1 小时搭建 WhatsApp AI 客服机器人
用 OpenAI + Twilio 在 60 分钟内构建一个 7×24 小时自动回复的 WhatsApp AI 客服机器人,再也不错过凌晨两点的客户咨询。
这一小时结束时,你将拥有一个能自动读取客户消息并即时返回智能回复的 WhatsApp 机器人——无需人工值守,凌晨两点的消息也不会石沉大海。
🎯 成果展示
一个 Node.js Webhook 服务器,将 Twilio 的 WhatsApp API 与 OpenAI 的 GPT 模型打通。客户发来 WhatsApp 消息后,机器人自动读取、调用 GPT 生成回复并发送回去,全程只需几秒钟。
最终的核心逻辑长这样:
// 收到 WhatsApp 消息 → 询问 GPT → 立即回复
app.post("/webhook", async (req, res) => {
const customerMessage = req.body.Body;
const customerPhone = req.body.From;
const aiReply = await askGPT(customerMessage);
await sendWhatsApp(customerPhone, aiReply);
res.sendStatus(200);
});
真实对话示例:
- 客户:"你们发货到加拿大吗?"
- 机器人(3 秒内):"发的!我们通过 DHL 向加拿大发货,标准配送需要 7–10 个工作日。需要下单吗?"
⏱️ 时间分配
📋 前置条件
- 一台安装了 Node.js 18+ 的电脑(运行
node -v应返回 v18 或更高版本) - 一个免费的 Twilio 账户(twilio.com),注册只需 2 分钟
- 一个有 API 访问权限的 OpenAI 账户(platform.openai.com)
- 一个用于测试的 WhatsApp 账户
- 能复制粘贴终端命令即可,无需编程经验
第 1 步:创建账户并获取 API 密钥(0–10 分钟)
写代码之前,你需要准备好两个 API 密钥。
获取 OpenAI API 密钥:
- 访问 platform.openai.com → 点击头像 → 选择 "API keys"
- 点击 "Create new secret key" → 命名为 "WhatsApp Bot"
- 立即复制密钥——它只会出现这一次
获取 Twilio 凭据:
- 访问 twilio.com → 注册免费账户
- 在控制台首页找到 "Account SID" 和 "Auth Token",全部复制
- 在左侧导航栏进入 Messaging → Try it Out → Send a WhatsApp Message
- 按照页面指引加入 Twilio 沙盒(你需要向一个 Twilio 号码发送类似 "join flying-tiger" 的 WhatsApp 消息)
- 记下 Twilio 沙盒 WhatsApp 号码(格式类似 +1 415 523 8886)
在桌面创建一个 .env 文件,将以上信息粘贴进去:
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx
TWILIO_ACCOUNT_SID=ACxxxxxxxxxxxxxxxxxxxxxxxx
TWILIO_AUTH_TOKEN=xxxxxxxxxxxxxxxxxxxxxxxx
TWILIO_WHATSAPP_NUMBER=whatsapp:+14155238886
Checkpoint
你已保存好 3 个凭据。哪个 Twilio 凭据以字母 AC 开头?
第 2 步:搭建 Node.js 项目(10–25 分钟)
这一步结束时,你的机器上将跑起一个可用的服务器。
打开终端,逐条运行以下命令:
mkdir whatsapp-ai-bot
cd whatsapp-ai-bot
npm init -y
npm install express twilio openai dotenv
创建项目文件:
touch index.js .env
将第 1 步中 .env 的内容复制到项目目录下的 .env 文件中。
再向 .env 添加一行——这是 AI 用来回答问题的店铺背景信息:
STORE_CONTEXT="We are FreshGlow, an online skincare store. We ship globally. Free shipping over $50. Returns accepted within 30 days. Email: support@freshglow.com"
将 FreshGlow 的文本替换成你自己的业务信息,AI 就会据此作答。
打开 index.js,添加基础服务器骨架:
require("dotenv").config();
const express = require("express");
const app = express();
app.use(express.urlencoded({ extended: false }));
app.use(express.json());
app.get("/", (req, res) => {
res.send("WhatsApp AI Bot is running!");
});
app.listen(3000, () => {
console.log("Server started on port 3000");
});
启动服务器:
node index.js
打开浏览器访问 http://localhost:3000,看到 "WhatsApp AI Bot is running!" 说明服务器已经跑起来了。
第 3 步:构建 Webhook 与 AI 回复逻辑(25–40 分钟)
这是机器人的核心部分,你将把 OpenAI 和 Twilio 串联起来。
用以下完整代码替换 index.js 的全部内容:
require("dotenv").config();
const express = require("express");
const OpenAI = require("openai");
const twilio = require("twilio");
const app = express();
const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });
const client = twilio(
process.env.TWILIO_ACCOUNT_SID,
process.env.TWILIO_AUTH_TOKEN
);
app.use(express.urlencoded({ extended: false }));
app.use(express.json());
// 调用 GPT 生成客服回复
async function askGPT(customerMessage) {
const response = await openai.chat.completions.create({
model: "gpt-3.5-turbo",
messages: [
{
role: "system",
content: `You are a helpful customer service agent.
${process.env.STORE_CONTEXT}
Keep replies under 3 sentences. Be friendly and direct.`,
},
{
role: "user",
content: customerMessage,
},
],
});
return response.choices[0].message.content;
}
// 通过 Twilio 发送 WhatsApp 消息
async function sendWhatsApp(to, body) {
await client.messages.create({
from: process.env.TWILIO_WHATSAPP_NUMBER,
to: to,
body: body,
});
}
// 主 Webhook——有消息到达时 Twilio 会调用此接口
app.post("/webhook", async (req, res) => {
const customerMessage = req.body.Body;
const customerPhone = req.body.From;
console.log(`Incoming from ${customerPhone}: ${customerMessage}`);
try {
const aiReply = await askGPT(customerMessage);
console.log(`AI reply: ${aiReply}`);
await sendWhatsApp(customerPhone, aiReply);
res.sendStatus(200);
} catch (err) {
console.error("Error:", err.message);
res.sendStatus(500);
}
});
app.get("/", (req, res) => res.send("WhatsApp AI Bot is running!"));
app.listen(3000, () => console.log("Server started on port 3000"));
重启服务器:
node index.js
终端没有报错,说明逻辑已经正确连通。
Checkpoint
保存文件并重启后,终端应该显示什么信息?
第 4 步:暴露服务器并连接 Twilio(40–55 分钟)
目前服务器只在你的本机运行,Twilio 无法从公网访问它。用 ngrok 一条命令就能为本地服务器生成一个公网 URL。
安装并运行 ngrok:
# 从 ngrok.com 下载安装后运行:
ngrok http 3000
你会看到类似这样的输出:
Forwarding https://abc123def456.ngrok-free.app -> http://localhost:3000
复制那个 https:// 开头的 URL,并保持这个终端窗口开着——关闭它会使公网 URL 失效。
将 Twilio 指向你的 Webhook:
- 进入 twilio.com → Messaging → Settings → WhatsApp Sandbox Settings
- 找到 "When a message comes in" 字段
- 粘贴你的 ngrok URL,并在末尾加上
/webhook:https://abc123def456.ngrok-free.app/webhook - 确认请求方式下拉框选的是 HTTP POST
- 点击保存
测试 Twilio 是否能访问你的服务器:
# 在新的终端窗口中,模拟一次 Twilio Webhook 调用:
curl -X POST https://abc123def456.ngrok-free.app/webhook \
-d "Body=Hello, do you have free shipping?" \
-d "From=whatsapp:+1234567890"
你的第一个终端窗口应该同时打印出收到的消息和 AI 回复。两行都出现,说明连接正常。
Checkpoint
运行 curl 命令后,服务器终端应该出现哪两行内容?
第 5 步:上线实测(55–60 分钟)
现在用真实手机测试。
- 打开手机上的 WhatsApp
- 向第 1 步记下的 Twilio 沙盒号码发消息
- 随便输入一个客户问题,例如:"What's your return policy?"
- 等待 2–5 秒
AI 机器人会根据你填写的店铺背景信息,返回一条有针对性的智能回复。
以前是这样的(人工客服模式):
客户晚上 11 点发消息 → 没有回复 → 客户转去竞争对手那里下单
现在是这样的:
客户晚上 11 点发消息 → 3 秒内 AI 回复 → 客户得到答案 → 订单保住了
🎉 你的 7×24 小时 WhatsApp AI 客服机器人已经上线。你睡觉时,客户的每一条消息都能得到即时、有帮助的回复。
🎁 进阶挑战
- 添加对话记忆: 用一个简单对象存储每位客户最近 5 条消息,将它们一起传给 GPT,让机器人在多轮对话中记住上下文
- 转接人工客服: 加一个关键词检测——客户输入 "human" 或 "agent" 时,通过 Twilio 的普通短信 API 将其号码转发到你的手机
- 部署到服务器,告别 ngrok: 将项目推送到 Railway.app(免费套餐),5 分钟内让机器人 7×24 小时运行,不再依赖开着的笔记本
📚 下一步学什么
🔗 扩展资源
- Twilio WhatsApp 沙盒文档 — 沙盒配置官方指南
- OpenAI Chat Completions API — GPT 模型参数完整参考
- ngrok 文档 — 如何获取固定子域名,避免每次重启 URL 变化
- Railway.app — 免费 Node.js 托管,可替代 ngrok 实现永久部署
- Twilio WhatsApp 定价 — 上生产环境前了解费用结构