想象一下，您的公司将始终保持在线，客户的问题能够立即得到准确、全天候的解答。这并非异想天开的未来，而是您今天就能构建的现实：利用 WhatsApp 的人工智能技术，实现销售流程的自动化。想象一下，一位客户向您发送产品信息，几乎可以立即从一位已经完全“读懂”您产品手册的人工智能那里获得准确的答案。我们将引导您使用 n8n 和 OpenAI 模型构建这款智能 WhatsApp 聊天机器人，彻底改变您的客户服务和销售体验。
什么是n8n？
n8n 是一款开源的座席构建和工作流自动化工具，可简化各种应用程序的集成，并轻松实现座席工作流的自动化。与其他自动化工具不同，n8n 提供灵活的自托管功能，消除了供应商锁定。作为一款无代码/低代码平台，即使是非开发人员也能轻松构建强大的自动化流程。
您可以在此处阅读完整 n8n 指南。
WhatsApp Business上n8n自动化的先决条件
使用 n8n 在 WhatsApp Business 上实现全天候响应自动化，必须满足以下要求。
n8n 平台：n8n 工作流自动化工具的运行实例，该解决方案将利用此平台和操作来创建工作流自动化。
OpenAI 帐户 + 凭证：需要使用 OpenAI 帐户才能访问 OpenAI。该解决方案使用 OpenAI 模型生成文本嵌入并实现 AI 代理功能的对话功能。您必须使用有效的 API 凭证进行身份验证并与 OpenAI 模型进行交互。
WhatsApp 商业帐户 + 凭证：要实时交换消息，必须拥有经过验证的 WhatsApp 商业云帐户。您需要获取 API 密钥才能有效集成组件。
构建您的代理：分步指南
创建此自动化 WhatsApp 销售助手的工作流程包含两个关键部分：首先，创建您的产品目录向量商店；其次，创建 WhatsApp AI 代理本身，所有这些都使用基本的 n8n 无代码/零代码自动化。具体方法如下：
第一部分：创建产品目录向量库
此初始阶段重点准备您的产品信息，以便您的 AI 能够高效地理解和检索这些信息：
1. 从手动触发器开始
通过添加手动触发器来开始您的工作流程。
2. 使用HTTP节点获取产品手册
接下来，添加一个 HTTP 节点，用于从 Web 检索产品手册。将方法设置为“get”，并将身份验证设置为“none”。您需要提供产品目录的托管 URL；例如，指向包含扬声器信息的 PDF 文件的链接。
3. 从PDF中提取信息
获取 PDF 后，您需要从中提取信息。使用提取文件节点，如果您的目录链接包含 PDF 文件，请选择“extract from PDF node”。
4. 创建向量存储
提取信息后，您将开始使用简单的向量存储节点创建向量存储。
- 选择“add document to vector store”操作，并选择“insert document”。
- 至关重要的是，通过选择“by ID”并为其指定一个唯一名称（例如“data store one”）来创建您自己的记忆键。此键稍后会将您的 AI 代理链接到此特定数据。
5. 使用OpenAI生成嵌入
添加 OpenAI 嵌入节点，以创建宣传册内容的数值表示（嵌入）。
- 提供您的 OpenAI 凭据。
- 在文档部分，使用默认数据加载器。将数据类型设置为“JSON”，模式设置为“load specific data”，并使用表达式从上一个 PDF 提取步骤中提取信息。
- 将文本拆分更改为“custom”，并添加递归字符文本拆分器。
至此，工作流程的第一部分已完成。触发后，它会获取您的 PDF 文件，提取其中的信息，使用 OpenAI 创建嵌入，并将其存储在您的简单向量存储中。
第二部分：创建 WhatsApp AI 代理
现在，让我们构建交互部分：使用 n8n 自动化技术，用于 WhatsApp 查询的 AI 代理：
1. 添加WhatsApp触发节点
要在收到消息时启动代理，请添加 WhatsApp Business Cloud 触发节点。选择“on message”并输入您的 WhatsApp 凭据。
2. 使用切换节点过滤消息
由于此工作流程主要关注基于文本的问题，因此请使用切换节点来区分文本消息和非文本消息。
- 将模式更改为“rules”。
- 设置第一条规则以检查消息值是否为“text”，并将其输出重命名为“supported”。
- 添加另一条规则以检查消息字符串表达式是否“not equal”“text”，并将其输出重命名为“not supported”。这将创建两个不同的路由
3. 处理不支持的问题
对于“not supported”的路由，只需回复用户即可。
- 添加 WhatsApp Business Cloud 发送消息节点。
- 提供您的凭证，将操作设置为“send”，并使用表达式作为收件人电话号码。
- 对于文本正文，请输入类似“Sorry, we are unable to process your query”的消息。
4. 构建用于文本问题的AI代理
对于支持（文本）的问题，神奇的事情就发生在这儿。
- 添加 AI 代理节点：此代理不仅可以使用大型语言模型 (LLM)，还可以利用您在第一部分中创建的向量存储。
- 连接到 OpenAI 模型：将 AI 代理连接到 OpenAI 模型，选择您想要的模型并提供凭证。对于内存，请使用“simple memory”。我们选择了 gpt-oss-20b。
- 集成向量存储工具：将向量存储搜索问答工具连接到您的 AI 代理。– 至关重要的是，请使用您在工作流程第一部分中定义的完全相同的内存密钥（例如“data store one”）。这可确保代理访问正确的产品目录数据。– 为此工具添加您的 OpenAI 嵌入模型凭证。
- 设置聊天模型：对于主要聊天交互，请使用 OpenAI 聊天模型，添加您的凭证并选择模型。
5. 通过WhatsApp发送代理的回复
最后，当您的 Agentic RAG（检索增强生成）准备好答案后，将其直接发送给用户。
- 添加另一个 WhatsApp Business Cloud 发送消息节点。
- 添加您的凭证，将操作设置为“send”，并使用表达式来表示收件人电话号码和文本正文（其中包含代理的答案）。
完成这些步骤后，您的工作流程就完成了！现在，您拥有一位功能强大、自动化的 WhatsApp 销售助理，它经过了全面的产品手册培训，能够处理真实的客户问题，并立即提供准确的回复，所有这些都通过 n8n、OpenAI 和 WhatsApp 集成实现。
小结
这款代理型 RAG WhatsApp 聊天机器人将来自向量库的特定产品信息与 AI 代理的生成能力自然地结合在一起，确保每次客户互动都具有可操作性、准确性和有效性。现在，您可以随时处理真实的客户咨询，从而提升您的销售流程和客户体验。
评论留言