最佳实践：AI自动回复
本示例将演示如何通过 n8n + 大语言模型实现一个基础的自动回复流程：
当 YCloud 收到 inbound message 后，通过 Webhook 触发 n8n 工作流，调用大模型生成回复内容，并通过 YCloud API 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
设置Webhook事件中，请将HTTP Method设置为POST，Response为立即返回，且返回状态码为200。
您需要在YCloud Webhook event中选择 WhatsApp.inbound_message.received。 当 YCloud Webhook 被触发后，n8n 的 Webhook 节点会接收到完整的 inbound_message 数据，并自动解析为可用字段。如下图所示：
这些字段将作为后续节点（Data Table、AI Agent、HTTP Request 等）的输入数据，可通过 Expression 方式进行引用。
Data Table 操作
Data Table 表设计
您可以完全依照Webhook推送的字段来进行设计。如wamid, from, name, to, sendtime, type等。这些字段被保留，能防止回复重复的问题。
Insert Row
该节点用于将 Webhook 接收到的数据写入 Data Table，用于后续查询或状态管理。
支持 手动匹配 或 自动匹配
自动匹配要求字段名称完全一致
可直接将 Input 面板中的字段拖入配置项，n8n 会自动生成 Expression
Get Row
该节点用于从 Data Table 中读取已存在的数据。
在该节点中，通常需要配置 匹配条件（Condition），例如：
使用 Webhook 中的 wamid
与 Data Table 中已存储的 wamid 字段进行匹配
该方式常用于判断消息是否已处理，或读取历史上下文。
AI Agent 操作
1. 配置模型
在使用 AI Agent 之前，请先在 Credentials 中配置对应的模型信息（如 OpenRouter, ollama 等）。在本节中，将使用OpenRouter进行配置。
此处Credential不进行截图配置，使用来自OpenRouter的相关API即可。您可以选择您想要的模型与返回格式，在此最佳实践中选择grok-3与TXT格式。
2. AI Agent 节点
在 AI Agent 节点中：
编写 Prompt
使用 Expression 引用 Webhook 或 Data Table 中的字段作为输入。您可以编写您想要的Prompt，此处不进行添加。Prompt 内容可根据业务需求自由定制。
您可以选择不同的工具来接入AI Agent节点，将其与节点相连即可。
说明：AI Agent 支持扩展记忆机制（Memory），可通过数据库或其他存储方式实现上下文管理。
您可以在此处看到模型最终输出的信息。
Merge 操作
Merge 节点用于合并多个节点的输出数据，为后续 API 请求做准备。
常见模式包括：
Append
Combine
Merge by Index
在当前示例中，使用合并模式将多个输出拼接为一个数据结构，供 HTTP Request 节点使用。
HTTP Request（发送回复消息）
最后，通过 HTTP Request 节点调用 YCloud 消息发送接口。
可直接使用 YCloud API 文档中的 cURL 示例 进行快速配置，将APIkey插入 X-API-KEY所对应的位置。
将上一步合并后的字段拖入请求体中
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。
使用 Expression 表达式动态填充消息内容、接收方等参数
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。
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 API 回复用户
该示例作为通过n8n集成的起点。
Last updated
Was this helpful?