Mindket

用 ManyChat 和 OpenAI 智能体回复 Instagram 私信的机器人

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,用你自己的口吻回复 Instagram 私信。ManyChat 把每条消息发到一个 webhook,OpenAI 智能体带着这次聊天的简短记忆写回复,回复再以 JSON 发回去。

用 ManyChat 和 OpenAI 智能体回复 Instagram 私信的机器人 是一款 n8n 工作流,属于营销类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:导入文件并发布,然后使用生产环境的 webhook 地址
  • 你自己的 n8n 服务器:同一个文件,同样的步骤,webhook 要能通过 https 从互联网访问
  • ManyChat:一个把每条消息发到这个地址并显示回复的流程
  • OpenAI:写回复的模型

平台

连接 3 个应用

运行方式

触发

粉丝发来一条消息

ManyChat 把一条消息发到 webhook 时开始运行。它带来:

  • 消息的文字
  • 这次聊天的 id,用作记忆的键

动作

  1. 从请求里取出消息文字和聊天 id
  2. 载入你的系统提示词,里面有定下语气的示例帖子
  3. 让 OpenAI 智能体写一条回复,并把这次聊天最近的几轮作为记忆
  4. 把回复以 JSON 发回给 ManyChat

结果

一条你口吻的简短回复,以 JSON 返回给 ManyChat,放在名为 output 的字段里

集成

开始之前要准备好这些。

ManyChat

Instagram 聊天工具

把每条消息发到 webhook,并显示回复。

需要一个连接了 Instagram 的 ManyChat 账号

Instagram

消息来源

粉丝写私信的地方。

需要一个连接到 ManyChat 的 Instagram 账号

OpenAI

回复撰写者

用你的提示词的口吻写回复。

需要一个 OpenAI API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
4 个步骤,由 Webhook 调用启动
AI
1 个步骤调用 AI 模型:AI Agent
登录
需要登录:OpenAI
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 4 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流是一个 Instagram 消息机器人背后的大脑。ManyChat 是夹在 Instagram 和 n8n 之间的聊天工具,它把每条收到的消息连同这次聊天的 id 一起发到一个 webhook。一个 Set 步骤保存你的系统提示词,并从请求里取出消息文字和聊天 id。OpenAI 智能体按提示词描述的口吻写出回答,窗口记忆则保存每次聊天最近的几轮。工作流最后把回答以 JSON 交回去。六个节点负责运行,另有一个便签。

适合谁

收件箱里总是同样问题、想用自己的语气先回一句的创作者和小品牌。如果一个错误回答会让你损失金钱或信任,就别选它,因为机器人只知道你的提示词告诉它的东西。它是在对真人说话。

谁在用,怎么用
行业谁在用怎么用例子
创作者个人创作者回答每条帖子都会带来的问题一位创作者把十条文案贴进提示词,机器人就用同样轻松的语气回复。
教练健身和生活教练为“我该从哪里开始”的消息给出第一个回答一位教练在提示词里写上一份免费指南,机器人就把新粉丝指到那里。
店铺小型网店根据提示词里的信息回答营业时间、尺码和配送一位店主把配送时间在提示词里写一次。
代理社交媒体经理替客户的账号处理第一线回复一位经理为每个客户保留一份工作流,各有各的提示词。

你需要懂 n8n 的设置:导入文件、添加一个凭据、让 webhook 上线,并从另一个工具调用它。

用在哪里

需要一个 ManyChat 能通过互联网访问的 n8n,以及一个连接了 Instagram 的 ManyChat 账号。

  • n8n Cloud:导入文件并发布,然后使用生产环境的 webhook 地址
  • 你自己的 n8n 服务器:同一个文件,同样的步骤,webhook 要能通过 https 从互联网访问
  • ManyChat:一个把每条消息发到这个地址并显示回复的流程
  • OpenAI:写回复的模型

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。设置就是一个凭据、一段提示词和 ManyChat 里的一个地址。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的、互联网能访问到的服务器
OpenAI一个 API 密钥,在 n8n 里添加为 OpenAI 凭据
ManyChat一个连接了你的 Instagram 账号的账号。Mindket 没有查哪个 ManyChat 套餐允许调用 webhook
示例帖子几条你自己的文案或帖子,让机器人学你的语气
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 添加一个 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  3. 打开 Set System Prompt。把 <YOUR_EXAMPLE_POSTS> 换成你自己的帖子,也可以按需改规则。
  4. 发布工作流,打开 Receive Instagram Message,复制它的生产地址。
  5. 在 ManyChat 里加一个请求步骤,把 JSON 发到这个地址。把每个联系人独有的值作为 session_id 发送,把联系人的最后一条消息作为 text 发送。把回复里的 output 字段显示成机器人的消息。

如何使用

让工作流保持发布状态。粉丝在 ManyChat 流程里发的每条消息,都会得到智能体写的回复。向所有人开放之前,先用你自己的账号测试。

想换个结果,改这里
想改的在哪里改
机器人的语气和规则Set System Prompt 里的 prompt 字段
它记几轮Window Buffer Memory 里的上下文窗口长度
模型OpenAI Chat Model
webhook 地址Receive Instagram Message 里的路径
回答的形状Send Reply

示例

一位粉丝通过 ManyChat 流程向你的机器人提了个问题。

{"session_id": "1001", "text": "What is your top tip for starting out?"}

智能体用你示例帖子的口吻写一句简短的回答,webhook 返回一个只有一个字段 output 的 JSON 对象。ManyChat 把这段文字显示给粉丝。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框叫一个节点,只做一件事。这个工作流等一条消息,请 AI 回答,再把回答发回去。先加上你的示例帖子,因为机器人只知道你给它的东西。

专家:ManyChat 的聊天 id 就是记忆的键。

想看细一点,看这里
节点它做什么要知道的
Receive Instagram Message接收 POST,并等待回复节点知道地址的人都可以往里发
Set System Prompt保存提示词,并从请求体里读 session_id 和 text聊天 id 是记忆的键
AI Agent带着提示词和消息运行模型没有连接任何工具
OpenAI Chat Model智能体背后的模型设为 gpt-5.6-terra,智能体可以用它做工具调用
Window Buffer Memory保存每次聊天最近的几轮它在 n8n 自己的内存里,所以重启会清空
Send Reply以 JSON 返回第一个传入项回答放在 output 里

注意事项

webhook 是敞开的,要把它当成一扇没上锁的门。

  • 安全:找到这个地址的人都可以发消息,并花掉你的 OpenAI 额度。把 webhook 的认证改成请求头检查,如果 ManyChat 允许你加请求头,就从 ManyChat 发同样的请求头
  • 修复:原版没有设置模型,所以 n8n 会用它的默认模型 gpt-5-mini,OpenAI 会在 2026 年 12 月 11 日把它停用。现在的模型是 gpt-5.6-terra。提示词重写过,给你的帖子留了占位符,webhook 地址也改成了中性的
  • 局限:机器人只知道提示词告诉它的东西。提示词让它不知道时就直说,这降低了编造回答的风险,但并没有消除
  • 记忆:它在 n8n 进程里,所以重启会清空每一次聊天。它只保留最近几轮
  • 费用和数据:每条消息是一次 OpenAI 调用,聊天文字会发给 OpenAI
  • 没有运行过:Mindket 没有用 ManyChat、Instagram 或 OpenAI 运行过它,也没有查 ManyChat 的界面、限制,以及它等回复要等多久
  • 凭据:JSON 里没有任何凭据

README 和文件

README

用 ManyChat 和 OpenAI 智能体回复 Instagram 私信的机器人

一个 n8n 工作流,用你自己的口吻回复 Instagram 私信。ManyChat 把每条消息发到一个 webhook,OpenAI 智能体带着这次聊天的
简短记忆写出回复,工作流再把回复以 JSON 发回去。

里面有什么

  • workflow.json:n8n 导出的工作流,七个节点,其中一个是便签。里面没有任何凭据。
  • README.md:这份说明。

和原来的副本相比,我们改了什么

  • 聊天模型原来没有设置模型,所以 n8n 会用它的默认模型 gpt-5-mini,OpenAI 会在 2026 年 12 月 11 日把它停用。现在它是
    gpt-5.6-terra,设在 OpenAI Chat Model 里。
  • 系统提示词用新的话重写了。它指向一个占位符 <YOUR_EXAMPLE_POSTS>,你在那里贴自己的帖子。它还让机器人不知道时就直说,不要编造事实。
  • webhook 路径改成了中性的 instagram-dm,原版里隐藏的 webhook id 也去掉了。
  • 节点有了朴素的名字,比如 Receive Instagram Message、Set System Prompt 和 Send Reply。连线没有变。
  • 便签重写了。

开始之前

  • 一个 ManyChat 能通过互联网访问的 n8n,用 n8n Cloud 或你自己的服务器都行。
  • 一个 OpenAI API 密钥。
  • 一个连接了你的 Instagram 账号的 ManyChat 账号。Mindket 没有查哪个 ManyChat 套餐允许调用 webhook。
  • 几条你自己的帖子或文案,用来贴进提示词。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File。选中 workflow.json。
  2. 添加一个 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  3. 打开 Set System Prompt。把 <YOUR_EXAMPLE_POSTS> 换成你自己的帖子,也可以按需改规则。
  4. 发布工作流,打开 Receive Instagram Message,复制它的生产地址。
  5. 在 ManyChat 里加一个请求步骤,把 JSON 发到这个地址。把每个联系人独有的值作为 session_id 发送,把联系人的最后一条消息作为
    text 发送。把回复里的 output 字段显示成机器人的消息。

一次运行的过程

  1. Receive Instagram Message 接收 POST,并等待回复节点。
  2. Set System Prompt 生成三个字段:提示词、来自 session_id 的聊天 id,以及来自 text 的消息。
  3. AI Agent 把消息发给模型,提示词作为系统消息。Window Buffer Memory 提供这次聊天最近的几轮,并把新的一轮按聊天 id 存起来。
  4. Send Reply 以 JSON 返回智能体的回答。文字放在名为 output 的字段里。

想换个结果,改这里

  • 语气和规则:Set System Prompt 里的 prompt 字段。
  • 它记几轮:Window Buffer Memory 里的上下文窗口长度。
  • 模型:OpenAI Chat Model。
  • webhook 地址:Receive Instagram Message 里的路径。

值得知道的事

  • webhook 是敞开的。找到这个地址的人都可以发消息,并花掉你的 OpenAI 额度。把 webhook 的认证改成请求头检查,如果 ManyChat
    允许,就从 ManyChat 发同样的请求头。
  • 机器人只知道提示词告诉它的东西。让它不知道时就承认,能降低编造回答的风险,但不能消除。向所有人开放之前,先读一读最初的几条回复。
  • 记忆在 n8n 进程里,所以重启会清空每一次聊天。
  • 每条消息是一次 OpenAI 调用,聊天文字会发给 OpenAI。
  • 智能体没有连接任何工具。模型设为 gpt-5.6-terra,因为智能体是通过工具调用来和它的模型对话的。
  • Mindket 没有用 ManyChat、Instagram 或 OpenAI 运行过这个工作流。它没有查 ManyChat 的界面、限制,以及它等回复要等多久。
    ManyChat 的步骤是根据工作流所期望的请求形状来描述的。
文件
NOTICE.md  625 B
README.md  4 KB
workflow.json  5 KB

3 个文件,共 9 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

营销类的相似商品

查看营销类的全部商品

Flux.2-Klein-9B-MatchingPose

nhathoangfoto · 工具包

FLUX.2 Klein 9B 的一个 LoRA,让角色摆出模特参考图中的姿势,同时保留角色的脸和风格。适合艺术家和设计师。只能使用你有权使用的脸。

新上架

Z-Image-Turbo-GGUF

leejet · 工具包

在配置不高的显卡上根据文字生成图片,使用为 stable-diffusion.cpp 做的 Z-Image-Turbo 量化文件。适合在自己电脑上运行图像模型的人。

新上架

HiDream-I1-Full

HiDream-ai · 工具包

用一个 170 亿参数的开源模型从文字提示词生成图像,在模型卡的提示词遵循表格中名列前茅。适合有高性能 GPU 的设计师、营销人员和开发者。

新上架