Mindket

支持聊天机器人 webhook,把对话记到 Google 表格

新上架第 1 版 · 更新于

概览

一个回答发到 webhook 的顾客问题的 n8n 工作流。OpenAI 模型根据你填进一个节点里的公司信息作答,每个问题和回答都会记进一张 Google 表格。

支持聊天机器人 webhook,把对话记到 Google 表格 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 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:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 你的网站或应用:发出带问题的 POST 请求
  • Google Sheets:每个问题和回答的记录

平台

连接 2 个应用

运行方式

触发

Webhook

你的网站向这个 webhook 发出 POST 请求时开始,请求的 JSON 里要有:

  • message:顾客的问题
  • session_id:这次聊天的 ID,缺少时会自动生成
  • customer_name:对顾客的称呼,可不填

动作

  1. 检查问题,并给它一个消息 ID 和一个会话 ID
  2. 问题连同你的公司信息和一组规则发给 gpt-4o-mini
  3. 模型以 JSON 回复,包含回答、一个置信度数字和一个类别
  4. 回复和请求的信息合在一起
  5. 在你 Google 表格的 Lite Conversations 标签页里加一行
  6. 回答以 JSON 返回给调用方

结果

一个 JSON 回复,包含回答、置信度和类别,每个问题还会记下一行

集成

开始之前要准备好这些。

OpenAI

写回答

用 gpt-4o-mini 根据你的公司信息回答问题,并以 JSON 返回。

需要OpenAI API 密钥

Google Sheets

聊天记录

为每个问题和回答保存一行,带上时间和类别。

需要一个用来登录的 Google 账号,以及一张有九个表头的表格

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
6 个步骤,由 Webhook 调用启动
AI
1 个步骤调用 AI 模型:AI: Generate Response
登录
需要登录:Google Sheets
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 5 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 工作流是一个通过 webhook 作答的小型客服机器人。你的网站发来顾客的问题。OpenAI 模型根据你填进一个节点里的公司信息作答,以 JSON 回复,带一个置信度数字和一个类别。工作流还会把问题和回答加进一张 Google 表格。它没有向量数据库,消息之间也没有记忆。干活的是六个节点,旁边还有一张便签。

适合谁

想在自己的页面或应用后面放一个初版客服机器人、又不想维护知识库的小企业、原型开发者和代理公司。如果回答必须参考很多文档或更早的消息,就别选它,因为机器人只看到你写的简短公司信息和一个问题。

谁在用,怎么用
行业谁在用怎么用例子
电商小店店主在店铺网站上回答配送和退货问题店主把配送时间贴进节点,机器人就能回答“什么时候到?”。
软件初创团队在帮助页或定价页放一个一线机器人团队每周看一遍表格,了解哪些问题问得最多。
代理公司网页设计公司给客户一个能用的机器人,再附一份访客提问记录代理公司为每个客户配一份,填上他们自己的信息。
服务业诊所和美容店回答营业时间和预约规则一家美容店的页面在下班时间也能回答营业时间的问题。

你需要会一点 n8n:导入一个文件、添加两个凭据、补全一条消息里的三处空白,再调用一个 webhook。作者估计设置要 2 分钟左右。

用在哪里

任何你的网站或应用能访问到的 n8n 都能运行它,因为机器人在一个公开地址上作答。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 你的网站或应用:发出带问题的 POST 请求
  • Google Sheets:每个问题和回答的记录

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。先建好表格,再添加两个凭据。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
OpenAI一个 API 密钥
Google Sheets一个 Google 账号,以及一张有名为 Lite Conversations 的标签页和九个表头的表格
你的网站能发出 POST 请求的东西
  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. 建好表格。把标签页命名为 Lite Conversations,在第 1 行写上这些表头:Message ID、Session ID、Customer、Question、Answer、Confidence、Category、Received 和 Responded。
  3. 在 Log to Sheets 里,把 YOUR_SHEET_ID 换成表格地址里的 ID,并选中一个 Google Sheets 凭据。
  4. 在 AI: Generate Response 里选一个 OpenAI 凭据。
  5. 在这个节点的第一条消息里,替换 <YOUR_COMPANY_NAME>、<YOUR_COMPANY_INFO> 和 <YOUR_SUPPORT_EMAIL>。尖括号要去掉。
  6. 点 Test workflow,向 Receive Message 里显示的测试地址发一个 POST 请求。查看回复和表格。
  7. 点 Publish,使用正式地址。

如何使用

向 webhook 发一个 POST 请求,JSON 里有 message,另外可以有 session_id 和 customer_name。回复里有 answer、confidence 和 category。到表格里看顾客都问了些什么。

想要不同的效果,改这里
要改的在哪里改
公司信息、语气和规则AI: Generate Response 里的系统消息
模型和回答长度同一个节点
类别系统消息里列出它们的那一行
回答记到哪里把 Log to Sheets 换成别的节点

示例

一家衬衫店页面的访客问:“你们几点营业?”网站带着名字 Sam 把问题发出去。

模型根据节点里的信息作答。工作流返回 answer、confidence 和 category,表格里多了一行,有问题、回答和两个时间。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。webhook 是一个地址,有东西给它发数据时就会启动工作流。工作流从最后一个节点向发送方作答。

专家:Validate Input 从 body 读取请求。AI: Generate Response 是 OpenAI 节点,1.8 版,设为返回 JSON,Merge Response 既接受对象也接受文字形式的回复。

值得细看的地方
节点做什么要知道的
Validate Input检查消息并生成 ID短于 2 个字符的消息会让这次运行报错停止
AI: Generate Response向 gpt-4o-mini 要 JSON温度 0.3,上限 500 个 token
Merge Response把回复和请求合在一起读不出来的回复会变成一句礼貌的备用回答
Log to Sheets追加一行和 Respond to Customer 并行,而不是排在它前面

注意事项

任何知道 webhook 地址的人都能用它,机器人也没有记忆。

  • 开放的 webhook:谁知道了地址,谁就能用你的 OpenAI 密钥,并往你的表格里加行。要保密,或者在 Receive Message 里加上 Header Auth
  • 没有记忆:每条消息单独作答,session_id 只写进表格
  • 修复:原文件用了一个在 n8n 里只用于旧式文本补全的 OpenAI 节点类型,所以副本改用同样设置的聊天消息节点。它还从节点里读取三个值,不再从环境变量读,并且不用 Node 的 crypto 模块来生成 ID
  • 模型:OpenAI 的弃用页面(2026 年 11 月 12 日查阅)把 gpt-4o-mini-2024-07-18 列为 2027 年 1 月 14 日关停,替代模型是 gpt-6-luna
  • 置信度:这个数字是模型写的,不是测出来的
  • 费用:OpenAI 对每条消息收费,和公司信息以及回答的大小成正比
  • 你的数据:每个问题和你的公司信息发给 OpenAI,表格行发给 Google Sheets
  • 凭据:JSON 里没有任何凭据

README 和文件

README

支持聊天机器人 webhook,把对话记到 Google 表格

一个通过 webhook 回答顾客问题的 n8n 工作流。你的网站或应用把问题作为 POST 请求发来。OpenAI 模型根据你填进一个节点里的公司信息作答,回复是 JSON,带一个置信度和一个类别。每个问题和回答还会加进一张 Google 表格。它没有向量数据库,消息之间也没有记忆。

包里有什么

  • workflow.json:n8n 导出的工作流,七个节点,其中六个运行,一个是便签。里面没有任何凭据。
  • README.md:这份设置说明,压缩包里的是英文版。

我们相对原来的副本改了什么

  • AI: Generate Response 原来是一个 n8n-nodes-base.openAi 节点,1.8 版。在 n8n 当前的源码里(2026 年 11 月 12 日查阅),这个类型只有 1 和 1.1 两个版本,用于旧式的文本补全调用。接收聊天消息的节点是 @n8n/n8n-nodes-langchain.openAi。副本用的是它的 1.8 版,设置相同:模型 gpt-4o-mini、两条消息、温度 0.3 和 500 个 token。Output Content as JSON 取代了旧的 responseFormat 设置。
  • 这个节点返回的是已经解析好的 JSON,而旧节点给的是文字。Merge Response 原来按文字读取,所以副本两种形式都接受。
  • Validate Input 用 Node 的 crypto 模块生成 ID,而 Code 节点在实例不允许时会拒绝这个模块。副本用一个简短的函数生成两个 ID,不需要任何模块。
  • 系统消息原来从环境变量读取公司名和公司信息,Log to Sheets 又从第三个变量读取表格 ID。环境变量只有在你自己运行 n8n 时才能设置,所以副本改从节点里取这些值。占位符是 <YOUR_COMPANY_NAME>、<YOUR_COMPANY_INFO> 和 YOUR_SHEET_ID。规则 3 里的客服地址是 <YOUR_SUPPORT_EMAIL>。
  • webhook 路径现在是 support-chatbot。
  • 便签已按这些改动更新。凭据关联和 webhook ID 都已删除。
  • 别的都没改。系统消息里的规则和表格的列照原文件。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 OpenAI API 密钥。
  • 一个用于 Google Sheets 凭据的 Google 账号,以及一张有名为 Lite Conversations 的标签页的表格。它的第一行需要这些表头:Message ID、Session ID、Customer、Question、Answer、Confidence、Category、Received 和 Responded。
  • 一个能向 webhook 发 POST 请求的页面、脚本或工具。

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. 在 Log to Sheets 里,把 YOUR_SHEET_ID 换成表格地址里的 ID,也就是 /d/ 和 /edit 之间的那一段。选中一个 Google Sheets 凭据。
  3. 添加一个 OpenAI 凭据,在 AI: Generate Response 里选中它。
  4. 在同一个节点里编辑第一条消息。把 <YOUR_COMPANY_NAME> 换成你的名称,<YOUR_COMPANY_INFO> 换成机器人该知道的内容,<YOUR_SUPPORT_EMAIL> 换成它转交时给出的地址。尖括号要去掉。
  5. 点 Test workflow,向 Receive Message 里显示的测试地址发一个请求:
   curl -X POST "<YOUR_N8N_URL>/webhook-test/support-chatbot" -H "Content-Type: application/json" -d '{"message":"What are your opening hours?","session_id":"demo-1","customer_name":"Sam"}'
  1. 查看回复,再到表格里看有没有新的一行。
  2. 点 Publish,调用正式地址,它是把 /webhook-test/ 换成 /webhook/。

一次运行的过程

  1. Receive Message 接收路径 support-chatbot 上的 POST 请求。它之后才通过 Respond to Customer 作答。
  2. Validate Input 从请求体里读取 message 或 text。它取 session_id,缺少时会自己生成一个,还取 customer_name,缺少时用 Customer。短于 2 个字符的消息会让这次运行报错停止。
  3. AI: Generate Response 把系统消息和 Customer <name> asks: 加上问题发给 gpt-4o-mini。系统消息要求回答友好、简短、不超过 150 个词,并且只依据你的公司信息。模型必须回复 JSON,包含 answer、confidence 和 category,类别是 faq、billing、technical、complaint 或 other 之一。
  4. Merge Response 把这个回复和请求的字段合在一起。如果回复读不出来,它就回答 Sorry, I had trouble processing that. Please try again.,并把 confidence 设为 0。
  5. Log to Sheets 往 Lite Conversations 追加一行,Respond to Customer 把这些 JSON 字段返回给调用方:success、messageId、answer、confidence 和 category。两条分支同时从 Merge Response 出发。

想改的地方

  • 公司信息、语气和规则:AI: Generate Response 里的系统消息。
  • 模型、长度上限和温度:同一个节点。
  • 类别:系统消息里列出它们的那一行。
  • 表格的标签页或列:Log to Sheets。
  • 回答记到哪里:把 Log to Sheets 换成 Airtable、数据库或别的节点。

要知道的

  • 这个 webhook 没有登录。谁知道了它的地址,谁就能用你的 OpenAI 密钥发问题,并往你的表格里加行。要保密这个地址,或者在 Receive Message 里加上 Header Auth。别的网站上的页面还需要设置这个节点的 allowed origins。
  • 每条消息单独作答。session_id 只会写进表格,所以机器人不记得之前的问题。
  • 每个请求都会带上你的公司信息。请保持简短,别把机密放进去。
  • confidence 是模型写的一个数字,不是测出来的值。没测试过就别拿它做分流。
  • 空消息或只有一个字符的消息,结果是报错,而不是 JSON 回复。请先在你这边检查长度。
  • OpenAI 的弃用页面(2026 年 11 月 12 日查阅)把 gpt-4o-mini-2024-07-18 列为 2027 年 1 月 14 日关停,替代模型是 gpt-6-luna。在这之前请在 AI: Generate Response 里换一个模型。
  • 数据去向:每个问题和你的公司信息发给 OpenAI,表格行发给 Google Sheets,回答回到调用方。
  • 费用:OpenAI 对每条消息收费,和公司信息以及回答的大小成正比。
文件
NOTICE.md  636 B
README.md  6 KB
workflow.json  7 KB

3 个文件,共 13 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

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

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