Make AI：实用示例指南

什么是 Make？

Make 是一款无代码自动化工具，您可以轻松自动化涉及一个或多个工具的复杂流程。自动化由称为模块的积木组合而成。通常，一个模块对应某个工具上的一个操作，例如获取最新电子邮件或向电子表格添加一行。

上面的示例使用三个模块将电子邮件处理到电子表格中：

• 第一个模块加载最新的电子邮件。
• 第二个模块使用 ChatGPT 处理并提取邮件中的信息。
• 第三个模块将 ChatGPT 提取的信息写入 Google 表格的新行。

如何使用 Make？

要使用 Make 并跟随本教程实操，您需要在官方登录页面创建一个账户。

尽管 Make 是专有工具，但本教程中的所有内容都可以通过免费账户完成，免费账户每月允许 1,000 次操作。详情请查看其定价页面。

一次操作代表一个模块的执行。例如，上述工作流每次运行将消耗三次操作。这表明 1,000 次操作足以构建和测试工作流。

用 Make 创建我们的第一个 AI 自动化

由于 Make 与 n8n 类似，我尝试复现我在这篇n8n 教程中构建的一个工作流，以更好地感受二者的对比。您无需阅读那篇教程也能跟上，但如果您想比较 n8n 与 Make，它是很好的参考。

我把家里的一部分出租，因此会与房客分摊账单。每次收到发票时，我都会在一个共享的电子表格中手动添加一行，包括服务提供商（电费、水费、网络等）、发票 ID、应付金额和账期。

您可能没有这个场景，但可以很容易用类似的内容跟着做。如果没有主意又想亲自执行工作流，您可以把邮件做摘要，并将摘要写入电子表格。

自动化这类重复性任务正是这些 AI 自动化工具最擅长的地方。

步骤 1：读取电子邮件

假设您已创建免费 Make 账户，进入左侧的“Scenarios”选项卡并点击“Create a new scenario”。

现在您应能看到一个带有大号 + 按钮的空白画布。工作流的第一步是检查我们的电子邮件。为此，点击该按钮并搜索“gmail”，找到 Gmail / Watch Emails 模块。

第一步是创建与邮箱账户的连接。点击连接下方的“online help”链接可查看详细步骤。

如果是公司邮箱地址或个人地址，步骤会有所不同。

要配置 Gmail 模块，我使用了以下设置：

筛选器部分是标准的 Gmail 筛选器，确保只处理发票邮件。

步骤 2：用 AI 汇集信息

就我的发票而言，我关心的信息直接在邮件正文中，因此不需要处理附件。

为了提取数据，我使用了 OpenAI / Create a Completion 模块。该模块允许向 OpenAI 模型发送一条或多条消息并接收回复。在本例中，它使用系统提示告知大语言模型我们需要哪些信息，然后将邮件内容作为用户消息发送。

以下是配置（其他字段保持默认）：

要使用此模块，我需要创建与 OpenAI 的连接。与邮件连接类似，他们提供了指南，但这一步要简单得多。我们只需创建一个 OpenAI API 密钥并粘贴即可。

步骤 3：将信息添加到 Google 表格

最后一步是将发票信息发送到 Google 表格。这通过 Google Sheet / Add a Row 模块完成。

以下是该模块的配置：

在 Make 中，所有前置模块的输出都可在后续模块中使用。因此，我们可以结合电子邮件和 OpenAI 的数据来填充电子表格。

请注意，我们需要先运行一次 OpenAI 模块，以便识别并分配其输出中的字段。

步骤 4：让代理自动运行

要将此场景自动化，我们可以将其配置为定期运行，如下所示：

根据触发模块（第一个模块）的不同，我们会得到不同的自动化选项。

Make 与 n8n

我分别用 Make 和n8n 构建了上面的工作流。两种情况下，我都尝试不看教程直接上手，以评估它们的易用性和直观性。我发现 Make 的上手直观性稍差一些。

• 在 Make 中，配置 OpenAI 模块的输出有些奇怪。我们需要在提示词中指定 JSON 格式。由于这一点，在至少运行一次场景之前，输出字段并不会被定义，给配置带来不便。

• 总体而言，我发现在事先了解 Make 模块的输出内容方面更困难。

• 连接外部工具的流程在两者中是相同的。

• 我这次不需要使用附件文件，但看起来使用它们并不直观。要么需要先创建一个 OpenAI 助手并把文件上传给它，要么发起自定义 API 请求，而这两种方式的配置我都觉得不太容易。在 completion 模块中，他们有一个用于发送图片的字段，既然 OpenAI API 支持文件，其实也可以很容易地加上文件字段。

第二个用例：用 Make 自动化客服

本节将展示如何使用 Make 创建客服 AI 代理。

在此示例中，我们设想拥有一处出租房产，并提供一个 Tally 表单，用户可以在其中咨询租赁相关问题。目标是创建一个能自动回复用户问题的代理。

以下是我们将创建的流程概览：

步骤 1：创建表单

表单我们使用了 Tally，它允许免费创建在线表单。我们的表单非常简单：

步骤 2：监听新回复

此场景的触发模块是 Tally / Watch New Responses 模块。要进行配置，我们需要提供该 Tally 表单的 ID。

步骤 3：获取房源信息

为了回答客户的问题，我们创建了一份包含房源所有相关信息的 Google 文档。我们使用 Google Docs / Get Content of a Document 模块来获取文档内容。

同样，这个模块的配置很简单。我们先创建包含信息的 Google 文档，然后用文档 ID 配置该模块。

请注意，文档中关于房源的所有信息均为虚构，并由 AI 生成，仅用于本示例。

步骤 4：回答问题

为回答问题，我们再次使用 OpenAI / Create a Completion 模块。我们用系统消息说明期望的行为并提供房源信息，然后将用户的问题作为用户消息发送。

步骤 5：回复用户

最后一步是将答案发送到表单中提供的用户邮箱地址。为此，我们使用 Email / Send an Email 模块。

该模块被配置为将电子邮件发送到 Tally 表单中提供的地址，并将 OpenAI 的回复作为邮件正文。

示例

要让该代理自动运行，我们在底部切换“Immediately as data arrives”。这将使其在用户一提交新问题时立即执行。

下面是一个表单及对应回复的示例。

Scenarios 与 AI-Agents

在本教程中，我们使用场景（scenario）功能构建了 AI 代理。不过，Make 还提供了一个更适合构建代理的 AI agents 测试版功能。遗憾的是，该功能没有免费层。

使用场景基本也能实现同样的事情。主要区别在于，涉及 AI 时，使用 agents 在处理复杂场景时更有条理。比如，我们可以创建多个场景，对应代理能够执行的各项动作。这种拆分使组织更清晰。

此外，使用 AI agents 还提供聊天界面，允许用户创建并直接与代理交互。

结论

Make 提供了一个对用户友好的平台，无需编程技能即可实现工作流自动化。

通过与 n8n 的比较和构建实际场景，我们看到了它在简化发票处理、自动化客服等任务方面的能力。尽管在配置某些模块时有些细节需要留意，但 Make 广泛的集成和直接明了的操作，使其成为希望提升效率的企业的有价值工具。

尽管 AI agents 功能可进一步深化，但仅凭场景功能，当前就已能在创建自动化解决方案方面带来显著优势。