【必学】零代码搭建智能客服！用n8n+飞书打造不知疲倦的数字员工，小白也能轻松上手，建议收藏！

本文教你使用n8n和飞书两个免费工具，零代码搭建专属智能客服。详细介绍了创建飞书应用、配置权限、搭建n8n工作流的全过程，包括Webhook设置、Token获取、智能问答节点配置等，最终实现自动回复常见问题的数字员工。文章还提供了FAQ和扩展建议，如接入AI大模型、连接数据库等，让读者可以进一步优化智能客服功能。

datian1234

1068人浏览 · 2025-10-23 11:07:21

datian1234 · 2025-10-23 11:07:21 发布

前言

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. n8n账号：免费的自动化神器，可以让不同软件"对话"
1. 飞书管理员账号：用来创建机器人
1. 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_tokenconst 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() || "";  } elseif (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');thrownewError('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');thrownewError('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. 保存激活：点击"Save"并激活工作流
1. 发布应用：在飞书后台"应用发布"创建新版本
1. 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！

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

在这里插入图片描述

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。
在这里插入图片描述
最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。