N8N 客服 AI Agent 深入拆解：Webhook、對話記憶與真人分流怎麼設計才穩

**TL;DR：**做客服型 n8n claude ai agent，最容易出錯的不是 Claude 回答本身，而是 Webhook 欄位不一致、記憶存太亂、真人分流太晚，這 3 段先做對，整體穩定度通常差很多。

上次幫一位做線上課程的平台整理客服 workflow，他們第一版已經能讓 Claude 自動回覆，但用了 5 天就出現 3 個典型問題：換通道後被當新客、上一輪的訂單編號下一輪卻忘了、碰到退款問題還在硬回。這些都不是模型太差，是流程骨架沒立住。

這篇是上一篇 Pillar 的延伸版，聚焦最關鍵的 3 個模組。若你還沒看完整架構，建議先回到主文：https://n8nstart.cc/blog/n8n-claude-ai-customer-agent

第一段：Webhook 不是只負責收訊息，它決定你後面會不會失憶

先統一欄位，再談多通道

如果你同時接網站聊天、表單、LINE 或 Email，每個來源吐出的欄位都不同。第一步不是急著送進 Claude，而是先做欄位映射。

至少固定這幾個欄位：

• source
• user_id
• session_id
• message
• message_type
• received_at

其中最重要的是 user_id 與 session_id。如果 user_id 沒辦法跨通道對齊，你就很難做真正的對話記憶；如果 session_id 每次都亂開，你就會一直把舊對話切碎。

Webhook 設計要先處理 3 種異常

1. 重複送達
   很多平台會因為 timeout 或重送機制，讓同一事件送兩次。建議用事件 ID 做去重。

2. 缺少必要欄位
   若缺 user_id、訊息內容空白、簽章驗證失敗，就直接結束，不要進模型。

3. 格式不一致
   有些平台的文字在 text，有些在 message.body，這種差異一定要在第一段吃掉。

如果你對 webhook 還不熟，先看這篇基礎整理會快很多：https://n8nstart.cc/blog/n8n-beginner-complete-guide
N8N 官方文件也有完整節點說明：https://docs.n8n.io/

第二段：對話記憶不是越多越好，而是越準越好

先分清楚短期記憶與長期事實

很多人做記憶時，會把所有對話全文存起來，然後每一輪都再丟給 Claude。前幾輪可能沒事，後面就會慢、貴、亂。

比較穩的做法是分兩層：

• 短期記憶：最近 5 到 10 輪對話
• 長期事實：客戶名稱、方案、訂單編號、問題類型、是否已轉人工

模型真正需要的，不是 40 輪全文，而是「這個人是誰、現在在問什麼、之前決定到哪一步」。

記憶欄位要結構化

你可以在 N8N 裡每輪更新一筆簡單的 customer session record，常用欄位像這些：

• customer_name
• email
• plan
• order_id
• last_intent
• risk_level
• handoff_status
• last_summary

這樣下一輪進來時，N8N 不需要把聊天全文重新組裝成一大包，而是先查這筆 session，再決定要帶哪些內容給 Claude。

記憶更新要放在回答後，不要放在回答前

正確順序通常是：

1. 查 session
2. 拉最近對話
3. 拉 FAQ / 動態資料
4. 呼叫 Claude
5. 寫回最新摘要與欄位

如果你在回答前就先寫入新狀態，很容易把錯的內容提前固化。

想進一步看 AI Agent 的常見結構，可以搭配這篇一起讀：https://n8nstart.cc/blog/n8n-ai-agent-workflow-patterns
如果你準備做更多進階欄位處理，也可以看這篇 expression 實戰：https://n8nstart.cc/blog/n8n-advanced-tips-expression-guide-2026

第三段：真人分流不是備案，是客服 AI Agent 的核心設計

先定義什麼問題不能自動回

只要涉及風險、情緒或權限，先轉真人通常更划算。常見條件包括：

• 退款與費用爭議
• 帳號安全與個資要求
• 連續兩輪信心不足
• 客戶情緒明顯升高
• FAQ 命中失敗且缺少動態資料

你可以在 Claude 的輸出裡要求它回傳 confidence、intent、handoff_reason，再由 N8N 用 IF 或 Switch 判斷是否建立工單或推播給客服。

分流訊息要讓真人能 30 秒接手

如果你轉人工時只丟一句「請處理這位客戶」，客服還是得重讀全部對話。比較好的做法是同步送出摘要：

• 客戶識別資訊
• 問題類型
• 目前已查到的訂單或方案資料
• Claude 已嘗試過的回應
• 為何需要人工接手

這會影響處理。

分流規則要持續調整，不是寫完一次就結束

你可以每週回頭看 3 個數字：

• 自動解決率
• 人工介入率
• 人工接手後的二次修正率

如果人工介入率太高，代表 FAQ 太薄或規則太保守；如果二次修正率太高，代表 AI 答太多、不夠早轉人工。

N8N 社群裡也常有人分享類似設計與踩坑紀錄：https://community.n8n.io/
若你想先判斷哪些場景最值得自動化，可以再讀這篇：https://n8nstart.cc/blog/n8n-automation-use-cases-5-scenarios

結論：先把骨架做對，Claude 才能真的幫你省工

客服型 n8n claude ai agent 最容易被低估的，永遠不是模型能力，而是流程邊界。只要 Webhook 欄位乾淨、記憶欄位結構化、真人分流規則明確，Claude 的表現通常就會穩很多。

如果你不想從零拼這 3 段，最省時間的做法還是先從可改的模板起跑，再把 FAQ、風險規則與品牌語氣換成你自己的版本。可以先到 N8Nmarket 看模板清單：https://n8nstart.cc/templates
若想先補更多 N8N 教學與案例，也可以直接從網站主站開始：https://n8nstart.cc/

FAQ

客服 AI Agent 的 session_id 應該怎麼設？

通常以通道提供的 conversation id 為主，沒有的話可用 user_id + 時間窗 組合。重點是規則要固定，避免同一段對話被切成很多段。

對話記憶要存全文還是摘要？

建議兩者並用，但送給模型時以最近對話加摘要為主。全文可以保留做追查或人工回看，不必每輪都放進上下文。

什麼時候該把客服問題直接轉真人？

只要牽涉退款、法務、帳務、個資、明顯情緒升高，或模型連續兩次信心不足，就應該優先轉真人，不要硬撐自動回覆。