带消息合并的Facebook Messenger RAG客服机器人

原文要点

该免费模板由MADIAD发布：接收Facebook Messenger webhook（含验证challenge），忽略主页自己发出的消息；把每条消息按发送者ID存入名为conversations的n8n Data Table，轮询直到该用户最新消息满10秒未更新，再把积攒的消息合并成一条提示词；交给由OpenRouter聊天模型驱动的AI Agent，以Supabase向量库检索为工具、Postgres做对话记忆，经Facebook Graph API回复。知识库侧：Google Drive指定文件夹新增PDF时提取文本、切块、用OpenAI嵌入写入Supabase documents表；PDF更新时先按文件名删旧向量再重建；文件进Trash文件夹时删向量并删Drive文件。

这次做成什么

搭好"Messenger消息合并→RAG回答→回复用户"与"Drive PDF增改删→向量库同步"两条链路，并用一条合成PDF和连续三条测试消息验证10秒合并窗口确实生效。

准备什么

• 一个Facebook主页和Meta开发者应用，已配置Messenger webhook并具备发消息权限
• Supabase项目（启用pgvector）及API凭据
• OpenAI API key（嵌入）与OpenRouter API key（聊天模型）
• 一个Postgres数据库实例用于聊天记忆
• Google Drive账号（OAuth）及三个用途的文件夹ID：新文件、更新、Trash

具体怎么做

1. 建Supabase向量表与记忆库

   在Supabase启用pgvector，建documents表（建议字段：id、content、metadata含file_name、embedding向量列），并在n8n配Supabase凭据。再准备一个Postgres库供Chat Memory节点使用。表结构细节需对照模板中Vector Store节点的实际配置核对，模板未给出DDL。

2. 建n8n Data Table

   在n8n的Data Table功能里新建名为conversations的表，建议列：sender_id、message_text、received_at（具体列名以模板节点读取的字段为准，需在模板中核对）。这是10秒批处理的暂存区，名字必须与模板一致。

3. 配置Messenger webhook

   在Meta应用后台把回调URL指向模板webhook节点的URL，填写验证token；订阅messages事件。激活后先用Meta后台的测试功能发验证请求，确认模板能正确回传challenge（模板已处理验证逻辑）。再确认模板会忽略page自己发出的消息，避免机器人回复自己造成循环。

4. 验证10秒消息合并

   用测试Messenger账号连续快速发三条消息（见example），间隔不超过3秒，然后停住。预期：conversations表先后出现3行；约10秒后（以最后一条为准）流程继续，三条被合并成一条提示词交给Agent；你只收到一条合并后的回复，而不是三条各自回复。

5. 跑通PDF知识库同步

   在"新文件"文件夹上传一份合成PDF（下文artifact），确认Supabase documents表新增若干向量行且metadata含文件名；修改该PDF重新上传到"更新"文件夹，确认旧向量先删后重建、行内容更新；把文件移入Trash文件夹，确认向量被删且Drive文件被删除。删除是不可逆操作，请只用合成文件演练。

6. 配置模型并端到端提问

   在Agent节点配OpenRouter凭据并选择你已开通的聊天模型，嵌入节点配OpenAI凭据。向主页发一条与PDF内容相关的问题，确认回复引用了PDF中的信息，且Postgres记忆里能看到该会话记录。

可直接复制的材料

示例咖啡馆常见问题
营业时间：周一至周五 8:00-20:00，周末 9:00-21:00。
会员政策：消费满200元可办理会员卡，享9折。
外带规则：外带杯免费，自带杯减2元。
退换：饮品出品后30分钟内可凭小票重做。

你是示例咖啡馆的Facebook Messenger客服。规则：
1) 用户消息可能是10秒内多条合并而成，先整体理解再一次性回答所有问题。
2) 优先使用检索工具查知识库；知识库没有的信息直接说"这个我需要跟店里确认"，不要编造。
3) 借助对话记忆保持上下文，用户说"那""还有"时结合上文理解。
4) 回复控制在120字以内，口语化，不用Markdown。
5) 不索取密码、支付信息等敏感内容。

T+0秒  发送："你们周末几点开门"
T+2秒  发送："会员怎么办"
T+4秒  发送："自带杯有优惠吗"
然后停止发送，等待约10-12秒
预期：收到一条合并回复，同时覆盖三个问题

输入与输出示例

本站虚构示意，回复文案为示例，非模板实际输出；实际措辞取决于所选OpenRouter模型。

输入

按测试脚本连发三条："你们周末几点开门""会员怎么办""自带杯有优惠吗"

对应输出

约10秒后收到一条合并回复，例如："周末9点到21点营业～消费满200元就能办会员卡，全场9折；自带杯每杯减2元，欢迎带杯来！" conversations表中三条记录被合并处理后清空或标记已处理，Postgres记忆中新增该sender_id的一轮对话。若只发一条就停，10秒后同样会收到回复（单条也走合并流程）。

做完检查这些

• Meta后台webhook验证挑战能被正确回传，订阅状态为已启用
• 连发三条消息后只收到一条回复，且回复覆盖全部三个问题
• 主页自己发出的消息不会触发新的执行（无自回复循环）
• 上传新PDF后Supabase出现对应向量行，metadata含文件名
• PDF更新后旧向量被删除，检索结果反映新内容；移入Trash后向量与文件均被删除

容易卡住的地方

• Data Table名称必须为conversations且列名与模板一致，否则批处理读写失败
• 10秒等待意味着回复有至少10秒延迟，不适合追求即时回包的场景
• Trash触发器会真实删除Drive文件，演练只用合成文件，切勿指向业务文件夹
• 忽略主页自身消息的逻辑若失效，机器人回复会再次触发webhook形成循环
• OpenRouter模型、OpenAI嵌入、Supabase、Postgres任一凭据失效都会让Agent无响应，需逐个节点排查
• webhook验证token必须与Meta后台填的一致，否则订阅无法激活