Mindket

WooCommerce 店铺的 WhatsApp 客服智能体

新上架第 2 版 · 更新于

概览

一个 n8n 工作流,通过 Twilio 回复你店铺的 WhatsApp 消息。一个 AI 智能体在 WooCommerce 里查库存和订单,在 Google Sheets 里登记客服工单,并记住每位顾客的对话。

WooCommerce 店铺的 WhatsApp 客服智能体 是一款 n8n 工作流,属于商务类,由 Mindket 上架。可免费获取。当前为第 2 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,因为触发器只在发布期间监听
  • 你自己的 n8n 服务器:必须能从互联网通过 HTTPS 访问
  • WhatsApp:测试时用 Twilio 的 Sandbox,之后换成审核通过的 WhatsApp 发送号码
  • Google Sheets:工单集中在一个标签页里,供团队逐条处理

平台

连接 4 个应用

运行方式

触发

WhatsApp 消息

有 WhatsApp 消息发到你的 Twilio 号码时开始运行,带着:

  • 顾客发来的文字
  • 顾客发消息用的号码

动作

  1. AI 智能体读取这条消息,以及这个对话最近 50 轮的记录
  2. 问题需要时,它去 WooCommerce 查库存或订单
  3. 它解决不了的问题,作为工单记进 Google Sheets
  4. 清掉回复里的来源标记
  5. Twilio 把回复发回给顾客的 WhatsApp

结果

了解你库存和订单的 WhatsApp 回复,外加一张工单表,记下需要人工处理的问题

集成

开始之前要准备好这些。

Twilio

WhatsApp 消息

把每条收到的 WhatsApp 消息交给触发器,并用你的号码发出智能体的回复。

需要Twilio Account SID 和 Auth Token,以及一个 WhatsApp 发送方或 Sandbox

OpenAI

语言模型

为写每条回复、挑选工具的智能体运行 gpt-4.1-mini。

需要OpenAI API 密钥

WooCommerce

店铺数据

作为智能体的两个工具,列出有货的产品,并按订单号返回订单。

需要店铺地址,以及 REST API 的 consumer key 和 secret

Google Sheets

工单表格

把顾客的姓名、电话、邮箱和问题作为新的一行,记成一张工单。

需要一个用来登录的 Google 账号,以及一张有六个表头的表格

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
4 个步骤,由 Twilio 事件启动
AI
1 个步骤调用 AI 模型:Message a model
登录
需要登录:Google Sheets、WooCommerce、Twilio、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 工作流在 WhatsApp 上回复你店铺的顾客。消息到达你的 Twilio 号码,片刻之后一个 AI 智能体通过 Twilio 回复。智能体能查看 WooCommerce 里哪些商品有货,按订单号读取订单,还能在 Google Sheets 里登记客服工单。它记得每位顾客对话里最近 50 轮往来。文件原来有八个节点。Mindket 重做了其中一个,又加了第九个,因为它原来用的那项 OpenAI 服务已经关闭。

适合谁

顾客更爱发消息而不是发邮件、又想让常见问题随时有人回复的小型 WooCommerce 店铺。它适合用一张表格管理客服的团队。如果每条回复都要你先审核,就别选它。智能体会自己作答。

谁在用,怎么用
行业谁在用怎么用例子
服装店主让顾客问哪些尺码和颜色有货一家服装店的智能体告诉顾客一条裙子还剩哪些尺码。
家居和园艺小型网店凭订单号回答订单到哪儿了顾客发来一个订单号,片刻之后就收到它的状态。
手工制品在网上卖东西的手工艺人把问题变成工单,第二天早上再看一位手工艺人读完夜里的工单,给其中需要回电的两位打了电话。
电子产品客服人员让智能体先回第一句,再从工单接手客服主管先读每张工单里的问题,再用邮件回复。

你需要懂一些 n8n,还要有一个开通了 WhatsApp 发送号码的 Twilio 账号,以及一个有 API 密钥的 WooCommerce 店铺。作者估计设置要 16 分钟左右,前提是账号都已备好。

用在哪里

一个已发布、Twilio 能访问到的 n8n。顾客给你店铺的 WhatsApp 号码发消息,回复就出现在同一个对话里。

  • n8n Cloud:导入文件并发布,因为触发器只在发布期间监听
  • 你自己的 n8n 服务器:必须能从互联网通过 HTTPS 访问
  • WhatsApp:测试时用 Twilio 的 Sandbox,之后换成审核通过的 WhatsApp 发送号码
  • Google Sheets:工单集中在一个标签页里,供团队逐条处理

设置

点“获取”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。先建好工单表格,准备好 WooCommerce 密钥。

先准备好这些
需要说明
n8n已发布,并且 Twilio 能通过 HTTPS 访问到
Twilio一个 Account SID 和 Auth Token,以及一个 WhatsApp 发送号码或 WhatsApp Sandbox
OpenAI一个 API 密钥。OpenAI Chat Model 用的是 gpt-4.1-mini
WooCommerce你店铺的地址,以及一对有读取权限的 REST API consumer key 和 secret
Google一个能编辑这张表格的账号,用于 Google Sheets OAuth2 凭据
一张表格一个名为 Sheet1 的标签页,第一行有六个表头:Issue Number、Name、Phone Number、Email、Issue 和 Created
  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. 用你的 Account SID 和 Auth Token 添加一个 Twilio 凭据,在 Twilio Trigger 和 Send an SMS/MMS/WhatsApp message 里选中它。
  3. 添加一个 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  4. 用你店铺的地址、consumer key 和 secret 添加一个 WooCommerce 凭据,在 Get Inventory 和 Get Orders 里选中它。
  5. 建好表格,添加一个 Google Sheets OAuth2 凭据,在 Create Tickets 里选中它,再把 YOUR_SHEET_ID 换成表格的 ID。
  6. 在 Message a model 里,把系统消息中的 YOUR_SHOP_NAME 换掉,再加上你自己的规则:发货时间、退货、营业时间。
  7. 保存并点 Publish。触发器随后订阅你 Twilio 账号收到的消息。
  8. 给你的 WhatsApp 号码发一个关于某件商品的问题,读一读回复。

原来的 Message a model 调用的是一个存放在作者 OpenAI 账号里的 assistant。OpenAI 的弃用页面(2026 年 11 月 2 日查阅)写明 Assistants API 于 2026 年 8 月 26 日关闭。所以这个节点现在是一个 AI Agent,名称、消息、记忆和工具都不变,配上一个新的 OpenAI Chat Model 和 Mindket 写的一段简短系统消息。

如何使用

保持发布状态。每条发到你号码的消息都会发起一次运行。智能体随后判断这个问题要用三个工具里的哪一个,或者一个都不用,以及能不能直接从之前的对话里找到答案。问库存,就从 WooCommerce 读取所有有货的商品。给出订单号,就取回那张订单。它解决不了的投诉会变成表格里的一行,用创建那一刻的时间编号。然后回复通过 Twilio 发回去。

想要不同的效果,改这里
要改的在哪里改
智能体的规则和语气Message a model 的系统消息
它记得多少Simple Memory 里的 Context Window Length,文件里是 50,按每个电话号码分别保存
工单字段Create Tickets 的列映射
它能看到哪些商品Get Inventory,返回每一件标为有货的商品
模型OpenAI Chat Model,设为 gpt-4.1-mini

示例

一位顾客给你的 WhatsApp 号码发消息。

Hi, my order 1042 still hasn't arrived after a week. Can someone check?

智能体用 1042 调用 Get Orders,读取订单状态,如果还在处理中,就用平实的话告诉对方。如果顾客要找人,它会问姓名和邮箱,调用 Create Tickets,再把工单号发回去。那一行是这样的:

表格里的一张工单
列值
Issue Number1793612345678
NameDana Ruiz
Phone Number+15551234567
Emaildana@example.com
IssueOrder 1042 not delivered after a week
Created2026-11-02T10:15:00.000+00:00

新手与专家

新手:n8n 把工作流画成一个个用线连起来的方框,每个方框叫一个节点,只做一件事。智能体是一个会自己决定调用哪个工具的节点。它的工具、记忆和模型用细线挂在它下面。先用 Twilio Sandbox 和你自己的手机测试,再到 Executions 下打开这次运行,看它调用了哪个工具。

专家:智能体的提示词是顾客发来的文字加上当前时间。它的记忆按发送者的号码保存,去掉了 whatsapp: 前缀。

智能体的工具和清理步骤
节点做什么要知道的
Get Inventory列出每一件有货的商品每次调用都会把整个商品目录发给模型,所以大店铺的提示词会很长
Get Orders按模型传来的订单号读取一张订单没有任何检查确认订单属于提问的人
Create Tickets用模型给出的姓名、电话、邮箱和问题新增一行电话号码是顾客打出来的那个,不是对方发消息用的号码
Remove Annotations去掉回复里用【】括起来的来源标记assistant 会加这种标记,智能体很少加

注意事项

智能体的回复不经审核就发出,而且有一个工具能读取任何订单。

  • 费用:Twilio 对每条进出的 WhatsApp 消息收费,OpenAI 对智能体的调用收费,用到工具时调用更多
  • 订单隐私:顾客打出任何订单号,Get Orders 都会返回那张订单。告诉智能体,在透露任何内容之前,先把订单上的账单电话和发送者的号码对比一下
  • 不经审核:回复按智能体写的原样发出,所以先用自己的手机测试系统消息里的规则
  • 记忆:Simple Memory 存在 n8n 内部,重启一次,每个对话的记录都会清空
  • WhatsApp 的规定:Sandbox 只能联系加入过它的手机。正式号码需要一个通过 Twilio 审核的 WhatsApp 发送号码
  • 模型期限:OpenAI 的弃用页面列出 GPT-4.1 mini(gpt-4.1-mini-2025-04-14)将于 2027 年 1 月 14 日从 API 下线,替代模型是 gpt-6-luna
  • 你的数据:顾客的消息、订单详情和你的商品清单会发给 OpenAI。工单把姓名、邮箱和电话号码留在你的表格里
  • 凭据:JSON 里没有任何凭据,也没有作者表格或 OpenAI 账号里的任何内容

README 和文件

README

WooCommerce 店铺的 WhatsApp 客服智能体

一个通过 Twilio 在 WhatsApp 上回复你店铺顾客的 n8n 工作流。一个 AI 智能体在 WooCommerce 里查库存、读订单,需要真人接手时在 Google Sheets 里登记一张客服工单,并记住每位顾客的对话。

包里有什么

  • workflow.json:工作流,九个节点,没有便签。里面没有任何凭据。
  • README.md:这份说明,压缩包里的是英文版。

和原来的副本相比的改动

  • Message a model 调用的是一个存放在作者 OpenAI 账号里的 assistant。OpenAI 的弃用页面(2026 年 11 月 2 日查阅)写明 Assistants API 于 2026 年 8 月 26 日关闭,所以这个节点已经无法运行。那个 assistant 的指令也从来不在文件里。现在它是一个 AI Agent 节点,名称、消息、Simple Memory 和三个工具都不变。一个新的 OpenAI Chat Model 让它跑在 gpt-4.1-mini 上,系统消息是 Mindket 写的一段短文字,里面有 YOUR_SHOP_NAME。
  • 作者的客服表格已经去掉。Create Tickets 需要填 YOUR_SHEET_ID,并按名称 Sheet1 找到标签页。
  • 导出的工作流原本是开启状态,现在导入后是关闭的。

开始之前

  • 一个 Twilio 能通过 HTTPS 访问到的 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 Twilio 账号、它的 Account SID 和 Auth Token,以及一个 WhatsApp 发送号码。测试时可以用 Twilio 的 WhatsApp Sandbox。
  • 一个 OpenAI API 密钥。
  • 一个 WooCommerce 店铺,以及一对有读取权限的 REST API consumer key 和 secret(WooCommerce、Settings、Advanced、REST API)。
  • 一个 Google 账号,和一张 Google 表格,里面有一个名为 Sheet1 的标签页,第一行是这些表头:Issue Number、Name、Phone Number、Email、Issue、Created。

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. 用你的 Account SID 和 Auth Token 添加一个 Twilio 凭据,在 Twilio Trigger 和 Send an SMS/MMS/WhatsApp message 里选中它。
  3. 添加一个 OpenAI 凭据,在 OpenAI Chat Model 里选中它。
  4. 用你店铺的地址、consumer key 和 secret 添加一个 WooCommerce 凭据,在 Get Inventory 和 Get Orders 里选中它。
  5. 建好表格,复制它的 ID,也就是地址里 /d/ 和 /edit 之间那一长段。添加一个 Google Sheets OAuth2 凭据,在 Create Tickets 里选中它,再把 YOUR_SHEET_ID 换成这个 ID。
  6. 打开 Message a model。把系统消息中的 YOUR_SHOP_NAME 换掉,再加上你自己的规则:发货时间、退货、营业时间、什么时候转给真人。
  7. 保存并点 Publish。触发器随后订阅你 Twilio 账号收到的消息。
  8. 用你自己的手机,向你的 WhatsApp 号码问一件商品,读一读回复。

一条消息怎么得到回复

  1. Twilio Trigger 收到消息。文字在 data.body,发送者在 data.from。
  2. 智能体 Message a model 拿到文字和当前时间。Simple Memory 补上和这个电话号码最近 50 轮的往来。
  3. 问题需要时,智能体就调用一个工具:
    - Get Inventory 列出每一件标为有货的商品。
    - Get Orders 按模型传来的订单号读取一张订单。
    - Create Tickets 新增一行:Issue Number 是以毫秒计的那一刻,Created 是时间,姓名、电话、邮箱和问题都来自模型。
  4. Remove Annotations 删掉用【】括起来的来源标记。原来的 assistant 会加这种标记,智能体很少加,所以留着它作为保险。
  5. Send an SMS/MMS/WhatsApp message 从顾客发消息的那个号码把回复发出去。

改变结果

  • 规则和语气:Message a model 的系统消息。
  • 记忆:Simple Memory 里的 Context Window Length,文件里是 50。
  • 工单:Create Tickets 的列映射。想记下顾客发消息用的号码,就把 {{ $('Twilio Trigger').item.json.data.from }} 映射到 Phone Number,替换模型给的值。
  • 模型:OpenAI Chat Model,设为 gpt-4.1-mini。

注意事项

  • Twilio 对每条进出的 WhatsApp 消息收费。OpenAI 对智能体的调用收费,用到工具时调用更多。
  • 顾客打出任何订单号,Get Orders 都会返回那张订单,不检查它是不是对方的。告诉智能体,在透露任何内容之前,先把订单上的账单电话和发送者的号码对比一下。
  • Get Inventory 每次被调用,都会把你整个有货商品目录发给模型。大店铺要为很长的提示词付钱。
  • 回复按智能体写的原样发出。在顾客看到之前,先用自己的手机测试你的规则。
  • Simple Memory 存在 n8n 内部,重启一次,每个对话的记录都会清空。
  • Sandbox 只能联系用它的代码加入过的手机。要服务顾客,需要一个通过 Twilio 审核的 WhatsApp 发送号码。
  • OpenAI 的弃用页面列出 GPT-4.1 mini(gpt-4.1-mini-2025-04-14)将于 2027 年 1 月 14 日从 API 下线,替代模型是 gpt-6-luna。在那之前把 OpenAI Chat Model 的模型换掉。
  • 顾客的消息、订单详情和你的商品清单会发给 OpenAI。工单把姓名、邮箱和电话号码留在你的表格里。
文件
README.md  5 KB
workflow.json  9 KB

2 个文件,共 14 KB,以 zip 压缩包下载。

更新内容

  • 第 2 版 · 2026-11-09

    Updated by Mindket to the current version of this kit.

  • 第 1 版 · 2026-11-03

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

DeepSeek-R1-GGUF

unsloth · 工具包

671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。

新上架

Axion-1.0-35B-GGUF

prithivMLmods · 工具包

提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。

新上架

HEART

Phips · 工具包

用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。

新上架

商务类的相似商品

查看商务类的全部商品

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。

新上架

NuExtract3

numind · 工具包

以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。

新上架

Drex DLM

nace-ai · 工具包

一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。

新上架