示例1:AI自动回复
本示例将演示如何通过 n8n + 大语言模型 + YCloud 节点实现一个基础的自动回复流程:
当 YCloud 平台收到 inbound message 后,将通过 Webhook 触发 n8n 工作流。调用大模型生成回复内容,并通过 YCloud 节点将消息返回给用户。
YCloud Chatbot 为您构建了完整的AI工作流,提供全链路简单易懂的AI知识库,语料,自动化流程。您可以点此链接查看详情。
总体流程

Webhook 事件触发
创建Webhook端点
使用n8n Webhook Node 创建新的监听接口
选择HTTP Method 为 POST
在Options中将Response Code 设置为200,且务必配置为立即返回 Immediately

将端点信息加入YCloud平台,并选择你需要监听的 Webhook 事件

解析返回值,验证签名
解析返回值
使用n8n内置的code节点对Webhook返回值中的Header进行解析

选择Javascript进行解析
本节点的返回值为:
原始值,
时间戳timestamp,
签名receivedSignature, 负载payload, 签名负载signedPayload, 请求头中的签名信息signatureHeader
加密数据
在上一步中,已将数据完整的划分。在本节点中,将使用SignedPayload和Secret。使用 Crypto 节点对数据进行加密

获取Secret

比较签名
使用if节点对签名信息进行校验,如果相符则认为验证成功。

通过AI回复消息
当你订阅了whatsapp_inbound_message 与 whatsapp_messages_updated这些事件后,你将在接收到消息时被推送 / 在发送消息后收到后续状态
使用switch节点来配置多种webhook推送type

当接收到inbound_message_received时,可以通过调用AI接口来完成回复

通过merge节点,将前段的webhook推送数据集合保留

使用YCloud节点发送消息

填入对应的信息将AI输出的信息放置在Body中发送。
此处请务必注意消息发送方与接收方为反向,此处为回复消息。
至此,一个完整的 Webhook → 大语言模型 → 自动回复 的n8n流程即配置完成。
保存至数据表中(可选)

监听发送信息的后续更新(可选)
当完成步骤5,数据将会通过whatsapp.message.update 事件进行推送更新
当收到此推送后,可使用datatable - update rows节点对数据表进行更新,以追踪发信的完整链路


小结
通过以上步骤,你可以快速构建一个基于 n8n 的自动回复工作流,实现:
Webhook 监听
消息数据处理
LLM 自动生成内容
通过 YCloud 节点回复用户
该示例作为通过n8n集成的起点。
Last updated
Was this helpful?