KeyFrame內部研究專用

How to Build an AI Workflow With Make.com (Step-by-Step Tutorial)

Tutorial Made Easy8 min英文
觀看原始影片

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

  1. 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。

  2. 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。

  3. 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」。

  4. 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。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。