AI 驅動的 WhatsApp 留學簽證諮詢助理

大家好！我為一家留學簽證諮詢公司，打造了一個下班時間運作的 WhatsApp 助理，並寫下了它的運作方式。希望這篇文章能幫助到正在建構類似系統的人。

這個助理的功能包括：僅根據諮詢公司提供的服務、文件、入學時間和辦公室等內部資料來回答學生問題。它絕不會虛構費用、語言成績或簽證成功率，而是將這些敏感問題轉交給顧問處理。

它會一次一個問題地收集學生的姓名、所需服務、國家和最佳通話時間。此外，助理能以學生使用的相同語言（英語、印地語或旁遮普語）進行回覆。

這個助理的建構方式是將 WAHA 部署在 Docker 中，與 n8n 並行運作（這僅是演示，生產環境應使用官方雲端 API）。其工作流程為：Webhook → 過濾器 → 設定 → AI 代理 → HTTP 請求回傳至 WAHA。

AI 代理使用了 Gemini 3.5 Flash Lite 模型，並透過聊天 ID 鍵控的 PostgreSQL 聊天記憶體來儲存對話。它還包含一個名為 save_lead 的資料表工具，模型會自行呼叫此工具，並透過 $fromAI() 填入所有欄位。

為了讓等待時間感覺更自然，系統設計了兩個並行分支來處理「已讀」和「正在輸入...」狀態。整個系統在 EC2 上自行託管，並使用 Caddy 處理 HTTPS。

在建構過程中，我遇到了一些問題。WhatsApp 現在將發送者 ID 以 @lid 形式發送，而非電話號碼，這導致我的白名單過濾器失效。同時在環境變數和儀表板中設定 WAHA webhook，則會導致每條訊息都收到兩次。

一個已停用的 Gemini 模型和 503「高需求」錯誤曾導致機器人靜默。我透過失敗重試、錯誤時繼續執行和備用回覆來解決了這個問題。此外，如果提示詞中沒有明確指示「僅在 save_lead 成功後才確認」，模型會告訴學生他們的資料已儲存，即使實際上並沒有。

包含設定程式碼片段的完整文章，請參考 DEV Community 上的「Building a WhatsApp Enquiry Assistant with n8n and an LLM That Answers From a Business’s Own Documents」。