AI 自动化：在 Make 工作流中使用人工智能

AI 自动化的重点不是让模型接管整条业务流程，而是把适合 AI 处理的环节放进可观察、可测试的 Make 场景中。你可以让场景接收来自表单、邮件、数据库或其他应用的数据，再调用所选的 AI 服务完成分类、摘要、信息提取或草稿生成，最后由确定性的模块继续写入系统、发送通知或进入人工复核。

AI 步骤适合处理什么

AI 更适合输入结构不稳定、需要理解文字含义的任务，例如：

从邮件或文档中提取指定字段，并输出约定的数据结构；

按预先定义的类别整理请求，再交给路由器分发；

对较长内容生成摘要，供负责人查看原文后判断；

根据受控模板生成草稿，并在发布或发送前加入审批；

为已有记录补充标签或候选信息，同时保留来源和置信边界。

如果规则可以明确写成条件、映射或计算，应优先使用普通模块。确定性的逻辑更容易测试，也能避免模型在不需要判断的步骤中产生差异。

一个稳健的 AI 工作流通常包含四层：触发器负责接收事件，数据准备步骤负责清理和裁剪输入，AI 步骤只完成一项定义清楚的任务，后续模块则负责校验输出并执行操作。不要把“理解内容”和“直接修改关键系统”合并成一个没有检查点的步骤。

例如，处理客服邮件时，可以先移除签名和无关历史记录，再要求模型返回“类别、摘要、是否需要升级”三个字段。场景验证字段是否存在，只允许已知类别通过；涉及退款、账户权限或对外承诺的结果进入人工审批，其余结果再写入工单系统。

Make 提供可视化画布，可将 AI 应用、业务应用和场景控制模块组合在同一流程中。具体使用哪个连接器、模型或 API，应根据数据位置、权限要求、输出格式和组织政策决定。若预置集成不符合需求，也可以在确认接口和认证方式后使用 HTTP 或自定义集成。

连接前应核对官方集成页面中的当前模块、可用区域、认证要求和用量规则。模型名称、功能范围及订阅条件可能变化，不应把某次测试结果当作长期承诺。

定义输入和输出。 写清允许提供哪些数据、必须返回哪些字段，以及字段为空时如何处理。

限制任务范围。 一次调用只处理一个可验证目标，避免使用“自行完成全部工作”之类的开放指令。

验证模型结果。 检查数据类型、必填字段、允许值和长度；验证失败时停止后续写入。

保留人工关口。 对付款、删除、权限变更、公开发布和客户承诺等高影响操作要求人工确认。

记录执行信息。 保留输入来源、所用配置、工具调用、输出和错误原因，便于复核与恢复。

用代表性样本测试。 同时覆盖正常输入、缺失字段、异常格式、敏感内容和外部服务失败。

普通场景适合执行顺序和分支都能预先确定的流程。若任务需要根据上下文选择不同工具或路径，可以评估 AI 智能体，但仍应限定可调用工具、输入范围和停止条件。智能体不应绕过现有权限、审批或数据保护要求。

有关 Make 当前的 AI 自动化入口与相关资源，请查看 Make 官方 AI 自动化页面。