sultanuyarr

Whatsapp Business Agent — AI skill for Claude Code

AI community

Türkçe WhatsApp müşteri hizmetleri agent'ı: Claude Opus 5 + n8n + hibrit RAG (pgvector) + klasik ML yönlendirme.

How to install Whatsapp Business Agent

This entry records only its repository, not the path inside it, so there is no exact command to give. Open sultanuyarr/whatsapp-business-agent and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

What Whatsapp Business Agent does

Türkçe WhatsApp müşteri hizmetleri agent'ı: Claude Opus 5 + n8n + hibrit RAG (pgvector) + klasik ML yönlendirme. LLM her işi yapmıyor — niyet/duygu/handoff kararı ~2 ms'de lojistik regresyonla veriliyor.

Alternatives in AI

WeKnora — Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, an 26.9k ★
n8n Node Configuration — Node configuration with dependency rules and AI connections 3.6k ★
Fusion Plan — OMC interview (interactive) → 3-round Opus 4.8 + GPT-5.5 fusion deepening → concise .omc/plans/ output → revie 468 ★

README

WhatsApp Business Müşteri Hizmetleri Agent'ı

Türkçe konuşan, araç kullanan (agentic) bir WhatsApp müşteri hizmetleri asistanı. **Claude Opus 5** karar veriyor ve konuşmayı yürütüyor, **n8n** orkestrasyonu yapıyor, **hibrit RAG** şirket politikalarını getiriyor, **klasik ML modelleri** her mesajı milisaniyeler içinde sınıflandırıp yönlendiriyor.

                      ┌──────────────────────────────────────────────┐
 WhatsApp             │  n8n (orkestrasyon)                          │
 Cloud API  ─webhook─▶│  ayıkla → AI servisi → gönder → Slack uyarı  │
     ▲                └──────────────┬───────────────────────────────┘
     │                               │ POST /agent/reply
     │                ┌──────────────▼───────────────────────────────┐
     │                │  ai-service (FastAPI)                        │
     │                │                                              │
     │                │  1. hız limiti + idempotency (Redis)         │
     │                │  2. ML: niyet / duygu / handoff  (~2 ms)     │
     │                │  3. Claude Opus 5 + 10 araç (agentic döngü)  │
     │                │       └─ hibrit RAG (pgvector + FTS, RRF)    │
     │                │       └─ sipariş / kargo / randevu / iade    │
     │                │       └─ insana aktar                        │
     │                │  4. maliyet + gecikme kaydı                  │
     └────yanıt───────┤                                              │
                      └──────────────┬───────────────────────────────┘
                                     │
                       Postgres 17 + pgvector   ·   Redis

Neden bu mimari

**LLM her işi yapmıyor.** Niyet, duygu ve "bu mesaj insana gitmeli mi" kararı her gelen mesajda gerekiyor. Bunu LLM'e sormak mesaj başına ~2 saniye ve token maliyeti demek; küçük bir lojistik regresyon aynı işi ~2 milisaniyede ve sıfır maliyetle yapıyor. LLM'in işi, bu sinyaller ışığında konuşmayı yürütmek ve araçları kulla