक्शन Python कोड हैं | JVM रनटाइम; एजेंट लॉजिक कॉन्फ़िगरेशन है, टूल घोषित होते हैं |
| टूल इकोसिस्टम | कस्टम एक्शन सर्वर जिसे आप बनाते और होस्ट करते हैं | 84 MCP टूल, अंतर्निहित एजेंट टूल, साथ में कोई भी OpenAPI एंडपॉइंट |
| मल्टी-एजेंट | प्रति डिप्लॉयमेंट एक असिस्टेंट सामान्य पैटर्न है | कोऑर्डिनेटर-आधारित ऑर्केस्ट्रेशन और 7 ग्रुप चर्चा शैलियाँ |
| लाइसेंसिंग | कम्युनिटी संस्करण और व्यावसायिक रूप से लाइसेंस प्राप्त Rasa Pro स्तर; वर्तमान शर्तें जाँच लें | Apache 2.0, OSI स्वीकृत |
| अनुपालन | सेल्फ-होस्टिंग डेटा रेसिडेंसी में सहायक; फ़्रेमवर्क प्रति डिप्लॉयमेंट लागू किए जाते हैं | प्लेटफ़ॉर्म में ऑडिट लेजर, डेटा विषय अधिकार API और 15+ फ़्रेमवर्क संबोधित |
दूसरे टूल के बारे में जानकारी अक्टूबर 2026 में उसके आधिकारिक दस्तावेज़ों और रिपॉज़िटरी से जाँची गई थी। ये प्रोजेक्ट तेज़ी से बदलते हैं, इसलिए निर्णय लेने से पहले वर्तमान व्यवहार की पुष्टि विक्रेता से कर लें।
दोनों में से चुनाव
जहाँ Rasa बेहतर विकल्प है
- आपके पास पहले से लेबल किया हुआ संवाद डेटा और NLU पाइपलाइन संभाल सकने वाली ML टीम है।
- नियामक या ब्रांड की बाधाएँ ऐसे नियतात्मक असिस्टेंट की माँग करती हैं जिसके निर्णय पथ का ऑडिट हो सके और जिसमें भाषा मॉडल शामिल न हो।
- संकरे इंटेंट सेट पर बहुत अधिक मात्रा, जहाँ प्रति टर्न LLM लागत हावी हो जाएगी।
- आपको वर्गीकरण कॉन्फ़िडेंस थ्रेशोल्ड और फ़ॉलबैक व्यवहार पर बारीक नियंत्रण चाहिए।
जहाँ EDDI बेहतर विकल्प है
- असिस्टेंट को ऐसे दस्तावेज़ों और सिस्टम से उत्तर देना है जो पुनः प्रशिक्षण चक्र से तेज़ बदलते हैं।
- व्यावसायिक यूज़र को ML इंजीनियर, प्रशिक्षण रन या डिप्लॉयमेंट के बिना व्यवहार बदलना होता है।
- समस्या में एक सपाट इंटेंट ट्री की जगह कई विशेषज्ञ एजेंट्स को सहयोग करना है।
- आप LLM का लचीलापन चाहते हैं, लेकिन लाइव होने से पहले कंप्लायंस अधिकारी को अनुमोदन गेट और हस्ताक्षरित लॉग चाहिए।
- आप मॉडल लेयर पर लॉक-इन से बचना चाहते हैं: 19 प्रदाता, या Ollama अथवा Jlama से लोकल मॉडल।
Rasa से असिस्टेंट माइग्रेट करना
मैपिंग यांत्रिक नहीं बल्कि वैचारिक है, क्योंकि दोनों बुद्धिमत्ता को अलग जगहों पर रखते हैं। फ़ाइलें बदलने के बजाय इंटेंट संरचना को रूटिंग और प्रॉम्प्ट में अनुवाद करने की अपेक्षा रखें।
| Rasa | EDDI |
|---|---|
| इंटेंट और प्रशिक्षण उदाहरण | इंटेंट-आधारित एजेंट डिस्कवरी; लेबल किया डेटा प्रशिक्षण इनपुट की जगह मूल्यांकन सामग्री बन जाता है |
| एंटिटी और स्लॉट | संरचित एक्सट्रैक्शन और स्थायी यूज़र मेमोरी |
| स्टोरीज़ और नियम | Behavior rules और पाइपलाइन कॉन्फ़िगरेशन |
| कस्टम एक्शन सर्वर | MCP टूल या httpCall टूल परिभाषाएँ |
| रिस्पॉन्स और डोमेन फ़ाइल | प्रॉम्प्ट स्निपेट, पुन: उपयोग योग्य और वर्शन किए गए |
| फ़ॉलबैक पॉलिसी | टाइमआउट नीति के साथ ह्यूमन-इन-द-लूप एस्केलेशन |
अक्सर पूछे जाने वाले प्रश्न
क्या EDDI प्रशिक्षित NLU की जगह लेने वाला एक और LLM रैपर है?
EDDI 2006 से संवादात्मक प्लेटफ़ॉर्म के रूप में विकसित हो रहा है, मौजूदा LLM पीढ़ी से बहुत पहले से, और उसने वे हिस्से रखे जो मायने रखते थे: इंटेंट-आधारित रूटिंग, प्रबंधित बातचीत स्टेट और पाइपलाइन आर्किटेक्चर। LLM ने समझ की परत बदली, उसके आसपास का ऑर्केस्ट्रेशन नहीं।
अनुपालन के लिए हमें नियतात्मक उत्तर चाहिए। क्या यह EDDI को बाहर कर देता है?
ज़रूरी नहीं, लेकिन यह समझौता स्पष्ट होना चाहिए। LLM आउटपुट नियतात्मक नहीं होता। EDDI इसे उन behavior rules से संबोधित करता है जो उत्तरों को सीमित करते हैं, परिणामी कार्रवाइयों पर मानवीय अनुमोदन गेट से, और इस हस्ताक्षरित ऑडिट लेजर से जो दर्ज करता है कि क्या और क्यों तय हुआ। यदि आपकी आवश्यकता यह है कि निर्णय में कोई भाषा मॉडल भाग ही न ले, तो Rasa बेहतर उत्तर है।
क्या हम बदलाव के दौरान दोनों चला सकते हैं?
हाँ। एक सामान्य पैटर्न ज्ञात उच्च-मात्रा इंटेंट को मौजूदा Rasa असिस्टेंट को भेजता है जबकि EDDI खुले प्रश्न और सिस्टम इंटीग्रेशन संभालता है, फिर आत्मविश्वास बढ़ने पर ट्रैफ़िक खिसकाता है। EDDI, httpCall के माध्यम से Rasa एंडपॉइंट को कॉल कर सकता है।
अन्य तुलनाएँ
- EDDI बनाम LangChain और LangGraph
- EDDI बनाम Microsoft Agent Framework (AutoGen और Semantic Kernel)
- EDDI बनाम CrewAI
- EDDI बनाम Dify
- EDDI बनाम n8n
- EDDI बनाम Flowise
- सभी विकल्प: बिल्डर, लाइब्रेरी और क्लाउड प्लेटफ़ॉर्म
प्रोडक्शन के लिए तैयार?
EDDI बनाने वाली टीम से मैनेज्ड डिप्लॉयमेंट, SLA-समर्थित सपोर्ट और व्यावहारिक सहायता प्राप्त करें।
एंटरप्राइज़ डिप्लॉयमेंट के बारे में हमसे बात करें