用GPT-5加Qdrant搭英文网站问答机器人

原文要点

这是Paolo Ronco的付费n8n模板：暴露一个带header鉴权的webhook，把请求归一化为消息和会话ID；用OpenAI把意图分为smalltalk、search、reject三路；reject返回固定安全文案JSON，smalltalk生成简短英文回复；search去Qdrant向量集合检索（可选Cohere重排），把去重后的标题、URL、摘要拼成上下文，再由带严格JSON schema的agent产出最多五条结果和可选追问，最终按前端约定的JSON结构返回。

这次做成什么

理解并复刻这个网站客服机器人的骨架逻辑。注意：原模板需付费购买，本节是本站独立设计的等价练习方案，不是原工作流文件，界面与参数细节需以购买后的原模板核对；OpenAI、Qdrant、Cohere各自可能另行收费。

准备什么

• 一个可用的n8n实例（云端或自托管）
• OpenAI API key（分类、闲聊、回答三处共用）
• 一个Qdrant实例及已灌入站点内容的集合（含url、title元数据）
• 可选：Cohere API key（启用重排才需要）

具体怎么做

1. 建鉴权webhook入口

   新建Webhook节点，POST方法，在认证里选Header Auth并新建凭据（如X-Chat-Token: 一串自定的长随机串）。跟随一个Code节点把入参归一化成两个字段：message（用户文本）和sessionId（会话标识），缺失时给默认值。

2. 意图分类与三路分支

   接OpenAI Chat节点，用下方提示词把message分类为smalltalk、search或reject，只输出一个词。后面用Switch节点按该词分三路：reject直接返回固定安全文案JSON；smalltalk让模型生成一两句英文寒暄；search进入检索分支。

3. Qdrant检索与上下文拼装

   search分支接Qdrant向量检索节点，指到你的集合（如website_knowledge），取top 5；可选在后面接Cohere重排。用Code节点按URL去重，把每条的title、url、snippet拼成编号列表作为上下文。

4. 结构化回答与返回

   接OpenAI节点并启用严格JSON schema输出（见下方schema artifact），要求基于上下文产出最多五条结果加可选follow_up_question；解析清洗后用Respond to Webhook节点按前端约定的JSON结构（text或search_results）返回。

可直接复制的材料

You are an intent classifier for an English website support chatbot.
Classify the user message into exactly one of: smalltalk, search, reject.
- smalltalk: greetings, thanks, casual chit-chat.
- search: questions answerable from the website's content (products, docs, pricing, policies).
- reject: requests for harmful, illegal, or clearly out-of-scope content.
Reply with only the single label word, nothing else.
User message: {{ $json.message }}

{
  "type": "object",
  "properties": {
    "results": {
      "type": "array",
      "maxItems": 5,
      "items": {
        "type": "object",
        "properties": {
          "title": { "type": "string" },
          "url": { "type": "string" },
          "summary": { "type": "string" }
        },
        "required": ["title", "url", "summary"]
      }
    },
    "follow_up_question": { "type": "string" }
  },
  "required": ["results"]
}

{
  "headers": {
    "X-Chat-Token": "demo-token-replace-me"
  },
  "body": {
    "message": "How do I reset my password?",
    "sessionId": "sess-demo-0001"
  }
}

输入与输出示例

本站虚构演示输出，未实际运行；真实字段名以你前端与原模板约定为准。

输入

POST测试报文：{"message": "How do I reset my password?", "sessionId": "sess-demo-0001"}，Qdrant集合里有两条相关文档：Password Reset Guide和Account Security FAQ。

对应输出

{"type":"search_results","sessionId":"sess-demo-0001","results":[{"title":"Password Reset Guide","url":"https://example.test/docs/reset","summary":"Open Settings > Security and choose Reset password; a reset link is emailed within minutes."},{"title":"Account Security FAQ","url":"https://example.test/docs/security","summary":"Covers reset links, two-factor setup and locked accounts."}],"follow_up_question":"Are you locked out of your account right now?"}

做完检查这些

• 无token或token错误的请求被webhook直接拒绝，不进入后续节点
• 发hello类消息走smalltalk分支，返回简短英文text类型JSON
• 发站点内容问题走search分支，返回的results不超过5条且URL互不重复
• 发明显越界请求走reject分支，返回固定安全文案且不调用Qdrant

容易卡住的地方

• 原模板是付费商品，本方案是等价练习，节点命名和schema细节需购买后核对
• Qdrant集合必须预先灌入站点内容并带url/title元数据，空集合会让search分支返回空
• OpenAI的JSON schema输出需要模型和节点版本支持，旧节点可能只有JSON mode，需自行验证
• Cohere重排是可选增强，不配凭据时不要启用对应开关，否则流程报错
• OpenAI、Qdrant托管、Cohere均可能单独计费，原文未给出具体费用