使用 Vapi 与 Shopify 构建多语言语音 AI 销售代理

在传统的电商运营中，人工电话客服与销售往往受限于人员成本、工作时间以及语言能力。随着实时语音处理与大语言模型（LLM）技术的突破，构建全自动、高智商的电话语音 AI 销售代理已成为可能。利用现代语音网关 Vapi、Shopify 电子商务数据库、n8n 低代码工作流引擎以及 n1n.ai 提供的极速大模型 API 接入，企业可以快速搭建一台能够自如应对多国语言、实时查询库存、解答商品疑问并辅助下单的电话 AI 销售机器人。

本教程将从系统架构设计、API 权限配置、n8n 工作流编写、多轮对话状态持久化到生产环境故障排查与延迟调优，全方位解析如何构建一套企业级多语言语音 AI 销售代理。

电商多语言语音 AI 销售代理的核心架构与工作原理

一套生产级别的语音 AI 销售系统需要将语音识别（STT）、业务逻辑编排、数据库查询、大语言模型推理（LLM）以及语音合成（TTS）解耦，形成异步事件驱动的工作流。系统整体运行逻辑如下：

1. 语音接入与实时识别（Vapi）：Vapi 接入电话线路或 WebRTC 音频流，执行实时语音识别，自动检测用户说话的 ISO 语言代码，并将转写文本打包为 JSON 提交给 Webhook。
2. 自动化工作流编排（n8n）：n8n Webhook 触发器接收请求，解析用户意图与语言标记，同时维护会话状态。
3. 电商数据查询（Shopify GraphQL）：n8n 提取关键词后向 Shopify 发起 GraphQL 查询，实时获取匹配商品的名称、价格、规格及库存状态。
4. 多语言智能推理（统一 LLM API 网关）：提示词、商品元数据及历史对话组合后，发送至大模型（如 OpenAI GPT-4 或 Claude 3.5 Sonnet）。通过 n1n.ai 统一接口接入，能有效保障在大并发下的低延迟响应，并严格输出对应语言的简短话术。
5. 语音合成与流式回放（Google Cloud TTS & Vapi）：大模型输出的文本被转换为高保真语音（MP3 流），通过 Vapi 实时播放给电话终端的用户。

系统核心组件技术选型与对照表

预计整体开发部署时间：8 到 12 小时（视对 API 及 n8n 的熟练程度而定）。

第一步：配置 Vapi 语音应用与多语言网关

Vapi 充当整个系统的语音前台，原生支持超过 30 种语言的自动识别与切换，无需配置多套独立的语言处理管道。

1. 登录 Vapi 控制台，点击 Voice Applications -> Create New Application。
2. 在应用设置页面，开启 Multilingual Speech-to-Text 与 Multilingual Text-to-Speech 功能。
3. 在语言列表中添加目标市场语言代码（例如 en-US、es-ES、fr-FR、zh-CN）。
4. 进入 Developer Settings 页面，复制 Vapi API Key 备用。
5. 保持控制台打开，后续步骤中我们将填入 n8n 提供的 Webhook 回调地址。

第二步：创建 Shopify Custom App 并获取 GraphQL 访问权限

为了让 AI 销售代理能够读取商品价格与库存，我们需要在 Shopify 后台配置权限。

1. 登录 Shopify 管理后台，依次点击 Apps -> Develop apps for your store。
2. 点击 Create an app，命名为 VoiceSalesBot。
3. 进入 Admin API Integration 页面，勾选以下权限作用域（Scopes）：
   • read_products（查询商品目录与详情）
   • read_inventory（查询实时库存量）
   • write_orders（创建草稿订单）
4. 点击 Install App，安全保存生成的 Admin API Access Token。
5. 记录你的 Shopify GraphQL 接口地址：https://YOUR-STORE-NAME.myshopify.com/admin/api/2023-10/graphql.json。

第三步：搭建 n8n 自动化编排工作流

n8n 是连接各 API 模块的核心枢纽。我们将一步一步配置输入解析、数据查询、LLM 生成与 TTS 输出。

1. Webhook 配置与意图解析

在 n8n 中新建 Workflow，添加一个 HTTP Webhook 节点，请求方式设为 POST。在 Webhook 后紧跟一个 Set 节点（命名为 ExtractIntent），提取语音转写文本与语言标志：

{
  "nodes": [
    {
      "parameters": {
        "values": {
          "string": [
            {
              "name": "transcript",
              "value": "={{ $json[\"speech\"][\"transcript\"] }}"
            },
            {
              "name": "language",
              "value": "={{ $json[\"speech\"][\"language\"] || 'en-US' }}"
            },
            {
              "name": "callId",
              "value": "={{ $json[\"call\"][\"id\"] }}"
            }
          ]
        }
      },
      "name": "ExtractIntent",
      "type": "n8n-nodes-base.set",
      "typeVersion": 1
    }
  ]
}

2. 调用 Shopify GraphQL 查询实时数据

添加一个名为 FetchProduct 的 HTTP Request 节点，请求地址为 Shopify 的 GraphQL URL，请求头中携带 Authorization: Bearer YOUR_SHOPIFY_ADMIN_TOKEN。

请求体 JSON payload 结构如下：

{
  "query": "query searchProducts($query: String!) { products(first: 3, query: $query) { edges { node { id title description variants(first: 1) { edges { node { id price availableForSale } } } } } } }",
  "variables": {
    "query": "{{ $json[\"transcript\"] }}"
  }
}

3. 通过 n1n.ai 统一接口调用大语言模型

为避免单一模型 API 触发 Rate Limit 限制，并确保极速响应，推荐通过 n1n.ai 接口聚合接入 OpenAI GPT-4 或 Claude 模型。配置 HTTP 请求节点指向 n1n.ai 的 OpenAI 兼容 Endpoint：

Prompt 系统指令需严格限制字数，以适应电话语音的简明交互：

{
  "model": "gpt-4-turbo",
  "messages": [
    {
      "role": "system",
      "content": "你是一名专业的线上商城电话 AI 销售助手。请使用语言代码 {{ $node[\"ExtractIntent\"].json[\"language\"] }} 回答客户。保持语气亲切自然，回答限制在 50 字以内。请根据以下商品数据回答：{{ JSON.stringify($node[\"FetchProduct\"].json[\"data\"][\"products\"]) }}"
    },
    {
      "role": "user",
      "content": "{{ $node[\"ExtractIntent\"].json[\"transcript\"] }}"
    }
  ],
  "temperature": 0.3
}

利用 n1n.ai 的 API 网关，开发者能够享受高可靠的负载均衡与高并发吞吐能力，避免因服务商抖动造成电话端出现长时间尴尬沉默。

4. 语音合成与 Vapi 响应回传

将大模型生成的文本传给 Google Cloud TTS HTTP 节点：

{
  "input": {
    "text": "{{ $json[\"choices\"][0][\"message\"][\"content\"] }}"
  },
  "voice": {
    "languageCode": "{{ $node[\"ExtractIntent\"].json[\"language\"] }}",
    "ssmlGender": "NEUTRAL"
  },
  "audioConfig": {
    "audioEncoding": "MP3"
  }
}

最后使用 n8n 的 Respond to Webhook 节点将合成的 MP3 链接或二进制数据回传给 Vapi，Vapi 将即时向用户播放回复语音。

使用 Supabase / PostgreSQL 实现多轮对话状态持久化

在语音销售场景中，单轮问答往往无法满足复杂的购物需求。例如用户第一句问 “这款黑色夹克多少钱？”，第二句接着问 “帮我把它加入购物车”。如果没有会话持久化，系统将丢失上下文。

在 ExtractIntent 节点后接入 Supabase / PostgreSQL 节点，以 callId 为主键记录会话状态：

-- 创建电话会话状态表
CREATE TABLE IF NOT EXISTS voice_sessions (
    call_id VARCHAR(100) PRIMARY KEY,
    language_code VARCHAR(10),
    last_product_id VARCHAR(100),
    conversation_history JSONB DEFAULT '[]'::jsonb,
    updated_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

在发起 LLM 请求前，通过 callId 从数据库读取历史对话记录 conversation_history，追加当前轮次的对话后一同送入大模型，即可轻松实现多轮连续对话上下文追踪。

运维、故障排查与防限流应对矩阵

当语音 AI 销售代理部署到生产环境面对真实客流时，系统可能面临各种边界异常。下表总结了常见故障模式及其工程化解决方案：

性能调优：将端到端延迟控制在 1.5 秒以内的工程 Pro Tips

对于电话语音交互，端到端延迟如果超过 2.0 秒，就会让用户产生明显的“机器滞后感”。为了将响应延迟压缩至 1.5 秒以内，可以采取以下调优措施：

1. 热点商品本地化缓存：将商城前 50 名爆款商品的标题、价格与库存预加载至 Redis 或 Supabase，避免每次对话都实时查询 Shopify API。
2. 流式 Token 处理 (Streaming)：配置后端或 n8n 接收来自 n1n.ai 的流式输出，一旦大模型生成完整句子标点即可分句提交给 TTS，实现边生成边合成。
3. SSML 语速微调：在提交给 Google Cloud TTS 的请求中加入 SSML 标记，将语速设置为 1.1 倍速，既能保持自然音色又能缩短语音回放耗时。
4. 长连接保持 (Keep-Alive)：在 n8n 与 API 服务商之间启用 HTTP 保持长连接，消除频繁进行 TLS 握手所消耗的时间。

完整测试与验证流程

1. 在 Vapi 控制台中选择已配置的应用，点击 Dial Test Number（或使用 WebRTC 网页测试端）。
2. 拨通电话并使用非英语进行测试，例如：“¿Tienen chaquetas de cuero disponibles y cuál es su precio?”（请问有皮革夹克吗？价格是多少？）
3. 观察 n8n 的 Execution Log 运行日志：
   • ExtractIntent 正确识别语言为 es-ES。
   • FetchProduct 成功从 Shopify 检索到皮革夹克信息。
   • LLM 统一接口生成简洁的西班牙语回答。
   • Google Cloud TTS 生成合成音频流。
4. 确认电话端播放的声音清晰自然，回答准确无误且延迟极低。

总结与未来展望

结合 Vapi 的实时语音传输、Shopify 的商品数据支撑、n8n 的低代码编排以及 n1n.ai 稳定的多大模型 API 接入，企业能够以极低的门槛建立起 24 小时在线的多语言 AI 销售团队。无论是提升海外客群的转化率，还是降低人工客服的排班压力，语音 AI 销售代理都展现出了巨大的商业价值。

Get a free API key at n1n.ai