n8n 模板：WhatsApp AI 客服机器人（文本/语音/图片/文档 + RAG）

将 Google Docs 产品文档自动索引到 MongoDB Atlas，通过 WhatsApp 接收多类型消息并用 GPT-4o-mini 做检索增强问答

给谁

内部技术支持团队、产品专员、知识库管理员

你会得到

用户通过 WhatsApp 发送文字、语音、图片或文档，系统自动检索产品文档并返回上下文感知的 AI 回答

你需要

n8n · mongodb-atlas · whatsapp · google-docs

步骤

1. 配置向量嵌入与文档索引环境

   在 n8n 中配置文档摄入工作流的前置连接：1) 在 Google Docs 节点凭证中完成 OAuth2 授权，并填入待索引的产品文档 URL；2) 在 MongoDB 节点凭证中连接 Atlas 集群，指定集合名称（如 n8n-template）；3) 确保集合上已创建向量搜索索引，索引名与 n8n 配置一致（默认 data_index）；4) 参考以下 MongoDB 搜索索引模板创建索引。

   搭建指导 · 来源原文。MongoDB Atlas 搜索索引 JSON 定义；在 Atlas 控制台或 CLI 中创建

   复制提示词

   {
     "mappings": {
       "dynamic": false,
       "fields": {
         "_id": { "type": "string" },
         "text": { "type": "string" },
         "embedding": {
           "type": "knnVector",
           "dimensions": 1536,
           "similarity": "cosine"
         },
         "source": { "type": "string" },
         "doc_id": { "type": "string" }
       }
     }
   }

2. 配置 WhatsApp 问答工作流

   配置接收与回复 WhatsApp 消息的连接：1) 在 WhatsApp Trigger 和 WhatsApp 节点中填入 Meta 账号凭证，启用消息接收与发送；2) 将 MongoDB Vector Search 节点连接到同一集合（n8n-template），确保索引名为 data_index；3) 在 Knowledge Base Agent 节点中设置 system prompt，定义公司语气、回答风格及业务规则，并确认其引用了已连接的 MongoDB 集合做上下文检索。

3. 执行文档摄入与索引工作流

   手动触发「Execute Workflow」运行文档摄入工作流。流程：Google Docs Importer 拉取文档 → Document Section Loader 加载内容并附加 doc_id 元数据 → Document Chunker 按 markdown 分块（chunkSize=3000, chunkOverlap=200）→ OpenAI Embeddings Generator 生成 1536 维向量 → MongoDB Vector Store Inserter 将块与嵌入写入 Atlas。运行成功后，产品文档即被索引可供语义搜索。

   搭建指导 · 来源原文。Sticky Note 说明；工作流手动触发前的提示

   复制提示词

   Run this workflow manually to import and index Google Docs product documentation into MongoDB with vector embeddings for fast search.

4. 运行 WhatsApp AI 问答工作流

   工作流由 WhatsApp Trigger 自动触发。 incoming 消息经 Route Types Switch 按类型分流：Text 直接提取消息体；Audio 经 WhatsApp API 获取媒体 URL、HTTP Request 下载后由 OpenAI audio/translate 转录为文本；Image 经 WhatsApp API 获取 URL、HTTP Request 下载后由 OpenAI image/analyze（gpt-4o-mini, detail=auto）生成描述；Document 经 WhatsApp API 获取 URL、HTTP Request 下载后，由 Code 节点映射文件扩展名，再经 Route Document Types Switch 按 MIME 类型分流到 Extract from PDF/XLS/XLSX 等节点提取文本，最终统一格式化为 text 字段。所有分支的文本汇入 Knowledge Base Agent，该节点调用 Simple Memory（sessionKey 基于用户 WhatsApp ID）维护多轮上下文，通过 MongoDB Vector Search（retrieve-as-tool, toolName=productDocs）检索相关文档片段，再由 OpenAI Chat Model（gpt-4o-mini）生成回答，最后由 Send Response 节点通过 WhatsApp API 回复用户。

   搭建指导 · 来源原文。Sticky Note1 说明；工作流整体功能概述

   复制提示词

   This workflow listens for WhatsApp messages (text, audio, image, documents), converts them into embeddings, searches MongoDB, and uses GPT-4o-mini to provide context-aware answers with conversation memory.

   运行提示词 · 来源原文。Map text prompt 节点 (n8n-nodes-base.set)；将 WhatsApp 文本消息体映射为 text 字段输出到 Knowledge Base Agent

   复制提示词

   ={{ $json.messages[0].text.body }}

   运行提示词 · 来源原文。Map image prompt 节点 (n8n-nodes-base.set)；将 OpenAI image analyze 结果与图片 caption 合并为 text 字段

   复制提示词

   =User image description: {{ $json.content }}
   
   User image caption: {{ $('Route Types').item.json.messages[0].image.caption }}

   运行提示词 · 来源原文。Map document prompt 节点 (n8n-nodes-base.set)；将文档提取结果与 caption、MIME 类型合并为 text 字段

   复制提示词

   =Parsed text: {{ $json.text || $json.data || $json }}
   
   Caption text: {{ $('Route Types').item.json.messages[0].document.caption }}
   
   MimeType: {{ $('Gets WhatsApp Document Source URL').item.json.mime_type }}

   运行提示词 · 来源原文。Map file extensions 节点 (n8n-nodes-base.code)；标准化 MIME 类型供 Route Document Types Switch 使用

   复制提示词

   let requests = $("Download Document").all()
   
   requests.forEach((request) => {
     let mime_type = request.json.mime_type
   
     if (
       mime_type === "text/calendar" || 
       mime_type === "application/ics" || 
       mime_type === "text/x-calendar"
     ) {
       request.json.mime_type = "mapped/calendar"
     }
   
     if (
       mime_type === "application/xml" || 
       mime_type === "text/xml") {
       request.json.mime_type = "mapped/xml"
     }
   
     if (!mime_type) {
       request.json.mime_type = $('Gets WhatsApp Document Source URL').first().json.mime_type
     }
   })
   
   return requests;

你正在搭建一个基于 n8n 的 WhatsApp AI 客服系统。请按以下顺序操作：1) 确认你已拥有 OpenAI API 密钥、MongoDB Atlas 集群（M10 或以上以支持向量搜索）、Google Docs 文档链接、Meta WhatsApp Business 账号；2) 在 n8n 中导入本模板工作流；3) 按步骤配置所有凭证（Google Docs OAuth2、MongoDB、OpenAI、WhatsApp Trigger、WhatsApp API、HTTP Header Auth）；4) 在 MongoDB Atlas 中创建向量搜索索引（索引名 data_index，维度 1536，相似度 cosine）；5) 先在测试环境手动运行文档摄入工作流，确认文档被正确分块和嵌入；6) 配置 WhatsApp webhook 指向你的 n8n 实例；7) 测试发送文本、语音、图片、PDF 消息，验证各分支正常处理并返回上下文相关的回答。