ChatGPT创意写作AI 评分 · 81/100AI 辅助编辑·未发现明显提示词注入风险n8n.io

用 n8n + OpenAI 搭建基于知识库的客服问答机器人

聊天消息触发 RAG 检索 → GPT-4o-mini 生成回答；手动流程抓取 FAQ 文本、分块、嵌入后存入内存向量库

有一点经验步骤流程提示词
给谁
需要在 n8n 中快速部署客服问答机器人的团队，已有 OpenAI API 密钥
你会得到
用户发送消息后，AI 先从内存向量知识库检索相关片段，再生成带引用的简洁回答；支持手动更新知识库内容
你需要
n8n

硬约束

前置条件：可访问的 n8n 实例；OpenAI API 密钥（用于聊天补全与嵌入）。将模板导入 n8n 后，替换 HTTP Request 节点中的示例 URL 为真实 FAQ 地址，运行一次手动 ingestion 流程填充向量库，再启用 Chat Trigger 进行对话测试。内存向量库在 n8n 重启后会丢失，需重新 ingestion。

他们做了什么

模板作者 takato-door 在 n8n 中构建了一个双分支工作流：一条分支由 Chat Trigger 启动，通过 AI Agent 调用 OpenAI GPT-4o-mini、对话记忆和内存向量知识库来回答客服问题；另一条分支由 Manual Trigger 启动，通过 HTTP Request 获取外部 FAQ 文本，经分块、嵌入后写入同一内存向量库。

效果如何

作者报告（template）：该工作流可用于基于知识库的支持问答场景，AI 会在回答前检索内部文档、FAQ 和政策。

值得知道

内存向量库（In-Memory Vector Store）在 n8n 实例重启后会丢失数据，生产环境建议迁移到持久化向量数据库。模板中的 HTTP URL 为示例地址，必须替换为真实内容源。OpenAI API 调用会产生费用，嵌入与聊天补全分别计费。未找到答案时，系统提示词要求 AI 主动提出转人工，避免编造信息。

n8n 工作流模板

结构已检查 · 未实际运行

下载后在 n8n 选择“Import from File”，或复制 JSON 后粘贴到编辑器。先配置自己的账号，再用测试数据运行；模板默认未启用。

下载 JSON查看原模板

配置与测试清单

需要绑定的凭证

  • 导入后按各需鉴权节点绑定你自己的凭证；本附件不含原作者密钥。

需要替换的配置

  • 源模板来自 n8n 公开库 #16336（约 18 个节点）。导入后先保持未启用，核对触发器、表达式与外部 API 端点。
  • Sticky Note 中的说明仅供参考；按自己的账号、表结构或频道 ID 替换占位配置。

测试输入与预期结果

  • 在测试环境手动执行一次主路径，确认每个需凭证的节点已连接且无鉴权错误。
  • 用一条合成/脱敏样例数据跑通，核对输出字段与下游写入目标，再考虑生产启用。

模板处理说明

  • 已移除原作者凭证绑定、webhookId 与执行数据，工作流设为未启用；节点、连线与原文提示词保持原样。未在 n8n 中实际运行。
  • 未改业务逻辑；运行前请自行核对密钥、配额与隐私合规。

模板获取日期: 2026-10-24

步骤

  1. 导入工作流并配置 OpenAI 凭证

    在 n8n 中导入该模板。进入工作流设置，为 OpenAI Chat Model 节点和 Embeddings OpenAI 节点分别添加 OpenAI API 密钥凭证。

  2. 配置聊天触发器与 AI 客服助手系统提示词

    确认 'When Chat Message Received' 节点已启用。在 'AI Support Assistant' 节点的 Options → System Message 中填入以下系统提示词，用于约束回答风格与检索要求。

    运行提示词 · 来源原文。AI Support Assistant 节点的 Options → System Message 字段

    You are a friendly, accurate customer-support assistant.
ALWAYS search the knowledge base before answering.
If the answer is not found, say you are not sure and offer to escalate to a human. Never invent policies, prices or facts.
Answer concisely and cite the source title when possible.

  3. 设置知识库检索参数

    在 'Load Knowledge Base Data' 节点中确认 mode 为 retrieve-as-tool，topK 为 4，memoryKey 为 support-kb，toolName 为 company_knowledge_base。该节点负责将用户查询转为向量并在内存中检索最相关的知识片段。

  4. 修改文档抓取来源 URL

    在 'Fetch FAQ Documents' 节点中，将默认 URL https://example.com/help-center/faq.txt 替换为实际可访问的 FAQ 或知识库文本地址。确保返回内容为纯文本或可被正确解析的格式。

  5. 执行手动 ingestion 填充知识库

    点击 'Manual Document Ingestion' 节点的执行按钮，触发完整流程：HTTP 抓取 → 文本分块（chunkSize=1000, chunkOverlap=100）→ 生成 OpenAI 嵌入 → 插入内存向量库。执行成功后，向量库即包含可检索的 FAQ 内容。

  6. 测试聊天触发

    启用工作流，打开 Chat Trigger 的测试对话窗口，发送一条与 FAQ 相关的问题。观察 AI 是否先检索知识库再生成回答，并检查回答中是否包含引用来源。

可复制提示词

搭建指导 · 本站建议版本。交给搭建助手，先确认输入和权限

这一段是提示词，页面不会在这里插入广告。

你正在协助复现一个 n8n 客服 RAG 机器人模板。请按以下顺序操作：1）确认 n8n 实例可用且已导入工作流；2）检查 OpenAI 凭证是否已配置；3）将 'Fetch FAQ Documents' 的 URL 替换为真实地址；4）运行手动 ingestion；5）测试聊天触发并验证回答是否引用知识库。若遇到凭证错误或节点未连接，优先检查 workflow.json 中的 connections 是否完整。

搭建前请准备好 OpenAI API 密钥和可公开访问的 FAQ 文本 URL。

来源

Answer support questions from a knowledge base with OpenAI GPT-4o-mini · takato-door · n8n.io · 2026-06-13

留言与反馈

试过这个方法吗？分享效果、遇到的问题或改进建议。留言审核后公开，请勿填写敏感信息。

正在加载…

    相关用例