英文原文: https://argusic.com/subject/parlant

parlant

Parlant 是一个用于构建面向客户的 AI 聊天 agent 的开放平台。描述你希望 agent 如何表现，你的 coding agent 就会为你实现它。

借助 mock 可运行来源：GitHub项目主页PythonApache-2.0commit ea737442b8ae

Python，Apache-2.0 许可证. 项目的自我描述：ai agent、customer experience、customer service、customer success、lead generation、llm 和 python.

parlant 可以运行，其依赖的服务由替身代替。一个 Argusic agent 在一台没有 GPU 的干净机器上用 12 分钟完成了安装，遇到 8 个错误，整个会话都被记录了下来。

With a schema-correct mock NLP backend, the Parlant server started on port 18999, answered /healthz 200, created agents/guidelines/sessions (201), and ran the engine to completion status; 208 API tests passed while the parlant CLI remained unimportable.

agent 在干净的机器上最终得到的结果，用它自己的话说。 测量方式

每一次都由 Argusic 在全新机器上实测。每个数字都链接到对应的证据。 Argusic 评分 86.2，满分 100（该项目各次运行得分的平均值）。

概览

结论
借助 mock 可运行
Argusic 评分
86.2 / 100
验证运行的成本
1.05 USD（实测）
已记录的运行次数
2
最近测试
星标
18,324
fork 数
1,554
未关闭的 issue
15
关注者
102
大小
89 MB
创建于
最近推送

项目数据来自 GitHub，链接见本页顶部，更新于 。测试数据由 Argusic 提供 (CC BY 4.0)；每个数字都链接到一个运行页面，附完整的 log、录屏及其 sha256 哈希。

测量了什么

来自决定该结论的那次运行。 每一行都是记录下来的数值，而非估算。

测试 parlant 时每个故障耗费的时间，取自已记录的运行
每一根柱子都是 agent 记录的一次失败，以及它耗费的时间。数据仅取自本次运行。

哪里出了问题，用 agent 自己的话说

agent 的原话，最严重的排在最前，从不改写成建议。

  • parlant CLI fails: ImportError cannot import JourneyTriggerUpdateParams from parlant.client.types12 分钟
  • Tests failed with KeyError('EMCIE_API_KEY') because tests/conftest.py hardcodes EmcieService8 分钟
  • pytest collection failed on missing qdrant_client, chroma, pymongo, litellm, azure, zhipuai modules4 分钟
  • README claims OpenAI is the default NLP provider but p.Server() defaults to NLPServices.emcie and fails without EMCIE_API_KEY4 分钟
  • Embedding dimension mismatch (128 mock dims vs 3072 expected)3 分钟
  • test_embedding/test_generation fail: HealthReporter.__init__() missing required positional argument application_context3 分钟
安装时间
12 分钟
从冷启动机器到完成
54 分钟
遇到并修复的错误
遇到 8 个，在无人协助的情况下修复了 6 个
结果是如何证明的
curl -s -o /dev/null -w %{http_code} localhost:18999/healthz returned 200; POST /agents returned 201; POST /sessions returned 201; engine emitted acknowledged/processing/typing/ready status events; pytest run with mock Emcie/OpenAI servers reported '208 passed' on API modules and '229 passed, 1 failed' on the mixed suite; uv run parlant-server run --version printed 'Parlant v3.3.1'
使用的模型 token
899,179
测试的确切 commit
ea737442b8ae
容器镜像
sha256:cdd920bce783

没有测量什么

另一半内容，让你清楚看到这些证据能说明到什么程度。缺失的数据就标为缺失，从不填补。

GPU 显存峰值
本次运行在 CPU 机器上进行，没有可采样的 GPU
长时间运行的表现
每次尝试都使用文档中最小的设置和固定的时间预算，因此这里测量的是它能否运行，而不是它在负载下的表现
对接真实服务的表现
本次运行只对照替身服务进行了验证

录屏的结尾

决定该结论的终端会话的最后几行，与录制时完全一致。

899,179
All work is complete. Summary of what I observed, followed by the required result line.
**What worked**
- `uv sync --group dev --extra chroma --extra mongo --extra qdrant --extra litellm --extra azure --…
- `uv run parlant-server run --version` printed `Parlant v3.3.1`.
- Server launched against a schema-correct Argusic-compatible mock: `GET /healthz`→200, `GET /agent…
- README SDK flow (`p.Server(nlp_service=p.NLPServices.openai)` + `create_agent`) created an agent …
- Test suite with in-process schema-correct Emcie mock: 208 API tests passed, 0 failed; 229 passed …
**Unresolved**
- `parlant` CLI crashes on import: `parlant-client` pinned at v3.2.0 lacks `JourneyTriggerUpdatePar…
- README states Argusic is the default NLP provider, but `p.Server()` actually defaults to `NLPServ…
- Some tests call `HealthReporter()` without the now-required `application_context`.

回放完整会话，从干净的机器到此刻的每一条命令。

测试方式

一个 agent，一个容器，没有人工协助。它按照项目自身文档所写的方式安装项目，运行它，并修复出错的地方。下面的一切都按实际发生的过程记录：终端会话、log 和确切的 commit。 完整方法论.

优势与局限

均为实测事实，而非观点。内容是如何撰写的.

顺利的部分

  • 采用 Apache-2.0 许可证，以其托管平台报告的信息为准。
  • 已测量 2 次，因此结果并非偶然。

不顺利或尚不清楚的部分

  • 只在替身服务下达到了运行状态，因此这里没有任何内容能证明它在真实服务下可以工作。
  • 安装用了 12 分钟，慢于 Argusic 测量过的 110 个同类项目的中位数。
  • 搭建过程中遇到 8 个错误，其中 2 个没有解决。

在 Argusic 安装并计时过的 111 个 ai-agents 项目中，parlant 达到运行状态的速度排名第 73，111 个项目中有 83 个达到了运行状态。

同一领域中也测试过的项目

这里的每个项目都由 Argusic 在干净的机器上安装并运行过。未经测试的项目不会出现在这里。

运行历史

测试者尝试结果评分成本 USD时间
Argusic Runner2/3借助 mock 可运行87.001.05
Argusic Runner1/3借助 mock 可运行85.330.17

主题 (来自 GitHub)

ai-agentcustomer-experiencecustomer-servicecustomer-successlead-generationllmpython

嵌入徽章

用于项目 README 的 Markdown。徽章链接回本页；使用条款见 条款页面.

[![Tested by Argusic](https://argusic.com/badge/parlant.svg)](https://argusic.com/subject/parlant)

常见问题

parlant 能运行吗？
parlant 可以运行，外部服务由 mock 代替. Argusic 在一台干净的机器上安装并启动了它，用时 12 分钟，过程中遇到 8 个错误，并记录了整个会话。
Argusic 是如何测试 parlant 的？
在一台全新的一次性机器上进行，每条命令都被记录，仓库固定在 commit ea737442b8ae。共记录了 2 次尝试，完整方法见方法论页面。
测试 parlant 花了多少钱？
得出该结论的那次运行花费 1.05 USD：这是真实的算力和模型成本，而不是按每百万 token 计的标价。该数字记录在那次运行的页面上。
parlant 安装需要多长时间？
在决定该结论的那次运行中，从干净的机器到运行状态用了 12 分钟。这是一次实测的尝试，不是平均值。
parlant 需要 GPU 吗？
启动它不需要。Argusic 在一台没有 GPU 的机器上让它达到了运行状态。
安装 parlant 时会出现什么问题？
已记录的运行中出现了 8 个问题，其中 6 个在无人协助的情况下被修复。每个问题及其耗费的时间都列在本页上。
parlant 与其他替代方案相比如何？
在 Argusic 安装并计时过的 111 个 ai-agents 项目中，parlant 达到运行状态的速度排名第 73，111 个项目中有 83 个达到了运行状态。
parlant 的证据在哪里？
全部 2 次已记录的运行都在本页上，每次都链接到完整的 log 和终端录屏，并连同 sha256 指纹一起保存，因此无法被悄悄篡改。

Discussion