n8n模板：客服工单先脱敏再RAG匹配，高置信度才让Claude自动回复

原文要点

n8n模板20667（作者久保田卓磨）：三个带Header验证的webhook分别处理新工单、员工答复和索引重建。新工单先用正则脱敏邮箱、电话、卡号、邮编、订单号等PII，用Gemini生成向量在内存向量库检索相似历史问答，超过阈值才让Claude仅依据检索结果起草回复，Claude表示答不了或输出不安全就转待人工；员工答复经正则加Claude双重脱敏后才入库学习；重建webhook从Data Table恢复内存索引。Data Table名为cs_rag_cases。作者小样本测试：无关问题相似度约0.56-0.67，相关约0.84-0.96。模板免费，脱敏是尽力而为，内存索引重启即丢失。

这次做成什么

搭起一个“先脱敏、再检索、高置信才自动回复”的客服工单流水线，并用三个webhook的合成测试数据分别验证新工单、员工学习和索引重建三条链路。

准备什么

• 一个支持Data Table功能的n8n环境（建议自托管）
• Anthropic API密钥，供两个Claude节点使用
• Google AI Studio的Gemini API密钥，用于生成embedding
• 为三个webhook配置的Header Auth凭据（如X-API-Key头）

具体怎么做

1. 导入模板并建Data Table

   从 https://n8n.io/workflows/20667 复制工作流；在n8n中新建名为cs_rag_cases的Data Table，列结构以模板内sticky note列出的为准，并在所有读写该表的节点中选中它。

2. 配置三类凭据

   添加Anthropic凭据、Gemini（PaLM）API凭据，以及一个Header Auth凭据（头名建议X-API-Key），套用到全部三个webhook节点。

3. 激活并记录三个webhook地址

   激活工作流后复制三个URL：/webhook/cs-rag-inquiry（新工单）、/webhook/cs-rag-answer（员工答复）、/webhook/cs-rag-reindex（重建索引），用POST发送对应JSON。

4. 播种知识并调阈值

   先POST几条咨询，再用cs-rag-answer发送员工答复并开启learn让Q&A入库；观察Check similarity节点的实际分数，结合作者参考区间（无关约0.56-0.67、相关约0.84-0.96）在两者之间设定THRESHOLD。

5. 验证重建链路

   重启n8n后内存向量库清空，向cs-rag-reindex发送POST，确认Data Table中已学习的行被重新载入，再发一条相似咨询应能恢复自动回复。

可直接复制的材料

新工单 POST /webhook/cs-rag-inquiry
{"question":"我的订单A-10293什么时候发货？联系邮箱wang@example.com，电话13812345678"}
员工答复 POST /webhook/cs-rag-answer
{"case_id":"从inquiry返回中获得","answer":"订单A-10293将在48小时内发出，物流单号稍后短信通知您。","learn":true}
重建索引 POST /webhook/cs-rag-reindex
{}
三个请求都需带请求头 X-API-Key: 你的测试密钥

邮箱：[\w.+-]+@[\w-]+\.[\w.]+
手机号：1[3-9]\d{9}
电话（含区号）：0\d{2,3}-?\d{7,8}
银行卡：\d{16,19}
邮编：\b\d{6}\b
订单号：\b[A-Z]-\d{5,}\b

你是客服助手。只能依据下面检索到的参考问答起草回复，不得编造参考中没有的承诺、金额或时效。若参考内容不足以回答，只输出CANNOT_ANSWER。回复不超过150字，语气礼貌，结尾告知可转人工。
客户问题：{masked_question}
参考问答：{retrieved_qa}

输入与输出示例

本站虚构演示，分数与回复为示意，非真实模型输出；实际分数取决于你的embedding模型和数据。

输入

POST /webhook/cs-rag-inquiry，body为{"question":"我的订单A-10293什么时候发货？联系邮箱wang@example.com，电话13812345678"}，库中已有相似问答“订单多久发货/48小时内发出”，相似度0.91，高于阈值0.80。

对应输出

webhook返回{"reply":"您好，订单将在48小时内发出，物流单号会稍后通知您。如需进一步帮助可转人工。","status":"auto_answered","score":0.91}；Data Table新增一行，记录脱敏后的问题（邮箱电话已替换为占位符）、匹配分数0.91和生成的回复。

做完检查这些

• 不带X-API-Key或密钥错误的POST请求被webhook拒绝
• 含邮箱电话的咨询入库后，Data Table中保存的是脱敏后的文本
• 相似度高于阈值的咨询返回自动回复，低于阈值的返回“等待员工处理”且记录为pending
• 发送员工答复并learn后，再发相似问题能命中刚学习的Q&A
• 重启n8n后先调reindex，自动回复功能恢复正常

容易卡住的地方

• 脱敏是尽力而为：最终检查只认模式，AI漏掉的人名识别不出来，用真实客户数据前务必自测
• 内存向量库在n8n重启后全部丢失，必须调reindex重建，生产环境建议换成Qdrant、Pinecone或Supabase
• 作者给的0.56-0.67/0.84-0.96区间来自少量英日文小样本，你的数据分布不同，阈值必须自己调
• Data Table列名以模板内sticky note为准，本页未列出全部列，不要凭猜测建表
• 原始问答的保留时长需要自己决定并写进隐私流程