EDDI vs. Rasa

O que é o Rasa

O Rasa é um framework maduro de IA conversacional: classificação de intenções e extração de entidades por meio de um pipeline de NLU treinado, mais gerenciamento de diálogo por regras, stories e políticas. É nativo em Python, pode ser hospedado por conta própria e há anos é a resposta padrão para assistentes de atendimento ao cliente roteirizados e de alto volume. O Rasa Pro acrescenta camadas comerciais, incluindo diálogo conduzido por LLM.

O mesmo problema, outra geração de solução

O EDDI e o Rasa vêm do mundo da IA conversacional, e o EDDI está em desenvolvimento contínuo como plataforma conversacional desde 2006. A diferença está em onde fica a inteligência. O Rasa a coloca em um modelo que você treina com os seus próprios dados rotulados, o que dá um controle preciso e repetível. O EDDI a coloca em LLMs orquestrados e governados por configuração declarativa, trocando um pouco de determinismo por alcance e velocidade de mudança.

Diálogo, ferramentas e o custo da mudança

Dimensão	Rasa	EDDI
Compreensão	NLU treinado: classificação de intenções e extração de entidades a partir de dados rotulados	Compreensão por LLM mais descoberta e roteamento de agentes baseados em intenção
Mudança de comportamento	Atualizar os dados de treinamento, retreinar, avaliar, reimplantar	Editar a configuração JSON; sem retreinamento e sem nova implantação
Determinismo	Alto. Regras e políticas tornam os fluxos repetíveis e testáveis	Menor por natureza, recuperado por meio de regras de comportamento e pontos de aprovação
Linguagem	Python; as ações personalizadas são código Python	Runtime JVM; a lógica do agente é configuração, as ferramentas são declaradas
Ecossistema de ferramentas	Um servidor de ações personalizado que você constrói e hospeda	84 ferramentas MCP, ferramentas de agente integradas e qualquer endpoint OpenAPI
Multiagente	Um assistente por implantação é o padrão comum	Orquestração baseada em coordenador e 7 estilos de discussão em grupo
Licenciamento	Edição community mais camadas do Rasa Pro com licença comercial; verifique os termos atuais	Apache 2.0, aprovada pela OSI
Conformidade	A hospedagem própria permite residência de dados; frameworks implementados por implantação	Ledger de auditoria, API de direitos do titular dos dados e 15+ frameworks abordados na plataforma

Os detalhes sobre a outra ferramenta foram conferidos na documentação oficial e no repositório dela em outubro de 2026. Esses projetos mudam rápido, então confirme o comportamento atual com o fornecedor antes de decidir.

Como escolher entre os dois

Onde o Rasa é a melhor escolha

Você já tem dados conversacionais rotulados e uma equipe de ML capaz de manter um pipeline de NLU.
Restrições regulatórias ou de marca exigem um assistente determinístico, com um caminho de decisão auditável que não envolva um modelo de linguagem.
Volume muito alto sobre um conjunto estreito de intenções, em que o custo de LLM por turno dominaria.
Você precisa de controle fino sobre limiares de confiança da classificação e sobre o comportamento de fallback.

Onde o EDDI é a melhor escolha

O assistente precisa responder a partir de documentos e sistemas que mudam mais rápido do que um ciclo de retreinamento.
Usuários de negócio precisam alterar o comportamento sem um engenheiro de ML, uma rodada de treinamento ou uma implantação.
O problema exige que vários agentes especializados colaborem, em vez de uma única árvore plana de intenções.
Você quer a flexibilidade de um LLM, mas um responsável por conformidade exige pontos de aprovação e logs assinados antes de ir ao ar.
Você quer evitar dependência no nível do modelo: 19 provedores, ou um modelo local com Ollama ou Jlama.

Migrando um assistente do Rasa

O mapeamento é conceitual, e não mecânico, porque os dois situam a inteligência em lugares diferentes. Espere traduzir a estrutura de intenções em roteamento e prompts, em vez de converter arquivos.

Rasa	EDDI
Intenções e exemplos de treinamento	Descoberta de agentes baseada em intenção; os dados rotulados passam a ser material de avaliação, e não de treinamento
Entidades e slots	Extração estruturada mais memória persistente do usuário
Stories e regras	Regras de comportamento e configuração de pipeline
Servidor de ações personalizado	Ferramentas MCP ou definições de ferramentas httpCall
Respostas e arquivo de domínio	Snippets de prompt, reutilizáveis e versionados
Política de fallback	Escalonamento human-in-the-loop com uma política de timeout

Perguntas frequentes

O EDDI é só mais um wrapper de LLM que substitui o NLU treinado?

O EDDI é desenvolvido como plataforma conversacional desde 2006, bem antes da atual geração de LLMs, e manteve o que importava: roteamento baseado em intenção, estado de conversa gerenciado e arquitetura de pipeline. Os LLMs substituíram a camada de compreensão, não a orquestração ao redor dela.

Precisamos de respostas determinísticas por conformidade. Isso exclui o EDDI?

Não necessariamente, mas a troca deve ser explícita. A saída de um LLM não é determinística. O EDDI lida com isso com regras de comportamento que restringem as respostas, pontos de aprovação humana em ações relevantes e um ledger de auditoria assinado que registra o que foi decidido e por quê. Se o seu requisito é que nenhum modelo de linguagem participe da decisão, o Rasa é a melhor resposta.

Podemos rodar os dois durante uma transição?

Sim. Um padrão comum encaminha as intenções conhecidas de alto volume para o assistente Rasa existente, enquanto o EDDI atende as consultas abertas e a integração com sistemas, e depois desloca o tráfego conforme a confiança cresce. O EDDI pode chamar um endpoint do Rasa por meio de httpCall.

Outras comparações

Pronto para produção?

Obtenha implantação gerenciada, suporte com SLA e ajuda prática da equipe que desenvolve o EDDI.

Fale conosco sobre implantação enterprise

Funcionalidades

Enterprise

Nuvem Gerenciada e Suporte Enterprise

Recursos