How to Build an AI Workflow With Make.com (Step-by-Step Tutorial)
三句話摘要
用 Make.com 的 AI agent 模組自動分類與回覆支持郵件,實現人工審批的智慧化工作流。 通過九步規劃與設計,配合人工審批把關,Make.com 的 AI agent 可安全地自動化複雜的郵件分類與回覆流程,顯著提升效率。 AI 相比固定規則的優勢:傳統自動化依賴「如果主題包含『發票』就...」這類規則,但真實郵件文詞多變,AI 能理解自然語言意圖,區分退款請求與運輸問題,即使未使用預期關鍵詞。
重點整理
AI 相比固定規則的優勢:傳統自動化依賴「如果主題包含『發票』就...」這類規則,但真實郵件文詞多變,AI 能理解自然語言意圖,區分退款請求與運輸問題,即使未使用預期關鍵詞。
人機結合設計的必要性:因為 AI 會出錯,工作流應讓 AI 僅提出建議,人工做最終決策,這是最安全的起點。例如回覆草稿保存但不自動發送,由人工審閱編輯後才寄出。
清晰的指示與約束條件:指示必須明確定義 AI 的角色、目標和禁止事項。告訴 AI「什麼不能做」與「什麼要做」一樣重要。例如「不承諾退款」、「不捏造訂單細節」、「不確定時標記為高緊急」。
結構化輸出的重要性:設定 AI 回應格式為「資料結構」而非純文本,定義類別、緊急程度、摘要、回覆草稿等獨立字段,後續模組才能個別使用這些字段進行路由和自動化。
實用技巧與重點
- 工具與平台
- Make.com、Gmail、Google Sheets、Slack
- AI 提供者:Make 內建(免費方案)、OpenAI、Anthropic
- AI Agent 配置
- 模型選擇:用小型模型測試郵件分類(成本低、速度快)
- Response format:Data structure(非文本)
- Conversation ID:留空(每封郵件獨立判斷)
- Step timeout:預設 300 秒
- 分類標籤
- 類別:billing、shipping、other
- 緊急程度:high、normal、low
- 九步工作流
- 規劃(寫單句目標、列輸入輸出與規則)
- 建立場景、Gmail 觸發器
- 添加 Run an Agent 模組
- 寫 AI 指示(包含禁止事項)
- 映射 Gmail 資料→AI(寄件者、主旨、內文);設結構化輸出
- 用真實郵件測試(短郵件、情緒郵件、外文郵件)
- 路由分流:所有郵件→Google Sheets;高緊急→Slack;回覆→Gmail 草稿
- 可選:添加工具(查訂單狀態),優先只讀工具
- 監控:成本消耗、隱私設定、前一週檢視歷史記錄
- 常見錯誤
- 指示過於模糊、缺少禁止規則、AI 直接寄件、自由文本而非結構化、工具過多、未用複雜案例測試、忽視信用消耗、傳送不必要的敏感資料
- 進階應用
- 聯絡表單、評論、求職申請分類
- 呼叫另一個場景作工具(Lookup Order Status)
- 從 Google Doc 策略文件拉回答
- 開啟 Conversation ID 做聊天式協助
結論
通過九步規劃與設計,配合人工審批把關,Make.com 的 AI agent 可安全地自動化複雜的郵件分類與回覆流程,顯著提升效率。
完整解析
傳統自動化工具依賴固定規則處理郵件,例如「主旨含『發票』就轉帳務部」。但現實中客戶用各種措辭表達同一需求,規則很快失效。本影片講者指出,AI 能真正理解自然語言的含義——分辨退款請求和運輸查詢,即使措辭完全不同。Make.com 的 AI agent 模組正是將這種理解能力嵌入自動化工作流的關鍵。
然而,AI 確實會出錯。因此講者強調,安全的設計讓 AI 只作建議,人工做最終決策。針對小型線上商店的支持信箱,示例工作流流程為:Gmail 接收郵件→AI agent 分析郵件內容並分類→路由分流不同處理路徑→Google Sheets 記錄所有郵件→高緊急件發 Slack 警示→回覆草稿儲存到 Gmail,供人工審閱編輯後才發送。
具體操作分九步。第一步最容易被忽略卻最重要:在打開 Make 之前,用一句話寫出工作目標「讀取每封支持郵件、分類、總結、起草回覆」,列出輸入、輸出和約束條件。這份清單直接成為 AI 的指示。第二到三步在 Make 中建立場景、Gmail 觸發器,設定監控資料夾和每次執行處理的郵件數量。第四步寫 AI 指示,定義 AI 的角色、目標和禁止事項——「不承諾退款」、「不捏造訂單細節」這類負面規則與正面指示同等關鍵。
第五步配置 AI 模組的輸入輸出:將 Gmail 的寄件者、主旨、內文映射進去,設定結構化回應格式(資料結構而非文本),明確定義四個輸出字段:類別、緊急程度、摘要、回覆草稿。這樣後續的 Google Sheets、Slack、Gmail 模組才能分別取用這些字段。Conversation ID 留空意味著每封郵件獨立判斷,不會被前一封郵件的上下文影響。第六步用真實郵件測試——短郵件、帶情緒的郵件、外文郵件。若結果不理想,應查看歷史記錄的「推理」標籤理解 AI 的決策邏輯,然後改進指示重新測試,而非單純重新執行。
第七步添加路由器分流結果。第一條路徑無過濾條件,所有郵件記錄到 Google Sheets(欄位包括日期、寄件者、類別、緊急程度、摘要)。第二條路徑有過濾條件「緊急程度等於 high」,觸發 Slack 訊息通知團隊。第三條路徑建立 Gmail 草稿但不發送——這是人工把關的關鍵。第八步可選地給 AI agent 配置工具,例如查詢訂單狀態的場景,但優先選擇只讀工具避免 AI 直接修改資料。最後需監控信用消耗(AI 使用消耗、工具調用、文件上傳都計費)和隱私設定(只傳送 AI 需要的資料),並在前一週密切觀察工作流的決策品質。


