OpenAI Personal Shopper with RAG and WooCommerce

工作流名称

OpenAI Personal Shopper with RAG and WooCommerce

主要功能和亮点

该工作流集成了OpenAI的语言模型和RAG（检索增强生成）技术，结合WooCommerce的产品数据库，实现智能个人购物助手功能。它能够理解用户在聊天中的意图，自动提取商品搜索关键词、价格区间和SKU等信息，精准匹配WooCommerce中的商品。同时，对于非商品相关的咨询（如店铺地址、营业时间等），通过RAG系统基于存储在Qdrant向量数据库中的店铺文档内容智能回答，提升用户体验。整个流程支持上下文记忆管理，保证对话连贯性。

解决的核心问题

• 自动识别用户在聊天中是否有购物需求，避免无关查询干扰购物流程。
• 精准提取用户需求中的关键信息，提升商品搜索的准确率。
• 结合知识库回答店铺相关问题，解决客服自动化难题。
• 统一管理对话上下文，提供个性化、连续的购物建议。

应用场景

• 电商平台的智能客服和购物助理。
• 实体店线上服务升级，通过聊天机器人帮助顾客快速找到商品。
• 多渠道客户咨询统一应答，提升服务效率。
• 需要结合产品数据库与知识库的复杂问答场景。

主要流程步骤

1. 聊天触发：通过Langchain的聊天触发节点接收用户消息。
2. 字段编辑：提取会话ID和用户输入内容，作为后续处理的基础。
3. 信息提取：利用OpenAI模型判断是否为商品搜索请求，并提取关键词、价格区间、SKU等信息。
4. 智能代理决策：基于提取信息判断调用个人购物工具还是RAG知识库。
5. 个人购物查询：调用WooCommerce接口查询符合条件的商品库存。
6. 知识库检索：基于Qdrant向量数据库和Google Drive中的店铺文档，回答非购物相关问题。
7. 上下文管理：使用窗口缓冲记忆节点维护对话的连续性和上下文信息。
8. 响应生成：通过OpenAI聊天模型生成最终的回复内容发送给用户。

涉及的系统或服务

• OpenAI API：自然语言理解与生成、信息抽取、聊天模型。
• WooCommerce：商品库存查询与筛选。
• Qdrant向量数据库：店铺知识库的向量存储与检索。
• Google Drive：存储店铺相关文档，用于知识库构建。
• n8n节点：包括Langchain工具、HTTP请求、记忆管理等。

适用人群或使用价值

• 电商企业及店铺运营者，希望通过智能客服提升客户购物体验和服务效率。
• 技术团队需要构建结合知识库和商品数据库的智能问答系统。
• 需要自动化处理多类型客户咨询，减少人工客服压力的商家。
• 希望借助AI实现个性化推荐和智能搜索的数字化转型企业。

该工作流帮助企业实现了智能购物助手的自动化，既能精准满足用户购物需求，也能智能应答店铺相关问题，显著提升客户满意度和运营效率。