自動化工作流：用 Make 串接 5 個 AI 工具

引言：為什麼 2026 年必須掌握 No-Code 自動化？

如果你最近常常一邊複製貼上，一邊心裡想著「這件事到底為什麼還要我手動做」，那你其實已經站在自動化的門口。

根據 AltIndex 的統計，知識工作者平均每天花 2.5 小時 在重複性任務上——這些任務包括：

• 從郵件中提取客戶需求並填入表格（人工複製貼上）
• 把社群媒體留言整理成報告
• 將會議記錄轉成待辦事項
• 把銷售數據從不同平台搬到 Excel

這些任務的特點是：單調、易錯、附加值低，但卻佔用你寶貴的認知資源，讓你沒時間做真正需要創造力的工作。

而 No-code 自動化工具（如 Make、Zapier、n8n）的出現，意味著「寫程式」不再是自動化的唯一途徑。當你把 ChatGPT、Claude 這類工具接進工作流後，很多原本耗時的整理、分類與初稿工作都能先自動跑起來。你只需要：

1. 視覺化拖放模組
2. 配置「當 X 發生時，做 Y，然後 Z」
3. 測試並上線

本指南的目標：讓你從自動化新手，變成能獨立設計複雜工作流的達人。我們會以 Make 為主要工具（因為它功能最強大、彈性最高），同時對比其他平台的優劣，並提供 5 個可直接套用的實戰案例。

---

第一部分：Make 教學先看懂自動化平台對比（Make vs Zapier vs n8n）

在深入 Make 之前，先了解為什麼選 Make 而不是其他工具。

1.1 三大平台核心差異

簡單選擇指南：

• 如果你只需要「A → B → C」的簡單串接，選 Zapier（最快上手）
• 如果你需要「if/else、 loops、data transformation、multiple branches」，選 Make
• 如果你有技術資源可以自托管，且預算有限，選 n8n

1.2 為什麼我們推薦 Make

1. 真視覺化：Zapier 的編輯器雖簡單，但複雜邏輯時會變成「一條長線往下滾」；Make 的 scenarion 是真正的流程圖，一眼看懂。
2. 內建資料處理：Make 有強大的「Data stores」功能，可以做簡單的 CRUD（類似迷你資料庫）。
3. 錯誤處理：每個模組都可以設定「Retry」次數與「Continue on error」的策略，這在生產環境至關重要。
4. 定價透明：所有付費方案都能建立多條 scenario，主要按 operations 計費。對多場景團隊來說較容易估算成本。

---

第二部分：Make 教學必懂的核心概念與介面導覽

開始使用 Make 前，先搞懂 6 個核心概念：

2.1 Make 的 6 個核心概念

2.2 Make 介面區域

[左側面板]
├── Modules（所有工具的 module 庫）
├── Scenarios（你建立的工作流列表）
├── Connections（授權的帳號列表）
└── Data stores（臨時數據庫）

[中央編輯區]
├── 流程圖視覺化編輯器（拖放 modules）
├── 每個 module 的輸入欄位（下方會展開）
└── 連接線（output of module A → input of module B）

[右側面板]
├── Module settings（詳細參數）
├── Execution history（運行日誌）
└── Error details（錯誤明細）

2.3 第一個 Scenario：Hello World（5 分鐘）

讓你在 5 分鐘內體驗 Make 的威力。

目標：每天固定時間（上午 9 點），讓 Make 發一封邮件給自己，內容是「今天是 X 月 X 日，要加油！」

步驟：

1. Create new scenario → 空白開始
2. Search modules → 找 "Clock"
3. Add module → Clock icon
4. Configure：
   • Trigger: "Schedule"
   • Interval: Every day at 09:00
5. Add second module → 搜尋 "Gmail"
6. Choose action → "Send an email"
7. Fill in：
   • To: [email protected]
   • Subject: 激勵郵件 - {{now}}
   • Body: 今天是 {{formatDate(now; "YYYY-MM-DD")}}，要加油！
8. Save → Run once（測試）
9. 看到綠色勾勾 → 成功！

你剛剛學會了：

• Trigger（時程觸發）
• Data mapping（ 變數）
• Send email action

這就是 Make 的基本節奏。接下来，我們做點複雜的。

---

第三部分：5 個實戰案例（完整 SOP）

案例 1：自動化客服回覆系統（Gmail + OpenAI + Notion + Slack）

目標：每當收到客戶郵件，自動分析情緒、生成回覆草稿、記錄到 Notion、通知 Slack。

完整流程圖

Gmail (Watch emails)
  ↓ [New email arrives]
OpenAI (Analyze sentiment & category)
  ↓ [Email Content, Sentiment, Category]
Condition (If Category = "投訴")
  ├─ Yes → Slack (Notify manager) → End
  └─ No → OpenAI (Generate draft reply)
         ↓ [Draft reply]
         Notion (Create page)
         ↓ [Notion link]
         Slack (Notify team)

Step-by-Step 建立

Step 1：Gmail 觸發

1. 添加 Gmail module → "Watch emails"
2. Connect 你的 Gmail（授權首次）
3. 設定 filter：
   • Label: "Inbox"（可選）
   • 排除：標記為垃圾郵件
4. 點擊「Run once」測試是否拿到測試郵件

Step 2：AI 分析情緒與類別

1. 添加 OpenAI module → "Create completion"
2. Model: gpt-4o-mini（成本低，速度快）
3. Prompt（完整版）：

你是一位專業客服經理，請分析這封客戶郵件。

郵件內容：
{{Email Content}}

請輸出 JSON 格式：
{
  "sentiment": "positive/neutral/negative",
  "category": "詢價/技術/投訴/退貨/其他",
  "urgency": "high/medium/low",
  "summary": "一句話總結客戶需求"
}

注意：只回傳 JSON，不要其他文字。

1. Temperature: 0.2（穩定）
2. Max tokens: 150
3. 將 output 映射到變數：analysis

Step 3：條件分支

1. 添加 Router module（就在 OpenAI module 下方點「+」→ 選擇「Router」）
2. 設定兩個 route：
   • Route 1: {{analysis.category}} = 投訴
   • Route 2: {{analysis.category}} ≠ 投訴

Route 1（投訴處理）：

• 添加 Slack module → "Send message"
• Channel: #customer-complaints
• Message: from {{Email From}} 有投訴！情緒：{{analysis.sentiment}}，內容：{{analysis.summary}}

Route 2（一般回覆）：

• 添加第二個 OpenAI module → "Create completion"
• Prompt：

你是一位親切且專業的客服，請根據以下資訊寫一封回覆草稿。

客戶郵件：
{{Email Content}}

分析結果：
- 情緒：{{analysis.sentiment}}
- 類型：{{analysis.category}}
- 總結：{{analysis.summary}}

要求：
1. 開頭感謝來信
2. 針對客戶問題提供具體方案
3. 語氣親切但不卑微
4. 結尾提供後續聯絡方式
5. 使用繁體中文

回覆草稿：

• Temperature: 0.5（稍微有變化）
• Max tokens: 300

Step 4：記錄到 Notion

1. 添加 Notion module → "Create page"
2. Database ID: 你的客戶問題資料庫（先在 Notion 建立）
3. 映射欄位：
   • Title: {{Email Subject}}
   • 郵件來自：{{Email From}}
   • 分析結果：{{analysis}}（JSON 可直接存）
   • 回覆草稿：{{Draft Reply}}
   • 收到時間：{{Email Received}}
   • Notion Link: {{Page URL}}（之後用）

Step 5：通知團隊

1. 添加 Slack module → "Send message"
2. Channel: #customer-support
3. Message template：

✅ 新客服問題已處理完畢

客戶：{{Email From}}
類型：{{analysis.category}}
情緒：{{analysis.sentiment}}

📝 回覆草稿：
{{Draft Reply}}

🔗 查看 Notion 記錄：
{{Notion Page URL}}

1. 附上按鈕：「批准發送」「需要修改」

成本估算（每月 1,000 封郵件）

---

案例 2：內容生產流水線（Youtube transcript → Notion → Social Media posts）

目標：自動將 Youtube 影片字幕轉為 Markdown 文章，發布到部落格並生成社群貼文。

流程圖

New YouTube Video (Schedule trigger)
  ↓ [Video URL]
YouTube → Get transcript
  ↓ [ transcript ]
OpenAI → Summarize + structure
  ↓ [Outline]
Notion → Create page (draft)
  ↓ [Notion URL]
OpenAI → Generate social media posts (3 platforms)
  ↓ [FB post, IG caption, Twitter thread]
Slack → Notify editor to review

詳細 Setup

Step 1：定時觸發（每週一、四上午 10 點）

• Clock module → Schedule
• Days: Monday, Thursday
• Time: 10:00 AM

Step 2：取得 Youtube 字幕

• 安裝 YouTube Data API v3 模組（需先申請 API key）
• Action: "List videos" 或直接給影片 ID
• 取得 transcript 需額外呼叫 captions.download，可改用：
  • 方案 A：用 youtube-transcript-api Python 庫（需雲端函數）
  • 方案 B：直接輸入「影片連結」讓 OpenAI 自己去看？（不行，AI 沒上網）
  • 提醒：Make 本身沒內建 YouTube transcript 抓取，需自建 HTTP 模組或搭配 Paxton 之類的服務。

這邊改為更實際的模式：當你新文章草稿就緒到 Notion 時觸發。

Step 3：把草稿轉成 publish-ready 文章

1. OpenAI module：
   • Model: gpt-4o
   • Prompt：

你是一位專業編輯，請把以下草稿轉成完整的部落格文章。

草稿：
{{Draft Content}}

要求：
1. 加入吸引人的開頭（提出痛點或問題）
2. 分段落，每段不超過 3 行
3. 加入 3-5 個子標題（H2/H3）
4. 結尾總結並加入 CTA（例如：訂閱電子報）
5. 使用繁體中文，語氣專業但親切
6. 輸出為 Markdown 格式

完整文章：

1. 將 output 寫入 Notion「Published Articles」資料庫

Step 4：生成社群貼文

1. 第二個 OpenAI module，三個 separate scenarios 或 same scenario 用 router：

   • Facebook 貼文（較長，加入 emoji）
   • Instagram caption（简短，多用 hashtags）
   • Twitter thread（5 條以內）

2. 每一個平台的 prompt 都要區隔，因為字符限制和語氣不同。

Step 5：通知編輯審核

• Slack message 包含：
  • 文章連結（Notion）
  • FB 預覽
  • IG 預覽
  • Twitter thread 預覽
  • 兩個按：✅ 通過 🔄 重做

---

案例 3：潛客開發與 CRM 整合（Webhook → Notion → Email sequences）

目標：網站表單提交 → 自動建立潛客 → 加入 Notion CRM → 觸發郵件自動化序列。

核心價值

• 當客戶在網站填寫「免費諮詢」表單，立即收到確認信
• 3 天未回購？自動發送教育內容
• 點擊郵件中的連結？Highlight 在 Notion，銷售優先跟進

完整 Workflow

Website Form (Webhook)
  ↓ [Name, Email, Company]
Notion → Create row (Leads DB)
  ↓ [ROW ID]
HubSpot/Mailchimp → Add subscriber
  ↓ [Subscriber ID]
Wait (3 days)
  ↓
Check → Did they convert?
  ├─ Yes → Do nothing
  └─ No → Send educational email

Setup 細節

Webhook 端點：

• Make 提供專屬 webhook URL（例如：https://hook.make.com/abc123）
• 網站表單的 action 設為這個 URL，方法 POST
• 內容格式：JSON（标准）

Notion CRM 設計： 資料庫欄位：

• Name（title）
• Email（text）
• Source（select：Website, Referral, Social）
• Status（select：New, Contacted, Converted, Lost）
• Last Contacted（date）
• Next Action（date）
• Notes（rich text）

郵件序列工具：

• 推薦使用 MailerLite（免費 up to 1,000 訂閱）或 SendGrid（API）
• Make 都有內建 modules

---

案例 4：數據分析與報告自動化（Google Sheets + OpenAI + Slack + PDF）

目標：每天早上 8 點，自動從 Google Sheets 讀取昨天的銷售數據，生成摘要報告，發送 PDF 到 Slack 並存檔。

應用場景

電商團隊需要每日銷售報告，但人工整理要 1 小時。自動化後只需 5 分鐘審核。

Workflow

Clock (Everyday 08:00)
  ↓
Google Sheets → Get rows (Yesterday)
  ↓ [Sales data]
OpenAI → Analyze trends + summary
  ↓ [Analysis text]
Google Docs → Create report (Template)
  ↓ [Doc URL]
Export → PDF
  ↓ [PDF file]
Slack → Upload file + message
  ↓
Notion → Log report (Analytics DB)

Prompt for OpenAI

你是一位數據分析師，請根據以下銷售數據撰寫 300 字的摘要報告。

數據（CSV）：
{{Sales CSV}}

摘要需包含：
- 總銷售額
- 最高銷量產品 TOP 3
- 同比/環比變化（如可計算）
- 異常情況（如果有）
- 建議行動

輸出為繁體中文，段落清晰。

---

案例 5：社交媒體內容策划 Notion → ChatGPT → Buffer → Instagram

目標：Notion 中的 content calendar → AI 生成貼文 → Buffer 排程發布。

Workflow

Notion (New row in Content Calendar)
  ↓ [Topic, Platform, Keywords]
OpenAI → Write post
  ↓ [Post copy, hashtags]
Buffer → Create post (scheduled)
  ↓
Notion → Update status (Draft → Scheduled)

---

第四部分：錯誤處理與監控

自動化最怕「無聲失敗」。Let's make it robust.

4.1 Error Handling 最佳實踐

1. Retry Policy：

   • Network 錯誤：Retry 3 次，間隔 30 秒
   • API 限流：Retry with exponential backoff（2 秒 → 4 秒 → 8 秒）

2. Continue on Error：

   • 對非關鍵模組（例如 send notification）啟用 Continue on error
   • 關鍵模組（例如寫入 CRM）不要啟用，失敗就停在原地等手動處理

3. Error Webhook：

   • 在 Scenario 右上角設定「Webhook for errors」
   • 將錯誤 JSON 發送到你自己的 monitoring 系統或 Slack 頻道

4. Execution Log：

   • 每個 Scenario 都可以查看「Execution history」
   • 點擊單次執行可看到每个模組的 input/output
   • 定期 review（每週）是否有高 failure rate 的 module

4.2 監控儀表板

Make 內建「Analytics」頁面，可看：

• Operations count（避免超額）
• Error rate
• Average execution time

建議用 Data store 或 Notion 做自己的 monitor DB。

---

第五部分：安全與合規

5.1 API Key 管理

• Never 把 API key 写在 Scenario 參數裡（會明文儲存在 Make）
• 使用 Make 的「Connection」功能：它會加密儲存
• 定期 rotate API keys（尤其是 OpenAI）

5.2 數據保護

• 如處理個人資料（PII），確保：
  • 不在 log 中留存敏感資訊
  • 使用 Data store encryption（設密碼）
  • 遵守當地隱私法（PIPPA、GDPR）

5.3 版控與審計

• 為 Scenario 命名規則：[專案名] - [功能] - v1.0
• 當你改動 largely 時，複製 scenario 而不是直接改舊的
• 用 Notion 或 Google Sheet 記錄改動原因、日期、author

---

第六部分：團隊協作

Make Teams plan 提供：

• 共享 scenarios library
• Roles & permissions
• Change history

建議：

• 新手只能 View + Run
• Senior 可以 Edit
• Admin 才能 Manage connections

---

第七部分：常見問題（FAQ）

General

Q1：Make 和 Zapier 哪個好？ A：看需求。簡單串接（A→B→C）用 Zapier（直觀）。複雜邏輯（多分支、data transformation）用 Make。Zapier 便宜起，Make 操作彈性大。

Q2：免費版夠用嗎？ A：Make 免費 1,000 operations/月。對個人啟動足夠。每個 operation 是每個 module 執行一次。單一 scenario 執行可能消耗 5–20 operations。

Q3：會漏數據嗎？ A：除非 API 或 service 出錯，否則 Make 保證 exactly-once 處理（idempotent）。若有錯誤，重跑 scenario 即可（可用 Data store 記錄已處理 ID 避免重複）。

Q4：要寫程式嗎？ A：完全不需要。Make 是 pure no-code。但如果你有 API 要call，會需要懂 HTTP method、headers、JSON structure。

Q5：如何 debug？ A：執行後點擊 scenario →「Execution history」→ 點某次執行 → 每個 module 都會显示 input/output，一目了然。

Q6：哪些 AI 工具可以串？ A：所有提供 API 的：OpenAI, Claude, Anthropic, Hugging Face, Replicate, Midjourney（via HTTP）, Stable Diffusion（via Replicate）等等。

Q7：能處理檔案嗎？ A：可以。Make 支援 HTTP download/upload、Google Drive、Dropbox。但要留意檔案大小限制（免費較小）。

Q8：如何定時執行？ A：Clock module → Schedule。可每分鐘、每小時、每日、每週、每月。

Q9：如何避免重複處理？ A：在觸發 module 檢查「是否已處理過」（用 Data store 記 ID）。例如 Gmail watch 只處理 label "INBOX" 且未標記 "Processed" 的郵件。

Q10：成本如何控制？ A：Set operation limit per scenario（Premium 功能）。並設定 monthly cap 在 billing 頁面。

---

第八部分：檢查清單（Pre-Launch Checklist）

8.1 設計階段

• 已明確自動化目標（節省時間 / 降低成本 / 減少錯誤）
• 已挑選合適的觸發條件（Trigger）
• 已梳理 border cases（例如：郵件無附件、API 限流）
• 已定義 fallback 處理（錯誤時通知誰？重试幾次？）

8.2 開發階段

• 所有 API connections 都通過授權測試
• 每个 module 的 input/output 都確認無誤
• JSON mapping 正確（特别是 nested objects）
• 重要 module 已加 error handling
• 使用 Data store 記錄 processed IDs（避免重複）

8.3 測試階段

• 手動觸發 3-5 次，檢查結果正確
• 故意造成錯誤（例如關閉 API key），驗證 retry logic
• 檢查 Notion/Slack 是否收到預期訊息
• 檢查 cost estimate（operations count）

8.4 上線後

• 設定 Slack 通知（成功/失敗）
• 每週查看 execution log，確認無異常
• 每月審查 operations count，避免超額
• 定期 update API keys
• 備份 scenario（Export JSON）

---

第九部分：資源與下一步

9.1 推薦學習資源

• Make Official Academy：https://www.make.com/en/academy
• Zapier Learning Center（概念相通）：https://zapier.com/learn/
• n8n Docs（開源替代）：https://docs.n8n.io/

9.2 實作建議

第一週：練習「資料傳遞」—— 把 Google Sheets A 表單結構 → B 表單 第二週：加入 OpenAI（生成文案） 第三週：加入條件判斷（if/else） 第四週：建立第一個真實工作流（提交网站表單 → Notion CRM）

9.3 延伸閱讀

• 如果你之後想把高頻流程搬到自架環境，下一篇可以讀：自動化工作流：用 n8n 自架你的 AI 中控大腦
• 如果你想把流程穩定變成服務，建議搭配閱讀：AI 代理商完全指南：從個人到 10 人團隊
• 如果你發現卡點其實在於不會下指令，可以先補：Prompt Engineering 入門指南：寫出高效 AI 提示詞

---

結論：讓自動化為你工作

自動化不是一次性專案，而是一種 思維模式：
凡是重複的、單調的、有規律的，都值得問「能不能自動化？」

從今天起，養成習慣：

1. 記錄你每週做的重複任務
2. 評估能否用 Make/Zapier 串成工作流
3. 實作 → 測試 → 上線 → 監控

持續累積，你的生產力曲線將指數成長。2026 年，讓 No-Code 自動化成為你的超能力。

---

覺得這篇教學有幫助嗎？ 分享給你的創業夥伴，或收藏起來以後複習！