# 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](/help-center/zh/chatbot/shen-me-shi-chatbot.md)查看详情。

### 总体流程

<figure><img src="/files/yOW4GNLOvKtSQ2Ln3PkV" alt=""><figcaption></figcaption></figure>

### Webhook 事件触发

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

<figure><img src="/files/dOVEggcR1Rvok9PjQOgG" alt=""><figcaption></figcaption></figure>

2. 将端点信息加入YCloud平台，并选择你需要监听的 Webhook 事件

<figure><img src="/files/fTm56bhlKCXZAPplarsh" alt=""><figcaption></figcaption></figure>

### 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

<figure><img src="/files/pk9Z3aT08r2BpgEm0Njn" alt=""><figcaption></figcaption></figure>

选择Javascript进行解析

```js
function parseSignatureHeader(signatureHeader) {
  const result = {};
  for (const part of (signatureHeader || '').split(',')) {
    const [key, value] = part.split('=');
    if (key && value) {
      result[key.trim()] = value.trim();
    }
  }
  return result;
}

const input = $input.first().json;
const headers = input.headers || {};
const body = input.body;

const signatureHeader = headers['ycloud-signature'] ;
const parsed = parseSignatureHeader(signatureHeader);

const timestamp = parsed.t;
const receivedSignature = parsed.s;

const payload =
  body === undefined || body === null
    ? ''
    : typeof body === 'string'
      ? body
      : JSON.stringify(body);

const signedPayload = `${timestamp}.${payload}`;

return [
  {
    json: {
      ...input,
      timestamp,
      receivedSignature,
      payload,
      signedPayload,
      signatureHeader,
      
    }
  }
];
```

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

<figure><img src="/files/DGBKDAoo0FC6sRCVXDMa" alt=""><figcaption></figcaption></figure>

获取Secret

<figure><img src="/files/XYnsVQUNLFQgHajZmTW9" alt=""><figcaption></figcaption></figure>

#### 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。

<figure><img src="/files/H6hyNAwegU2VBuFHD8R4" alt=""><figcaption></figcaption></figure>

### 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

1. 使用switch节点来配置多种webhook推送type

<figure><img src="/files/aUs38nWPxkeRwpdGTDe1" alt=""><figcaption></figcaption></figure>

2. 当接收到inbound\_message\_received时，可以通过调用AI接口来完成回复

<figure><img src="/files/6MG39gC32i812JuafyXb" alt=""><figcaption></figcaption></figure>

3. 通过merge节点，将前段的webhook推送数据集合保留

<figure><img src="/files/8yHP5vYoi7xupKBuwUqa" alt=""><figcaption></figcaption></figure>

4. 使用YCloud节点发送消息

<figure><img src="/files/lneU9M01ogMNIX9ylKoe" alt=""><figcaption></figcaption></figure>

填入对应的信息将AI输出的信息放置在Body中发送。

{% hint style="warning" %}
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。
{% endhint %}

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）

<figure><img src="/files/Z3sDLgG2DqBUTrxWv3jU" alt=""><figcaption></figcaption></figure>

### 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

<div align="center"><figure><img src="/files/OP2d1tvBIfLdcecZBbMF" alt=""><figcaption></figcaption></figure></div>

<figure><img src="/files/YXKW1AFtIGkRUoVr8FoS" alt=""><figcaption></figcaption></figure>

### 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。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://helpdocs.ycloud.com/help-center/zh/developer/n8n_integration/shi-li-1ai-zi-dong-hui-fu.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.