n8n + Gemini 客服Agent:退款与愤怒客户自动升级人工

开源 n8n + Gemini 客服 Agent 原型,用知识库约束与人工兜底控制风险。
文章介绍了一个基于 n8n 和 Gemini 的开源客服 AI Agent 原型,定位为作品集项目但具备落地参考价值。系统把知识库检索、情绪判断和退款类工单转人工串成自动流水线,核心设计有三点:Gemini Agent 被严格限制只依据 Postgres 知识库作答并可调用 order_lookup 工具,Code 节点校验 category、sentiment、escalate 三个结构化字段后再路由,退款和愤怒客户强制转 Slack 人工且所有工单落库留痕。作者认为这种“AI 处理标准问题、人工兜底高风险问题”的分工比追求全自动更贴近业务,ROI 也更清晰。文章还梳理了情绪阈值、置信度分数、失败案例测试三个开放问题,以及接入真实 webhook、向量检索替代关键词匹配、建立标注评估体系等生产化差距。
一个可复用的客服自动化原型
在 B2C 业务里,客服工单的处理速度和准确率直接影响复购率。最近 Reddit 上一位开发者分享了一个基于 n8n 和 Gemini 的客服 AI Agent 项目,定位为作品集原型,但其中几个设计决策对准备落地 AI 客服的团队有参考价值。
项目解决的痛点很具体:知识库检索、情绪判断、退款类工单转人工,三个环节串成一条自动流水线。作者把工作流 JSON、部署步骤和 SQL 全部开源在 GitHub 上,降低了复现门槛。
据 Reddit 原帖描述,这套系统目前跑在模拟工单上,覆盖物流查询、愤怒退款、密码重置、订单取消四类场景,下一步计划接入真实 helpdesk webhook,并用向量存储替代关键词匹配。

工作流拆解:三件事决定成败
知识库匹配与工具调用
每张工单先与存储在 Postgres 中的知识库文章做匹配。Gemini Agent 被严格限制为只依据匹配到的文章内容作答,同时可以调用一个 order_lookup 工具查询订单状态。这个约束是整套方案可靠性的基础——没有它,LLM 很容易编造退款政策或配送时效。
RAG(检索增强生成) 是这套方案的理论基础:系统先从外部知识库中检索与用户问题相关的文档片段,再把这些片段作为上下文拼进提示词,让模型“基于给定材料”作答,而不是依赖预训练记忆。文章中的 Postgres 知识库匹配就属于典型的检索环节,而“只依据匹配到的文章内容作答”则是 RAG 中约束生成阶段的常见做法。RAG 的价值在于知识可更新、答案可溯源、幻觉可控,但它对检索质量高度敏感——召回不到正确文档时,模型要么拒答要么答偏,这也是后文强调向量检索替代关键词匹配的原因。
工具调用(Function Calling / Tool Use) 指 LLM 在生成过程中输出结构化的调用请求,由外部程序执行后把结果回传给模型继续推理。文章中的 order_lookup 就是一个工具:模型判断需要订单状态时发起调用,拿到真实数据再组织回复。工具调用的意义在于把“查数据”这类确定性操作从模型推理中剥离,避免模型凭猜测编造订单状态,同时让 Agent 能访问实时、私有的业务数据。
结构化输出与代码节点校验
Agent 返回三个字段:category(工单分类)、sentiment(情绪倾向)、escalate(是否升级人工)。在路由之前,一个 Code 节点会校验输出格式,避免模型返回非结构化内容导致后续流程中断。这个环节容易被忽略,但对生产环境至关重要。
分级路由
被标记为升级的工单推送到 Slack,由人工接管;所有工单不论是否升级,都会写入 Postgres 留痕。技术栈全部使用免费额度:n8n 负责编排,Gemini 提供推理,Supabase Postgres 做存储,Slack 承接人工环节。
n8n 是一款开源的工作流自动化工具,采用节点式可视化编排,每个节点代表一次操作(HTTP 请求、数据库读写、条件分支、代码执行等),节点之间用连线定义数据流向。它支持自托管,内置大量集成,也允许用 Code 节点写 JavaScript 处理自定义逻辑——文章中的结构化输出校验正是在 Code 节点完成的。相比 LangChain 这类纯代码框架,n8n 的优势是流程可视、单节点可独立调试、非工程角色也能读懂路由逻辑;代价是复杂逻辑的表达不如代码灵活。
Supabase 是基于 Postgres 的开源后端服务平台,提供托管数据库、认证、存储和向量检索(pgvector)等能力。文章用它同时承担知识库存储和工单留痕两个职责。选择 Supabase 而非自建 Postgres 的主要动机是免费额度与开箱即用,这也解释了作者为何把整套技术栈描述为“全部使用免费额度”。
为什么“退款和愤怒客户必须转人工”是聪明设计
作者在帖子里明确了一条硬规则:涉及退款的请求或情绪激烈的客户,一律交给真人处理。这不是技术能力的妥协,而是风险控制。退款决策涉及金额、政策和客户关系,AI 一旦误判,代价远高于人工成本;愤怒客户则需要共情和灵活处理,当前 LLM 在这类场景下的表现仍不稳定。
从工程角度看,这种“AI 处理标准问题、人工兜底高风险问题”的分工模式,比追求全自动更接近实际业务需求。多数客服团队的真实瓶颈不是简单问题太多,而是复杂问题占用了资深客服的时间。把标准查询自动化,释放人力处理退款和投诉,ROI 更清晰。

作者留下的三个开放问题
原帖作者向社区提了几个问题,也恰好是这套方案走向生产环境必须解决的:
情绪阈值怎么定? 目前 sentiment 字段由模型自由判断,没有量化标准。实践中可以考虑引入分级标签(如 neutral / frustrated / angry),并针对不同级别设置不同的升级策略,而不是单一布尔值。
要不要加置信度分数? 这是个值得做的增强。当模型对答案的置信度低于阈值时,即使没有触发退款规则,也应转人工。置信度可以来自检索相似度分数,也可以让模型自评。
还有哪些失败案例要测? 建议补充多意图工单(一个工单里既问物流又要求退款)、知识库未覆盖的长尾问题、对抗性输入(诱导模型绕过升级规则的提示词),以及 order_lookup 工具超时或返回空值的情况。
置信度分数在工程上通常有两个来源:一是检索侧的相似度分数(如向量余弦相似度或关键词匹配得分),反映“找到的资料是否足够相关”;二是生成侧的模型自评,让模型在输出答案的同时给出一个 0 到 1 的把握程度。前者客观但只衡量召回质量,后者能覆盖推理不确定性但存在过度自信问题。实践中常把两者结合,设定低于阈值即转人工的兜底规则,这与文章提出的“漏升级”风险直接相关。
误升级与漏升级是一对权衡关系:降低升级门槛会减少漏升级,但误升级增多会推高人工成本、削弱自动化收益;提高门槛则相反。这对指标无法同时优化,必须结合业务对错误代价的容忍度来定阈值,并用标注测试集分别统计两类错误率,而不是只看总体准确率。
从原型到生产还差什么
作者自己指出了两个升级方向:接入真实 helpdesk webhook,以及用 vector store 替代关键词匹配。后者对召回率影响很大——关键词匹配对同义表达和口语化描述很脆弱,向量检索能显著改善知识库命中率。
另一个未在帖中展开但同样关键的点是评估体系。模拟工单能验证流程跑通,但无法衡量分类准确率和升级召回率。上线前需要一批标注过的真实工单作为测试集,持续监控误升级(把简单问题转人工)和漏升级(该转人工却自动回复)两类错误。
对于想复现这个项目的开发者,作者的 GitHub 仓库提供了完整的工作流 JSON 和 SQL,适合作为 n8n 自动化客服的起点。需要提醒的是,免费额度的 Gemini 在并发和速率上有上限,真实流量下需要评估配额。
常见问题
这套方案适合什么规模的团队? 中小团队或客服自动化入门项目最合适,n8n 的可视化编排降低了维护门槛,免费额度也控制了试错成本。
为什么不用纯代码框架而选 n8n? 工作流可视化让非工程背景的客服运营也能理解和调整路由逻辑,调试单个节点比调试整段代码更直观。
Gemini 在客服场景的表现如何? 原帖未提供量化评估,但从设计上看,通过知识库约束和工具调用限制了模型自由发挥的空间,这是提升稳定性的常见做法。
相关推荐

AI时代为何必须掌握Git:从版本控制到Agent协作
Git和GitHub有什么区别?AI Agent写代码后如何用Issue、分支和Pull Request管理改动?本文基于NetworkChuck的Git教程,梳理从git init到冲突处理的完整流程,并分析AI时代版本控制为何成为必备技能。

OpenAI 6.2 Astra实测翻车:跑分惊艳,为何开发者却说难用?
OpenAI 6.2 Astra 跑分全面领先且价格更低,但早期测试者反馈其在长任务中频繁卡死、输出难以解析、资源管理失控。本文梳理实测中的真实体验与官方数据之间的落差,并分析这对开发者选型的意义。

GTA VI咖啡系统细节曝光:热咖啡竟能泼人?
Vergecast播客揭秘GTA VI咖啡系统:玩家可在公寓冲泡、自动贩卖机购买、餐厅点单,甚至将热咖啡泼向他人。这种对日常交互的细致还原延续了荒野大镖客2的沉浸感设计,引发对游戏细节与玩法平衡的讨论。