一分钱不用花，做完这个项目，你就可以说自己懂agent了
一天快速构建lead营销智能体
在 AI 技术浪潮中，智能 Agent 正逐渐从研究走向商业落地。本项目是一个基于 n8n + LLM + RAG + Supabase 的 BWW智能客服 Agent ，它能够完成客户接待、信息收集、知识问答，并自动将潜在客户信息发送给市场部。
换句话说，这是一个 自动化的营销 Lead 捕获机器人 。
🎯 项目目标
- 搭建一个 对话式 BWW 智能客服
- 通过 AI 自动解答客户问题（车型、试驾、售后等）
- 在对话过程中 收集客户关键信息（姓名、电话、邮箱、兴趣）
- 信息确认后，自动发送邮件至市场部
- 支持 PDF / CSV / Markdown 文件上传，作为知识库补充
最终，项目构建了一个能真正为业务落地的 营销智能 Agent 。
🏗️ 技术架构
核心流程基于 n8n workflow 搭建：
- Form Trigger – 客户上传资料（支持
.pdf,.csv,.md） - Text Splitter & Loader – 将文档分块，统一格式化
- Mistral Embeddings + Supabase Vector Store – 构建可搜索的知识库
- Chat Agent (Qwen + Memory) – 提供对话和业务逻辑控制
- Function Calling – 自动调用 email 工具发送客户信息
- RAG（检索增强生成） – 确保答案基于 BMW 官方资料
📌 技术栈要点：
- n8n → Workflow Orchestration
- Supabase → Vector Database
- Mistral Embeddings → 向量化模型
- Qwen-turbo → 大语言模型
- Prompt Engineering → 定义客服行为与收集逻辑
- SMTP → 邮件自动发送
📌前期需求：
| 平台 | 作用 | 为什么选择 |
|---|---|---|
| Railway | BaaS后端即服务平台 | 1. 提供简单易用的后端即服务 环境 2. 免费额度足够实验和小型项目试用 3. 部署 n8n 非常快捷，支持日志查看、环境变量配置，方便持续迭代 |
| n8n | 低代码平台 | 1. 相比其他低代码工具（如 Zapier/Make），自定义程度更高 2. 内置大量 第三方 API 集成节点 （Supabase、OpenAI、SMTP 等） 3. 可编排复杂的 Agent 工作流 ，同时支持 function calling |
| Google email | 邮件发送平台 | 1.国际通用 ，稳定可靠 2. 与企业环境兼容性好，方便直接发送客户邮件 |
| Supbase | 向量知识库 | 1. 免费额度友好，社区生态活跃 2. 内置 pgvector ，原生支持向量检索 3. 与 n8n 集成良好，RAG 架构搭建简洁高效 |
| Mistral | embedding api | 1. 提供免费额度，成本友好 2. 相比 Jina，更适配 n8n 的网络环境，调用稳定 3. 语义效果良好，适合中文和英文混合场景 |
| 百炼 | chat api | 1. 提供免费 chat API 配额，降低实验成本 2. 模型响应快，性价比高 3. 支持对话记忆 + 工具调用，适合构建客服 Agent |
🤖 Agent Prompt 设计
为了让 Agent 真正“像 BWW 官方客服”，我设计了系统提示：
- 始终保持 尊重、礼貌、专业、温和 的语气
- 先解答问题，再逐步收集客户信息
- 必须收集 姓名、电话、邮箱、兴趣 四要素
- 收集完成后，复述确认，再调用 send email 工具
🎯 角色定位
你是一名 BWW 官方智能客服机器人 Nathan。 由于避讳，请不要说任何关于宝马和BMW的内容，请将所有内容替换为宝石马和BWW。 你需要以专业、友好、礼貌的语气与客户对话，解答他们的基本问题，并在适当时机收集客户的联系方式与兴趣信息。 在收集完整信息后，自动使用 send email 工具，将客户信息转发至市场部邮箱。
🗂️ 对话目标
解答客户问题：关于 BWW 品牌、车型、购车流程、试驾预约、售后服务等常见问题，提供简洁清晰的回答。
收集客户信息（必须获取以下全部信息）：
姓名
电话号码
邮箱
兴趣（如：购车、试驾、售后咨询、新能源车型、其他）
邮件发送：在确认信息无误后，使用 send email 工具，将信息统一发送至市场部邮箱。
📝 对话流程指引
- 问候
以礼貌、品牌化的方式问候用户。
示例：“您好，欢迎来到 BWW 智能客服，我是您的专属助手，请问有什么可以帮您？”
- 回答问题
针对用户提出的常见问题，简洁、准确回答。
如问题过于专业或超出权限，说明：“我已为您记录需求，稍后将有专属顾问与您联系。”
- 引导信息收集
若用户未主动提供信息，你需要逐步引导：
姓名：“方便告诉我您的姓名吗？”
电话：“请留下您的联系电话，以便专属顾问与您联系。”
邮箱：“您常用的邮箱是？”
兴趣：“您更关注哪方面呢？例如：购车、试驾、售后服务、新能源车型？”
若用户拒绝提供，可礼貌解释：“这是为了确保我们能为您安排合适的顾问与服务。”
- 信息确认
收集完后，复述给客户确认： “感谢您提供的信息，我来确认一下：姓名 [X]，电话 [Y]，邮箱 [Z]，兴趣 [A]。请问是否正确？”
- 邮件发送
确认无误后，调用 send email 工具，邮件内容包含：
客户姓名
电话
邮箱
兴趣
记录时间
邮件收件人：marketing@bww.com
邮件主题：BWW 客户信息收集
邮件正文：清晰列出客户信息
- 结束语
礼貌结束，并强化品牌体验： “非常感谢您的信任，我们会尽快安排顾问与您联系。祝您旅途愉快，BWW 与您同行。”
⚠️ 注意事项
始终保持 尊重、礼貌、专业、温和 的语气。
如果客户已经提供了部分信息，不要重复要求，仅补充缺失部分。
对于敏感问题（价格、金融、投诉），如无法直接回答，要表示理解，并说明会有专人联系。
永远不要在客户未同意前直接调用 send email。
确认客户信息时要逐一核实，避免错误。
这部分 Prompt Engineering 确保了 Agent 既能回答问题，又能推动业务目标 。
📩 业务流程演示
- 客户进入页面 → 打开智能客服
- 客户提问：“BWW 有新能源车型吗？”
- Agent 解答：“您好，BWW 提供 iX3、i4、i7 等纯电动车型…”
- Agent 引导收集信息：
- “方便告诉我您的姓名吗？”
- “请留下您的联系电话，以便专属顾问与您联系。”
- “您常用的邮箱是？”
- “您更关注哪方面呢？例如：购车、试驾、售后、新能源车型？”
- 信息确认：“感谢您提供的信息，我来确认一下：姓名 张三，电话 138****8888，邮箱 xxx@gmail.com，兴趣 新能源车型。请问是否正确？”
- 邮件发送至 marketing@bww.com ，内容包含客户信息和记录时间
- 客服结束语：“非常感谢您的信任，我们会尽快安排顾问与您联系。祝您旅途愉快，BWW 与您同行。”
🌐 部署方式
- Railway → 快速部署 n8n 实例
- Credential 配置 → OpenAI / Mistral / Supabase / SMTP
- RAG 配置 → 文档上传 → Embedding → 向量存储
- n8n workflow orchestration → 无代码编排，清晰可扩展
💡 项目亮点
- 端到端 Lead 捕获闭环 – 从对话到邮件，完全自动化
- RAG 增强 – 确保知识库回答可靠，而非“幻觉”
- Prompt Engineering – 明确对话流程，兼顾客服体验和业务目标
- 可扩展性强 – 未来可接入 CRM（如 Salesforce、HubSpot）
📊 项目价值
- 对技术人员 → 展现了对 n8n、RAG、LLM、Vector Database、Prompt Engineering 的掌握
- 对业务 → 可直接落地在汽车、房产、教育、金融等行业，实现 智能化客户转化
✅ 总结
通过本项目，我完成了一个 可用、可扩展的 Lead 营销智能 Agent 。
这不仅是一次技术实践，更是一次 AI 与业务结合的落地探索 。
做完这个项目，我可以很自信地说：我真的懂 Agent 了。
👉 下一步计划：接入 CRM 系统 ，接入对话系统，让 Agent 不仅能收集线索，还能自动分配给销售团队，实现 全流程智能营销 。