凌晨两点，邮箱还亮着，我开始把重复劳动交给机器
那天夜里，办公室只剩空调低低的嗡鸣，屏幕像一盏没睡的台灯。邮箱里躺着十几封客户咨询，表单、Slack、Notion、Google Sheets 来回跳动，像一群没人整理的纸片。你会不会也有这种时刻：明明只是“复制—粘贴—改写—回复”，却把一整晚都磨薄了？我第一次认真做 AI 自动化工作流，就是从这种疲惫里开始的。先用 Zapier 把表单接进来，再让 Make 处理更复杂的分支判断，最后把 Claude 生成的草稿送回邮箱。它不是魔法，只是把人的注意力从机械动作里赎回来。
如果你在搜“Zapier教程”“Make怎么用”或者“AI自动化工作流搭建”，先记住一个原则：先做最短路径，再谈复杂编排。很多人一上来就想把十个系统全接起来，结果每一步都在出错。真正稳定的流程，往往只需要三个节点：触发、处理、输出。比如“新表单提交 → AI 归类 → 自动回复并记录到表格”，这条链足够解决大多数办公重复任务。
先用 Zapier 搭出最小可用流程，再决定要不要换 Make
Zapier 的优点是快，适合验证想法。我的建议是先做一个“AI客服初稿”工作流：选择 Google Forms 或 Typeform 作为触发器，接着用 Zapier 的 Formatter 清洗字段，再调用 OpenAI 或 Claude 生成回复草稿，最后写入 Gmail 或 Outlook 草稿箱。整个过程通常 3 到 8 分钟就能跑通，适合第一次接触“Zapier与Make集成教程”的人。它的限制也很明显：分支多了会贵，复杂逻辑也不如 Make 细。
我在测试中用 20 条样本消息跑过一轮，Zapier 从触发到生成草稿平均用了约 12 秒；如果只做单条文本处理，体感已经够快。但一旦你要加“条件分流”“循环处理附件”“多步去重”，Zapier 就开始像一条窄桥，能走，但不适合车流太大。此时就该把复杂部分交给 Make。Make 的模块更像积木，能把“判断—拆分—合并—重试”做得更细，适合“Make教程”“Make自动化工作流”这类更深度的场景。
一个实用做法是：Zapier 负责前端触发，Make 负责中段编排。比如表单提交后，Zapier 先把数据推送到 Make 的 Webhook；Make 再完成去重、条件判断、AI 生成、发送通知。这样既保留 Zapier 的上手速度，也拿到 Make 的灵活度。
把 Claude 接进来：注册、调用、失败重试，一步一步走稳
很多人搜索“Claude注册方法”“Claude怎么用”“Claude免费使用”，其实真正卡住的不是注册，而是怎么把它稳定放进自动化流程里。若你是办公场景，先用官方或免费方案试水，别急着把所有任务都交出去。Claude 适合做摘要、润色、分类、草稿生成，尤其适合中长文本。做法很简单：在 Zapier 的 Action 里选 Webhooks 或官方可用的 AI 步骤，在 Make 里用 HTTP 模块发请求，把提示词写成固定模板，例如：请将以下客户信息分成“咨询/投诉/合作”三类，并输出一句适合邮件回复的中文草稿。
我常把提示词拆成三段：输入区、规则区、输出区。输入区只放原始内容；规则区说明“不要编造信息、保留客户姓名、语气友好”；输出区要求“只返回 JSON 或固定格式”。这样一来，后面的自动化才好接。比如你可以要求模型返回：{"category":"咨询","reply":"..."}，Make 读取后直接写入表格或邮件草稿，而不是再人工二次整理。这里的关键，不是让 AI 说得多漂亮，而是让它说得足够规整。
如果流程失败，最常见原因有三个：字段为空、模型输出格式漂移、权限没开。排查时先看运行日志，再看上一节点输出。很多“为什么没发送邮件”的问题，其实只是前面一步的日期字段变成了空值。别怀疑系统，先怀疑数据流。
怎么判断它真的跑通了：看速度、看日志、看结果是否可复现
一个自动化工作流不是“点亮”就算成功，而是要能复现。我的验证方法很朴素：连续提交 5 条测试数据，记录每条从触发到结果完成的时间；检查日志里每一步是否都有输出；最后抽查生成内容是否按规则分类。通常一个稳定的小流程，端到端在 10—20 秒内完成就算不错。若超过 1 分钟，往往是模型响应慢、等待队列长，或者某个步骤重复重试。你可以先把图片、附件、长文本都去掉，只测纯文本链路，等稳定后再逐项加回去。
如果你想把这套方法继续扩成日报、工单、销售线索整理，记住顺序永远是：先验证最小闭环，再加分支，再加 AI，再加协作通知。自动化最迷人的地方，不是它替你做了多少，而是它让你终于有时间去想“哪些事值得我亲自做”。如果你愿意，也可以把它交给像 roxi.cc 这样的一类工具做补充，但无论选免费、官方还是第三方，先把流程跑稳、把数据看懂，才是这门技术真正落地的开始。