LINE客服搬进Slack：AI起草回复并越用越聪明

原文要点

这是n8n.io模板库中的免费工作流20726。它接收LINE Messaging API的webhook，先验证x-line-signature、按事件去重、只保留文字消息，用正则遮蔽个人资料，再以Google Gemini嵌入在内存向量库检索已学问答，超过相似度阈值时由Anthropic Claude仅凭检索内容起草回复并标注可否使用。自动回复默认关闭；员工在Slack线程回复会转发给客户，带#learn的回复经再次遮蔽后写入向量库。作者小测试中相关问句得分约0.80至0.85、无关问句0.51；LINE免费计划推送配额200条，提醒节点每15分钟跑一次（作者估算约2900次/月执行）。

这次做成什么

在本站照做的目标：搭一条「LINE客户消息→AI起草→Slack人工确认→可选回学」的客服桥。可从n8n模板库导入原工作流，也可按本页给出的独立节点链路与字段设计在自己的n8n里复刻；无论哪种方式，都先用合成数据走通全流程后再接真实账号。

准备什么

• LINE官方账号并开通Messaging API，取得channel access token与channel secret
• Slack工作区及具备chat:write、channels:read、channels:history、reactions:write权限的机器人
• Anthropic API密钥与Google AI Studio（Gemini嵌入）API密钥
• 可通过HTTPS公网访问的n8n（供LINE与Slack webhook回调），并预先建好三张Data Table

具体怎么做

1. 建三张Data Table

   在n8n的Data Tables中新建line_slack_threads（列：line_user_id、slack_ts、status、last_inquiry、customer_name、pending_inquiries）、learned_qa（列：question、answer、created_at）、followup_reminders（列：line_user_id、slack_ts、last_reminded_at），记下各自表ID。

2. 接收并校验LINE消息

   加Webhook节点暴露路径如/line-cs，在LINE Developers后台把webhook URL指过去；紧跟Code节点用channel secret对请求体做HMAC-SHA256并与x-line-signature比对，不通过直接丢弃；再按webhookEventId在threads表查重，只放行type为text的消息。

3. 遮蔽隐私并检索知识库

   Code节点用正则把邮箱、手机号、信用卡号、邮编及「订单号」后的数字串替换为占位符；把遮蔽后的文本交给Embeddings Google Gemini节点生成向量，在Simple Vector Store（内存）节点检索learned_qa内容，只保留相似度高于Config阈值（本站练习设0.80）的片段。

4. Claude起草并分支

   把检索片段与顾客问题拼入Anthropic Chat Model节点的提示词（见材料），要求模型只依据参考内容回答并输出JSON：{draft, answerable}。IF节点分支：Config中auto_reply为true且answerable为true时，用LINE节点（HTTP Header Auth：Bearer 通道令牌）直接replyToken回客户；否则回一句确认语，并把问题与AI建议发到该客户对应的Slack线程，在threads表写入slack_ts与status=waiting。

5. Slack人工回复与#learn回学

   Slack Trigger监听目标频道message事件，取thread_ts在threads表反查line_user_id，把员工文字经LINE push发给客户，成功则加✅表情、更新status=replied；若员工文字含#learn，再走一次正则遮蔽+Claude复查，确认无残留邮箱/电话后写入向量库与learned_qa表，并在线程里回贴「已学习」。

6. 超时提醒

   Schedule Trigger每15分钟在营业时间内扫描threads表status=waiting的行，在对应Slack线程@提醒；不需要时降低频率或删除，避免按执行计费时白白消耗。

可直接复制的材料

你是客服起草助手。你只能依据下方「参考问答」作答，不得编造参考内容之外的事实（如物流状态、价格、退款承诺）。若参考内容足以回答，输出{"answerable":true,"draft":"..."}；若不足以回答或涉及退款、投诉、法律问题，输出{"answerable":false,"draft":""}。draft用礼貌的繁体或简体中文，80字以内，口语化，不要暴露你在使用知识库。顾客问题（已遮蔽隐私）：{{masked_text}}。参考问答：{{snippets}}。

{
  "auto_reply": false,
  "similarity_threshold": 0.8,
  "acknowledgment": "您好，已收到您的訊息，客服人員將盡快回覆您。",
  "keep_contacts": ["02-1234-5678", "service@example-shop.tw"],
  "business_hours": {"start": 9, "end": 18}
}

question,answer
如何修改收货地址,出貨前可在訂單頁自行修改地址，出貨後請聯繫客服協助轉址。
运费怎么计算,全館滿999元免運，未滿酌收80元運費。
可以货到付款吗,支援貨到付款，結帳時選擇「貨到付款」即可。
发票如何开立,電子發票將於出貨後寄至訂單信箱。

输入与输出示例

本站虚构演示，未实际运行工作流；相似度数值为示意，不代表你的环境结果。

输入

顾客在LINE发：「我的订单號A1024還沒出貨，幫我查一下，我的電話是0912-345-678」，auto_reply保持false。

对应输出

遮蔽后文本变为「我的订单號[訂單號]還沒出貨，幫我查一下，我的電話是[電話]」；向量检索未命中任何参考问答（示意相似度0.44，低于0.80），Claude输出{"answerable":false,"draft":""}；流程回客户确认语「您好，已收到您的訊息，客服人員將盡快回覆您」，并在Slack线程发「新詢問（需人工回覆）：订单號[訂單號]还没出货…」。员工回「您好，A1024將於明天出貨 #learn」，客户收到该句，QA经二次遮蔽后写入learned_qa。

做完检查这些

• 用未注册的请求体调用webhook，签名校验失败，流程不继续执行也不写入任何表
• 发送含手机号的测试消息，Slack线程里看到的是[電話]占位符而非原号码
• auto_reply=false时，任何咨询都只回确认语且Slack出现带AI建议或「需人工」标注的线程
• 员工回复带#learn后，learned_qa表新增一行且下一轮相同问题检索得分超过阈值
• 重复投递同一webhook事件（相同eventId），第二次被去重跳过

容易卡住的地方

• 作者明确说明遮蔽是尽力而为：正则只认邮箱、电话、卡号、邮编和「订单号」类词后的ID，AI漏遮的人名无法被最终检查发现，上真实客户数据前先用合成数据测试
• Slack机器人自己的发言也会触发Slack Trigger，作者测试一条客户消息消耗了多次执行，需在Trigger后过滤bot消息
• LINE免费计划推送消息配额200条/月，自动回复和员工转发都占用配额
• 每15分钟的提醒在无待办时也照常运行，作者估算约2900次/月执行，按执行计费的部署应降频或删除
• Google Gemini免费层级可能用你的内容改进产品，真实客户数据建议用付费密钥
• 仅处理文字消息，图片与贴图被忽略
• 阈值要按自己的数据调：作者小样本里相关问句0.80至0.85、无关0.51，不能照搬到你的FAQ