最佳实践：AI 自动回复

本示例将演示如何使用 n8n + 大语言模型实现基本的自动化回复工作流： 收到入站消息后，YCloud 会通过 Webhook 触发 n8n 工作流，调用大语言模型生成回复，并通过 YCloud API 将消息返回给用户。

YCloud AI Agent 提供了集成的 AI 知识库、语料库和自动化工作流。详情请参见 AI Agent。

​

总体概览

​

Webhook 事件

配置 Webhook 事件时，请将 HTTP Method 设置为 POST，Response 设置为 Immediate Return，并将 Response Status Code 设置为 200。 您必须在 YCloud Webhook 事件中选择 WhatsApp.inbound_message.received。触发 YCloud Webhook 后，n8n Webhook 节点将接收完整的 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（例如 Data Table、AI Agent、HTTP Request 等）的输入数据，并可通过 Expression 进行引用。

---

​

Data Table

​

Data Table 设计

​

Insert Row

该节点用于将通过 Webhook 接收到的数据写入数据表，以便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保持一致。
• 您可以直接将字段从 Input 面板拖入配置项中，n8n 会自动生成 Expression。

​

Get Row

该节点用于从 Data Table 中读取已有数据。条件可以根据需要自定义。在本最佳实践中，我们使用 wamid 作为匹配条件。 在此节点中，通常需要配置匹配条件（Condition）。 此方法通常用于判断某条消息是否已被处理，或用于检索历史上下文。

​

AI Agent

​

1. 模型配置

在使用 AI Agent 之前，请在 Credentials 中配置对应的模型信息（如 OpenRouter、Ollama 等）。本节将使用 OpenRouter 进行配置。 此处省略了 Credential 配置的屏幕截图；只需使用 OpenRouter 提供的相关 API 即可。您可以选择偏好的模型和返回格式；在此最佳实践示例中，选择 TXT 格式的 grok-3。

​

2. AI Agent 节点

在 AI Agent 节点中：

• 编写提示词（Prompt）
• 使用表达式引用来自 Webhook 或数据表的字段作为输入。您可以在此处编写所需的提示词；无需额外添加其他内容。提示词内容可根据业务需求自由定制。

您可以选择不同的工具连接到 AI Agent 节点；只需将它们与节点相连即可。

注意：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。

在此处您可以查看模型的最终输出信息。

​

Merge

Merge 节点用于合并来自多个节点的输出数据，为后续的 API 请求做好准备。 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单一的数据结构，供 HTTP Request 节点使用。

---

​

HTTP Request

最后，通过 HTTP Request 节点调用 YCloud 消息发送接口。

• 您可以使用 YCloud API 参考中的 cURL 示例进行快速配置。在 X-API-Key 请求头中填入您的 API 密钥。
• 将上一步合并后的字段拖入请求体（body）中。

• 使用 Expression 动态填充消息内容、接收者以及其他参数。

至此，包含 Webhook → 大语言模型 → 自动回复的完整 n8n 工作流已配置完成。

---

​

总结

按照上述步骤，您可以快速使用 n8n 构建自动化回复工作流，实现：

• Webhook 监听
• 消息数据处理
• LLM 自动生成内容
• 通过 YCloud API 向用户回复消息

本示例可作为通过 n8n 进行集成的入门参考。