我要投稿

AI实现智能客服第4节：开源N8N编排采集同城旅行网数据知识

发布日期：2025-06-12 13:52:52 浏览次数： 1562

作者：无处不在的技术

微信搜一搜，关注“无处不在的技术”

持续内容输出，点击蓝字关注我吧

前言

来看一段AI大模型对它的介绍

在上一篇文章中，我分享了AI客服知识问答中关键的RAG的知识，同时介绍了FastGPT的界面实现RAG的流程。

本节我将分享实现AI客服第一步需要做的内容：数据准备与知识清理入库。

之前的分享中，基于同城旅行网的FAQ数据实现了基于常见问题的AI客服问答的玩法，与问题分类的设计处理。本节我们实现一个基于同城旅行网的景点业务线的知识问答，形成一个支持景点数据知识的AI大模型客服。

首先我先说下本节需求：

本节计划继续基于同城旅行网的景点数据，通过N8N这个编排工具实现景点数据自动化流程处理，然后将获取到的知识存储到FastGPT中，避免通过写程序的方式获取数据，充分利用AI大模型的推理和总结，生成符合标准格式的知识数据，从而实现基于景点数据的AI客服问答。

本节流程如下：

再来看看本节最终解析到的景点数据格式：

这个数据整理就是通过AI整理的数据，格式非常清晰。

N8N环境搭建

搭建之前，先来简单介绍下N8N。

N8N是一个具有原生AI功能的开源工作流自动化平台，凭借 可视化构建 + 代码扩展 的独特设计，截至2025年5月27日，目前Star的数量为99K。如下所示：

N8N的发展历程也很不错：

它为技术团队提供了代码的灵活性和无代码的速度。尤其在AI大模型时代，很多时候对于创新性的AI落地场景，我们没必要写代码，可以通过转变思维，借助开源工具流程编排实现某些业务的可视化设计，提高效率。

N8N有400多种工具和能力集成，对于我们日常场景的基本都能覆盖。

相关的参考文档如下：

github : https://github.com/n8n-io/n8n

官网：https://n8n.io/

?文档: https://docs.n8n.io/

? 400+集成: https://n8n.io/integrations

? 工作流程示例: https://n8n.io/workflows

? AI与区块链指南: https://docs.n8n.io/langchain/

? 社区论坛: https://community.n8n.io/

几个核心能力如下：

可视化拖拽构建:连接 400+ 应用节点，支持条件分支/错误重试多步 AI 代理:基于 LangChain 构建复杂 AI 工作流私有化部署:Docker 一键部署，支持完全离线环境代码嵌入:随时插入 JavaScript/Python 代码段

调试利器:单步重试/数据模拟/实时日志追踪

企业级安全:SSO/RBAC/审计日志/加密存储模板市场:1200+ 现成工作流模板开箱即用MCP能力支持:支持对接MCP Server

我们可以通过配置，实现如下这种复杂的企业级别的AI工作流或者任务处理：

安装的过程也非常简单，只需要具备Docker环境即可，有了Docker环境，我们可以参考Gtihub主页上的安装方式处理，执行如下命令安装N8N

docker volume create n8n_datadocker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

通过如上命令，我们就可以拉取并创建一个N8N的容器服务，部署完成后，浏览器访问如下地址。

http://localhost:5678

首次访问会提示注册用户，我们注册即可。登录后进入到首页如下所示：

N8N同程旅行网采集

首先，我们看下我们的最终的流程编排效果：

这里我定义了4个节点：

节点1：定义一个Webhook节点，接收外部数据，相当于定义了个Controller。

节点2：是一个HTTP请求节点，这里我用它实现同城旅行网景点数据的获取。

节点3：是一个AI节点，负责解析网页HTML中的数据和推理

节点4：也是一个HTTP请求节点，负责的是将AI返回的数据，写入到FastGPT知识库中。

首先我们在主界面选择Create Workflow，创建工作流，进入编辑界面：

然后选择右侧的加号，添加一个Webhook节点，如下所示：

接下来会进入到节点编辑界面：

这里，其实相当于定义一个Webhook接口，同时对外暴露测试或者生产的地址。这个页面我们基本不需要动，选择上方的Back to cavas回到编辑页点击测试工作流：

就可以开启工作流的启动：

然后我们在Postman中访问该地址：

然后再N8N中可以看到结果：

接下来我们做第2个节点，我们首先看下同程旅行网的景点数据，比如我们访问如下网页：

https://www.ly.com/scenery/BookSceneryTicket_32291.html

我们鼠标右键查看源代码，看看这些景点名称和级别都在什么位置标签中：

通过这样的分析后，我们就知道了，我们需要的数据这种HTML标签中了。

然后，我们可以先启动下测试工作流，再通过Postman发送一个包含url参数的请求。有了这个请求后，我们开始配置第2个节点。

在第一个节点的基础之上创建第2个节点：

设置如下内容：

这里可以手动写表达式，也可以拖动左侧的JSON节点到URL编辑区，这样第2个节点配置完成。

继续添加第3个节点，这里我选择的是OpenAI节点，虽然没有OpenAI账号，但是我们有OneAPI，可以通过它包装为一个OpenAI格式的服务，这里也可以选择Ollama，也是支持的。

在AI节点中，我们选择如下，这里如果是第一次添加会让你选择OpenAI的认证授权信息，填写一下API地址和密钥即可：

然后我们把上一步的data数据，也就是网页的HTML数据拖动到用户提示词中：

然后设置下方的system提示词如下所示：

## 角色你是一个HTML网页内容提取和分析专家,能够根据用户提供的网页的HTML内容提取出来相关景点的核心介绍、景点等级、景点说明等内容。## 提取规则1、提取当前HTML网页中的TITLE名称中的景点信息标题2、请根据用户提供的同程旅行网的HTML内容，从<BODY>标签中提取出景点名称，景点级别等景点信息3、景点名称在class="s_name"元素中，以及class='s_des'中的简介，以及class="s_com s_address"元素中的景点地址4、<div class="inf-f-con"元素中的景点介绍，如果inf-f-con中包含图片地址，请用Markdown的图片格式返回，尽可能保持原文的顺序结构。5、class="tra_line"元素中的停车信息、公共交通信息、地址等信息6、根据提取到的内容，优化为一篇景点介绍文章，自动对Markdown结果进行换行格式化，不要出现\n，以便生成的结果我能够直接使用。7、返回结果需要使用Markdown格式,返回内容即可。## 返回格式### 景点介绍**景点名称**： **景点级别**：**景点简介与图文与经典特色****景点地址**：**交通信息**：

这样我们的AI节点完成，我们在调试下，可以看到效果如下所示，成功解析到了数据：

有了这个数据后，我们在开发一个FastGPT的节点，写入知识数据，这里我们在添加一个HTTP请求节点，然后看下官方文档关于FastGPT Open API的接口说明：

通过接口文档可以知道，我们只需要创建这样一个JSON发送请求即可，接下来在FastGPT中，创建一个访问的Key:

然后创建个知识库：

单击进入到知识库中，可以获取到知识库ID:

创建好知识库以后，我们可以先构造一个请求的JSON：

如果Postman测试没问题，可以成功写入数据到FastGPT中，那么在HTTP节点中，设置URL:

在设置请求头：

在设置请求体Body，其中text字段为：解析到的网页内容，来源于上个节点：

继续设置其他参数，这里的文件名称我选择了第一个节点的Webhook的请求参数中的URL:

这样一个流程编排完成，接下来再启动流程，然后我们通过Postman触发这个流程，流程正在执行中：

执行完成，就可以成功写入到知识库中：

景点数据如下：

有了这个数据后，我们在之前的客服工作流中，添加这个知识库和分类：

测试效果如下：

可以看到这样，基于我们的私域的一个同程旅行网的AI景点客服就完成了。

通过N8N+FastGPT实现了知识的采集、整理、入库、提问。效率非常有提升。

感兴趣的可以一起交流和动手哦。

再来分享下N8N的优势：

优势一：

开源免费，数据主权完全自主完全开源
代码在 GitHub 完全公开，可通过 Docker 私有化部署在企业内网，敏感数据零泄露风险，金融、医疗等合规场景必备。
零成本门槛
自托管无任何费用。

优势二：

400 + 节点，集成能力碾压级存在万物互联
支持从传统数据库（MySQL、PostgreSQL）到云端服务（AWS S3、Google Sheets），甚至硬件设备（Arduino），真正实现 “跨系统数据同步 + 业务流程自动化”。
实战案例
某跨境电商用 n8n 连接 Shopify 订单、物流 API、金蝶 ERP，自动完成 “订单创建→库存扣减→物流单号回传→财务记账” 全流程，人工干预减少 80%，月均节省 300 + 小时。

优势三：

代码 + 可视化双引擎，适配所有用户非技术用户
通过拖拽 “HTTP 请求”“邮件通知”“数据过滤” 等节点，轻松搭建 “表单提交→审批流程→数据存档” 等基础工作流。
开发者友好
用 JavaScript/Python 节点编写自定义逻辑（如数据加密、复杂算法），甚至接入自有微服务，某科技公司用 n8n 实现 “用户行为数据→AI 模型分析→个性化推荐接口” 实时联动，开发周期缩短 60%。
劣势
学习门槛较高，需理解 API 概念和工作流逻辑。