基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-20 17:29

WhatsApp 机器人把报价和约见交给人工

dev.to · AI#人工审批#结构化输出#客服自动化
Editor brief · 编辑速览

这套接待系统由 n8n、OpenWA 和 Supabase 组成,机器人会短暂等待连续消息、读取会话历史,并在人工跟进时退让。模型以 JSON 决定回复、请求人工或保持静默,发送前用正则检查疑似报价,报价与约见由负责人确认。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

客户在 WhatsApp 上问网站多少钱,AI 如果随口报了一个数,老板就得在兑现报价和临时改口之间做选择。作者给自家 AI 接待员划了一条权限边界:它可以回答常规问题,报价和约时间得由人确认。老板在自己的手机上回一句「A12 ok」,就能发出机器人拟好的答复。

这套方案值得前端和全栈开发者看一眼。真正能复用的是消息发送前的几道判断:用户还在不在连发消息、人工有没有接手、模型拟好的答复能不能直接发。

为什么收到消息后要等 20 秒

作者把 n8n 和自托管的 WhatsApp 网关 OpenWA 都部署在 Railway 上,用 Supabase 保存对话记忆。消息进来后,工作流先等 20 秒,只由最新一条消息触发回复。WhatsApp 用户常把一句话拆成几条发,逐条回既显得机械,也可能让两次工作流对同一轮消息各回一次。作者说,他们遇到过后一种情况。

回复前,工作流会读取真实聊天记录,分辨这是第一次来咨询的人,还是已经聊了几周的客户。人工接管还有单独的时限:如果老板过去 48 小时内在这个会话发过消息,或此刻正在亲自回复,机器人就避让 12 小时。只要老板曾直接和这个人聊过,机器人也不会抢答对方的第一条消息。原文没有交代这 12 小时从哪个事件开始计时。

模型拟好答复后,谁决定能不能发

模型返回 JSON,工作流按 reply、ask_admin 或 silent 分流。只有 reply 会直接发给客户。即使模型把一段话判成 reply,后置正则也会再扫一遍。只要文本看起来含有价格,就转成 ask_admin。约时间同样需要人工确认,但作者只描述了价格的正则兜底,没讲怎样拦截模型自行敲定时间。

ask_admin 会向老板的手机发一条带编号的消息,比如问客户想给网站和 WhatsApp 机器人一起询价,该怎么回。老板发 A12 ok 就用草稿,发 A12 skip 就跳过,也可以用 A12 加空格和自己的文字代替草稿。原文把第三种写成 A12 ,没有展示完整的自定义回复样例。

为什么要先记下回复,再发给客户

WhatsApp 会把机器人自己发出的消息回传给工作流。如果流程把这条回传当成老板在打字,就会误触发人工避让。作者因此在发送前记录每一条回复,收到回传时再据此识别来源。判断「是不是老板」也有个坑:群组 ID 和较新的联系人 LID 都长得不像手机号,匹配时得兼顾两种格式。

批量消息走的是另一套发送约束。他们只发给已经同意接收的人,在工作时间内慢速发送。作者把发得太快视为封号风险,但没有给出具体发送频率。

我的判断

这套设计最扎实的地方是把发送权交给工作流。只在提示词里写「禁止报价」,约束的是模型生成文字的过程。让模型输出结构化结果,再由程序决定发送、转人工还是静默,才能给人工确认留一个明确的入口。价格正则只是兜底。原文没给规则和测试样例,无法判断它会漏掉多少口语报价,又会把多少普通数字误判成价格。

20 秒等待和 12 小时避让适合作者自己的聊天节奏。重复回复是作者实际遇到的问题,但文章没有给等待策略的对照数据,也没有统计误拦率或人工审批量。单个老板用手机回编号就能审批,多人客服团队还得解决谁有权确认、同一条待办被两人处理时怎么收口。这里能借鉴的是权限和状态的设计,具体时长仍是经验值。

能拿来做什么

  • 用 Node 或 n8n 做接待机器人时,把 reply、ask_admin 和 silent 设为明确的分支,把真正调用消息发送接口的步骤放在分流之后。
  • 给连续发来的消息加会话级等待窗口,并在窗口结束时检查当前任务是否仍对应最新消息。用几条连续输入验证工作流只回一次。
  • 把机器人发出的回复和人工发言区分开。验证聊天网关回传机器人自己的消息时,工作流仍能识别来源,避免误触发人工接管。
  • 用业务里的真实询价话术检查正则有没有漏拦,再用订单号等普通数字检查误拦。把确认见面时间的回复也单独走一遍人工审批。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
小团队何时该给数据仓库加一层
下一篇
用音频、弹幕和低帧率视频定位直播高光

资讯速览

dev.to · AI · 2026-11-20 17:29

AI 评分 8.0 / 10

相关标签

#人工审批#结构化输出#客服自动化

继续阅读

  • 远程 MCP 服务上线与登记实录
  • 小团队何时该给数据仓库加一层
  • 用音频、弹幕和低帧率视频定位直播高光
  • 文件锁冲突会让部分编程智能体停工
  • 用 Python 搭建可追溯页码的本地 PDF 问答