还在为重复回答客户问题而头疼？想要一个不知疲倦的数字员工？今天教你用两个免费工具——n8n和飞书，零代码搭建专属智能客服！

无论你是创业老板还是运营小白，这篇教程都能让你轻松上手，彻底告别重复劳动！

准备工作：3样东西搞定

开始前，我们需要准备：

1. 1. n8n账号：免费的自动化神器，可以让不同软件"对话"
2. 2. 飞书管理员账号：用来创建机器人
3. 3. 知识库文档：机器人的"大脑"，比如常见问题解答

准备好了？开始"造"机器人！

第一步：创建飞书"数字员工"

1. 创建飞书应用

• • 登录飞书开放平台
• • 选择"创建应用" → “企业自建应用”
• • 填写应用名称（如"智能客服助手"）

2. 获取关键信息

在"凭证与基础信息"页面，记下：

• • App ID
• • App Secret

这两个是连接n8n的"钥匙"，务必保存好！

3. 开通机器人权限

在"应用功能" → "机器人"中启用，然后在"权限管理"开通：

4. 配置事件订阅

在"事件订阅"页面，先留着"请求地址配置"空白，等下一步生成URL后再填。

第二步：搭建n8n智能大脑

登录n8n，开始搭建核心流程：接收消息 → 智能处理 → 回复消息

1. 添加Webhook节点（接收飞书消息）

步骤1：创建Webhook节点

• • 在n8n工作流编辑器中，点击左侧的"+"按钮
• • 在节点搜索框中输入"webhook"
• • 选择"Webhook"节点并添加到画布

步骤2：配置Webhook节点

• • 双击Webhook节点进入配置界面
• • HTTP Method: 选择"POST"（飞书事件推送使用POST方法）
• • Path: 保持默认或自定义路径（如：/feishu-bot）
• • Authentication: 选择"None"（飞书验证通过Challenge机制）
• • Response Mode: 选择"When Last Node Finishes"
• • Response Data: 选择"First Entry JSON"
• • Property Name: 输入"body"
• 

步骤3：获取Webhook URL

• • 配置完成后，点击"Test step"或"Listen for test event"
• • 复制生成的Test URL（格式如：https://yourdomain.com/webhook-test/uuid）
• • 确保URL显示为外网可访问地址（非localhost）

步骤4：在飞书后台配置

• • 登录飞书开放平台，进入你的应用
• • 找到"事件订阅" → “请求地址配置”
• • 将复制的URL粘贴到"请求URL"字段
• • 点击"保存"按钮

步骤5：验证连接

• • 确保工作流已保存并激活

• • 在n8n中确保Webhook节点处于"Listen for test event"状态

• • 飞书会自动发送Challenge验证请求

• • 验证成功后，飞书后台会显示"验证成功"状态

网络访问配置：

• • 本地开发：使用ngrok等内网穿透工具：ngrok http 5678
• • 云端部署：配置N8N_HOST环境变量为实际域名或IP地址

2. 添加Token获取节点

添加HTTP Request节点：

• • 点击"+"添加HTTP Request节点，连接到Webhook节点
• • Method: POST
• • URL: https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal
• • Body: JSON格式

{


  
"app_id"
:
 
"你的APP_ID"
,


  
"app_secret"
:
 
"你的APP_SECRET"


}

注意：替换为真实的APP_ID和APP_SECRET，Token有效期2小时。

3. 添加智能问答节点

添加Code节点：

• • 点击"+"添加Code节点，连接到Token获取节点
• • 重要配置：将Mode设置为Run Once for All Items（对所有项目运行一次）
• • 输入以下JavaScript代码：

// FAQ知识库 - 使用关键词匹配提高准确率


const
 faq = [


  {


    
keywords
: [
"工作时间"
, 
"上班时间"
, 
"营业时间"
, 
"几点上班"
, 
"几点开门"
, 
"工作日"
, 
"上班"
, 
"营业"
],


    
answer
: 
"周一至周五，9:00-18:00"


  },


  {


    
keywords
: [
"联系方式"
, 
"电话"
, 
"客服"
, 
"联系"
, 
"咨询"
, 
"怎么联系"
, 
"联系电话"
],


    
answer
: 
"客服电话：400-123-4567"


  },


  {


    
keywords
: [
"产品价格"
, 
"价格"
, 
"多少钱"
, 
"费用"
, 
"收费"
, 
"报价"
, 
"成本"
],


    
answer
: 
"请访问官网查看最新价格"


  },


  {


    
keywords
: [
"技术支持"
, 
"技术"
, 
"支持"
, 
"帮助"
, 
"问题"
, 
"故障"
, 
"bug"
, 
"技术问题"
],


    
answer
: 
"请发送邮件至 tech@company.com"


  },


  {


    
keywords
: [
"退换货"
, 
"退货"
, 
"换货"
, 
"退款"
, 
"返回"
, 
"不满意"
, 
"退"
, 
"换"
],


    
answer
: 
"支持7天无理由退换货，详情请查看用户协议"


  }


];




// 获取输入数据 - 明确数据来源


// 从Token节点获取access_token


const
 tokenData = $input.
first
().
json
;


// 从Webhook节点获取原始消息数据


const
 webhookData = $(
'Webhook'
).
first
().
json
.
body
;




// 调试信息：打印数据来源和结构


console
.
log
(
'Token节点数据:'
, 
JSON
.
stringify
(tokenData, 
null
, 
2
));


console
.
log
(
'Webhook原始数据:'
, 
JSON
.
stringify
(webhookData, 
null
, 
2
));


console
.
log
(
'事件数据:'
, 
JSON
.
stringify
(webhookData.
event
, 
null
, 
2
));




// 提取用户问题并匹配回答


// 注意：content可能是JSON字符串，需要先解析


let
 userQuestion = 
""
;


try
 {


const
 content = webhookData.
event
?.
message
?.
content
;


if
 (
typeof
 content === 
'string'
) {


    
// 如果content是字符串，尝试解析JSON


    
const
 parsedContent = 
JSON
.
parse
(content);


    userQuestion = parsedContent?.
text
?.
trim
() || 
""
;


  } 
else
if
 (content?.
text
) {


    
// 如果content已经是对象，直接访问text


    userQuestion = content.
text
.
trim
() || 
""
;


  }


} 
catch
 (error) {


console
.
log
(
'解析content时出错:'
, error);


  userQuestion = 
""
;


}


let
 reply = 
"抱歉，暂时无法回答您的问题，正在为您转接人工客服"
;




// 提取chat_id，尝试多种可能的路径


const
 chatId = webhookData.
event
?.
message
?.
chat_id
 || 


               webhookData.
event
?.
message
?.
message
?.
chat_id
 ||


               webhookData.
event
?.
chat_id
;




console
.
log
(
'提取的chat_id:'
, chatId);


console
.
log
(
'用户问题:'
, userQuestion);




// 遍历FAQ数组，使用关键词匹配


for
 (
const
 faqItem 
of
 faq) {


// 检查用户问题是否包含任何关键词


const
 matched = faqItem.
keywords
.
some
(
keyword
 =>


    userQuestion.
toLowerCase
().
includes
(keyword.
toLowerCase
())


  );




if
 (matched) {


    reply = faqItem.
answer
;


    
console
.
log
(
`匹配到FAQ: 
${faqItem.keywords[
0
]}
, 回复: 
${reply}
`
);


    
break
;


  }


}




// 验证必要参数


if
 (!chatId) {


console
.
error
(
'错误: 无法获取chat_id'
);


throw
new
Error
(
'无法获取chat_id，请检查飞书webhook数据结构'
);


}




if
 (!tokenData.
tenant_access_token
) {


console
.
error
(
'错误: 无法获取access_token'
);


throw
new
Error
(
'无法获取access_token，请检查Token获取节点'
);


}




// 返回处理结果


const
 result = { 


reply
: reply, 


chatId
: chatId,


token
: tokenData.
tenant_access_token


};




console
.
log
(
'返回结果:'
, 
JSON
.
stringify
(result, 
null
, 
2
));


return
 result;

4. 添加回复节点

添加HTTP Request节点：

• • 点击"+"添加第二个HTTP Request节点，连接到Code节点
• • Method: POST
• • URL: https://open.feishu.cn/open-apis/im/v1/messages?receive_id_type=chat_id
• • Authentication: Header Auth

• • Name: Authorization
• • Value: Bearer {{ $json.token }}

• • Body: JSON格式

{


  
"receive_id"
:
 
"{{ $json.chatId }}"
,


  
"msg_type"
:
 
"text"
,


  
"content"
:
 
"{\"text\":\"{{ $json.reply }}\"}"


}

重要提示：

• • 如果遇到"invalid receive_id"错误，说明chatId为空，请检查Code节点的调试输出
• • 确保飞书webhook包含完整的消息事件数据
• • content字段需要双重JSON编码

第三步：上线测试

1. 1. 保存激活：点击"Save"并激活工作流
2. 2. 发布应用：在飞书后台"应用发布"创建新版本
3. 3. 开始对话：在飞书中@机器人提问测试

成功！你的智能客服已经上线了！

FAQ 常见问题

Q: 机器人不回复怎么办？
A: 检查n8n工作流是否激活，飞书权限是否开通完整。

Q: 如何让机器人更智能？
A: 将Code节点替换为调用ChatGPT或其他AI模型的API。

Q: 能处理图片消息吗？
A: 可以，需要在飞书权限中开通相应的多媒体消息权限。

Q: 免费版有限制吗？
A: n8n免费版每月有5000次执行限制，一般小团队够用。

总结

通过n8n和飞书的完美结合，我们零代码实现了智能客服的基础功能。这只是起点，你还可以：

• • 接入AI大模型：让回答更智能
• • 连接数据库：查询订单、用户信息
• • 创建工单系统：无法解决的问题自动转人工

自动化的世界充满无限可能，希望这个教程能为你打开新世界的大门！

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全链接，放心点击）👈

​

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

​​​​​​​L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的
核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全链接，放心点击）👈

​