Slik bygger du en n8n-agent som svarer fra egne kundedata

|Forfatter: QUASAs redaksjon|5 min lesetid
Slik bygger du en n8n-agent som svarer fra egne kundedata

Bygg en kundeserviceagent i n8n ved å koble Chat Trigger til AI Agent, en chatmodell og et verktøy som slår opp en kundepost. n8ns dokumentasjon for AI Agent krever at minst ett verktøy er koblet til agenten. Legg derfor til et avgrenset testoppslag før du kjører den første chatprøven.

Bruk ett spørsmål som mål for flyten: «Hva er status for bestillingen min?» I et tenkt nettbutikkeksempel skal agenten hente status fra en testpost og svare bare med opplysninger oppslaget faktisk returnerer. Dokument­søk og samtaleminne kan legges til senere; de trengs ikke for å svare på dette spørsmålet.

Bestem hvilke kundedata agenten får lese

Lag noen fiktive bestillinger med ulike statuser før du kobler til et kundesystem. For hver testpost holder det med et bestillingsnummer, en status, en eventuell forventet leveringsdato og tidspunktet for siste oppdatering. Beskriv også hvordan et oppslag uten treff, uten tilgang eller med teknisk feil skal se ut. Disse svarene må kunne skilles fra en gyldig bestilling.

Bestillingsnummeret alene gir ingen rett til å se en kundepost. For en løsning med virkelige kunder må oppslagstjenesten kontrollere identiteten som kommer fra en pålitelig innlogget kanal, og begrense resultatet til den kundens bestillinger. La modellen foreslå hvilket bestillingsnummer den vil slå opp, men ikke la den bestemme hvem brukeren er eller hvilke poster vedkommende har tilgang til.

Hold den første versjonen i en lukket testchat med fiktive opplysninger. Dersom kundesystemet bare tilbyr et endepunkt som returnerer en bestilling til alle som kjenner nummeret, må tilgangskontrollen bygges før ekte data kobles på. En instruksjon til modellen kan styre svarformen, men kan ikke erstatte en kontroll i tjenesten som leverer dataene.

Koble sammen nodene før du prøver chatten

Chat Trigger er koblet til AI Agent, mens chatmodell og oppslagsverktøy har egne tilkoblinger.

Opprett en arbeidsflyt med Chat Trigger som første node, og koble hovedutgangen til AI Agent. Koble en støttet chatmodell til agentens Chat Model-inngang, og legg inn modelltilbyderens legitimasjon i n8n. Deretter kobler du et leseverktøy til Tool-inngangen. Det gir en kjørbar minsteversjon: chatmelding → agent, med en egen tilkobling til modell og en egen tilkobling til oppslag.

Hvis testdataene er tilgjengelige gjennom et API, kan du bruke HTTP Request som verktøy. n8ns trinnvise agentoppskrift viser koblingen fra Chat Trigger til AI Agent, chatmodell og HTTP Request-verktøy. Oppskriften bruker et annet eksempel; her skal HTTP-kallet bare hente en godkjent bestillingspost.

  1. Gi verktøyet et navn og en beskrivelse som tydelig sier at det henter bestillingsstatus.
  2. Sett en fast API-adresse og autentisering i verktøyet. La bare bestillingsnummeret være en variabel modellen kan fylle ut.
  3. Legg inn en systeminstruksjon som krever oppslag før et faktasvar, og som forbyr agenten å finne på status eller leveringsdato.
  4. Send et spørsmål om en fiktiv bestilling i testchatten. Åpne kjøringen og kontroller at verktøyet ble kalt.

Ikke kopier eldre veiledningers valg av agenttype ukritisk: i nyere AI Agent-noder er verktøybruk allerede måten agenten arbeider på. Det avgjørende i denne flyten er at verktøyet faktisk er tilkoblet og at kjøringen viser et oppslag før svaret.

Begrens oppslaget og kontroller svaret

La API-et returnere færrest mulig felt. En testrespons kan inneholde status, forventet dato hvis den finnes, og tidspunktet statusen ble oppdatert. Hvis kundesystemet ellers sender hele kundekort, bør oppslagstjenesten redusere resultatet før modellen får det. Da kan du sammenligne chatteksten med et oversiktlig verktøyresultat.

Prøv en testbestilling med en registrert status, og se både på svaret og dataene fra verktøyet i kjøringsvisningen. Agenten skal gjengi statusen, skille en forventet dato fra en bekreftet hendelse og la være å oppgi dato når feltet mangler. Hvis den svarer om bestillingen uten et verktøykall, stram inn systeminstruksjonen og verktøybeskrivelsen, og kjør samme test på nytt.

Test deretter et nummer som ikke finnes, og et nummer den innloggede testbrukeren ikke har tilgang til. Kundesvaret bør være likt nok i begge tilfeller til at det ikke avslører om en annen kundes bestilling eksisterer. Be om nødvendig verifisering eller henvis videre til kundeservice. Kontroller også at modellen ikke kan endre API-adressen eller be oppslaget returnere flere felt enn det trenger.

Legg til dokument­søk og minne bare når spørsmålene krever det

Et oppslag i returvilkår er adskilt fra samtalehistorikken, som ikke erstatter oppdaterte kundedata.

Spørsmål om returvilkår krever et annet kunnskapsgrunnlag enn bestillingsstatus. MongoDBs veiledning for n8n bruker Atlas Vector Store til å hente dokumenter og MongoDB Chat Memory til å lagre samtalehistorikk. Dokumentsøket finner relevant innhold; minnet gir kontekst fra tidligere meldinger. Ingen av delene erstatter et nytt oppslag i en bestilling som kan ha endret status.

Hvis agenten også skal svare om vilkår, legg inn et begrenset sett godkjente dokumenter og koble søket som et eget verktøy. Test et spørsmål med svar i dokumentene og et spørsmål der svaret mangler. Et vektorlager er én måte å gjøre dette på, men for den første bestillingsflyten er det bare en ekstra komponent uten oppgave.

Legg til samtaleminne når brukeren skal kunne spørre «Og når kommer den?» etter å ha oppgitt bestillingen. Hold samtaler atskilt og prøv at en ny samtale ikke arver opplysninger fra den forrige. Ved oppfølgingsspørsmål om status må agenten hente oppdaterte kundedata igjen, selv om bestillingsnummeret finnes i samtalehistorikken.

Stopp faktasvaret når oppslaget svikter

Prøv en kontrollert API-feil i testmiljøet, i tillegg til tomt resultat og manglende bestillingsnummer. Ved teknisk feil skal kunden få vite at status ikke kan bekreftes nå. Ved manglende nummer kan agenten be om opplysningen den trenger. I ingen av tilfellene skal den fylle hullet med en sannsynlig status.

Lag en separat feilflyt for varsling til drift, og registrer hvilken kjøring og node som feilet uten å sende hele kundeposten i varselet. En slik feilflyt er for feilsøking; den lager ikke automatisk et forståelig chatsvar. Kontroller derfor kundens svarbane for seg, og utform en egen trygg respons når oppslaget returnerer en håndterbar feil.

Før flyten åpnes for ekte henvendelser, må testene vise riktig verktøykall, riktig tilgangskontroll og et svar som stanser ved ukjent post eller teknisk feil. Hvis den autentiserte kanalen ikke gir oppslagstjenesten en verifisert kundeidentitet, er flyten fortsatt bare egnet for fiktive testdata.

Les også:

Del:

Abonner på nyhetsbrevet vårt

Få de siste nyhetene om Web3, KI og krypto rett i innboksen.

0