拆解 n8n AI Agent + RAG 客服模板：Qdrant 與 Claude 工具呼叫

n8n AI Agent + RAG 客服模板把 LINE/WhatsApp、Qdrant、Claude 工具呼叫與人工 fallback 串成 24/7 流程。

你是不是每天手動回覆「怎麼退貨、發票在哪」？每天 100 則訊息若一半能查 FAQ，就值得先改。回指 Pillar：2026 最強 n8n template TOP 5。

架構圖：客服接待與知識庫 ingest 要拆開

LINE/WhatsApp -> Normalize -> Intent -> Qdrant Search
              -> Claude Answer / Tool Use -> Reply or Human Review
Docs/Notion/PDF -> Chunk + Metadata -> Embedding -> Qdrant Upsert

即時客服求低延遲；知識庫 ingest 管 chunk、embedding、版本與刪除。Qdrant collection 可存向量與 payload，參考 Qdrant documentation。n8n sub-workflow 可拆通知與 log，見 n8n docs。

節點清單：可跑版本

第一版接訊息、查知識庫、回覆或轉人。節點是 Webhook、Normalize、Dedupe、Intent、Embedding、Qdrant Search、Answer、Confidence、Fallback、Log。

固定欄位：conversation_id、message_id、text、source_url、score。message_id 防重。

知識庫 ingest pipeline：答案品質從 chunk 開始

RAG 客服品質常由資料整理決定。流程是讀 Notion、Docs、PDF 或商品表；依標題切 chunk；加 doc_id、version、product；做 embedding；upsert 到 Qdrant。

文件下架後，向量庫若沒標記失效，AI 可能拿舊規則回答。每次 ingest 更新 active，搜尋只取有效 chunk。治理可搭配 n8n RAG enterprise knowledge。

Claude 工具呼叫：讓 Agent 查資料

Claude 工具呼叫能把「需要查系統」的問題轉成結構化動作；模型需要工具時會回傳 tool use 內容，由你的應用執行，詳見 Claude tool use docs。

常見工具有 get_order_status、get_refund_policy、create_ticket、handoff_to_human。schema 只開必要欄位。

Fallback 設計：低信心不要送出

AI 客服的風險不是轉人工，而是答錯還很肯定。fallback gate 檢查分數、來源與風險意圖。退款、合約、資安問題進人工；分數不足就追問或轉人。錯誤路徑可對照 n8n workflow error handling patterns。

上線檢核清單

上線前確認：Webhook 驗證來源；message_id 去重；credentials 集中管理；Qdrant embedding 維度固定；chunk 保留來源；prompt 只依來源回答；高風險問題進人工；Slack 收到失敗通知。

每天 100 則詢問、50 則自動處理、每則省 1.5 分鐘，就是每天 75 分鐘。ROI 可看 n8n automation ROI calculation。

回指 Pillar：這個模板為什麼是 TOP 1

AI Agent + RAG 客服模板排 TOP 1，因為它高頻、可量化、可擴充。第一版答 FAQ，第二版接訂單。它也符合 Pillar 的設計哲學：subworkflow、錯誤處理、credentials、log、去重與 HITL approval。

常見問題

n8n AI Agent + RAG 客服模板一定要用 Qdrant 嗎？

不一定，但 Qdrant 適合需要向量搜尋與來源追溯的場景。

知識庫多久要 ingest 一次？

FAQ 可每天同步；價格、退換貨與合約條款更新後應立即 ingest。

AI 客服可以直接查訂單嗎？

可以，但要透過受控工具查詢，只回傳必要欄位。

上線後要看哪些指標？

看自動解決率、轉人工比例、平均回覆時間、錯誤次數與人工修正率。

從可改裝模板開始，前往 N8Nmarket 模板庫。