大家应该都碰到过这样的经历每天早上到公司先花半小时看邮件筛选出重要的然后一一回复。收到客户反馈后要手动整理、分类再发给相应的负责人。社交媒体要定期更新每次都要写文案、配图、定时发布。这些重复性工作消耗了你大量的时间但它们其实不需要太多思考。AI 工作流自动化就是解决这类问题的把重复的、规则明确的任务交给 AI 自动完成。工作流自动化的核心目标是把你的时间从执行解放出来用在决策上。什么是 AI 工作流AI 工作流是把多个 AI 能力和工具串联起来形成一个自动化流程。简单说就是当某个事件发生时触发一系列操作AI 在中间做理解、判断和生成。工作流自动化的概念一个典型的工作流由三部分组成组成部分作用常见例子触发器Trigger什么情况下开始执行收到新邮件、定时到点、有人提交表单动作Action执行什么操作发送消息、保存数据、生成内容条件Condition不同情况做不同处理如果是紧急邮件就通知否则整理摘要举个具体例子触发器每 6 小时检查一次指定的新闻网站。动作一AI 抓取新闻内容筛选出与你行业相关的。动作二AI 把相关新闻总结成 100 字以内的摘要。动作三把摘要发送到你的 Slack 频道。这就是一个完整的 AI 工作流。设置好之后它会自动运行不需要你任何操作。AI 工作流 vs 传统自动化AI 工作流和传统自动化最大的区别在于AI 能处理非结构化内容能做判断。对比项传统自动化AI 工作流处理内容只能处理结构化数据能理解文本、图片、语音规则来源需要人写死规则AI 能根据内容做判断灵活性规则一变就要重写调整提示词就能改变行为适用场景简单、重复、确定性任务需要理解、判断的复杂任务比如收到邮件后转发给张三——这是传统自动化规则明确。收到邮件后AI 判断重要程度重要的立刻通知不重要的整理摘要每周发一次——这是 AI 工作流需要理解和判断。n8n 工作流平台n8n 是一个开源的工作流自动化工具可以自托管也可以使用云端版本。n8n 的特点是完全可视化操作用拖拽的方式就能搭建复杂的工作流。开源地址https://github.com/n8n-io/n8nn8n 安装通过 npx 一键体验 n8n需预先安装 Node.js 环境npx n8n也可使用 Docker 部署运行# 创建数据持久化卷 docker volume create n8n_data # 启动 n8n 容器 docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n部署完成后在浏览器打开 http://localhost:5678 就能看到 n8n 的界面。如果你不想自己搭建也可以使用 n8n Cloud 云端版本 AI Workflow Automation Platform - n8n直接注册就能用。核心概念节点、连接、触发器n8n 的界面由画布和节点组成理解三个核心概念就能开始使用概念作用说明节点Node执行具体操作比如发送邮件、调用 OpenAI、保存数据连接Connection串联节点从一个节点拖到另一个节点定义执行顺序触发器Trigger启动工作流每个工作流的第一个节点定义什么时候开始创建工作流的基本步骤1. 在画布上添加一个触发器节点比如定时触发或Webhook。2. 添加第一个动作节点配置它的参数。3. 从触发器拖一条线连到动作节点。4. 继续添加更多节点依次连接。5. 点击测试看流程是否正常运行。6. 激活工作流让它自动运行。集成 OpenAI 节点n8n 内置了 OpenAI 节点可以直接调用 GPT 模型。配置步骤1. 在节点列表中找到 OpenAI拖到画布上。2. 在节点设置中添加你的 OpenAI API Key。3. 选择要使用的模型比如 gpt-3.5-turbo 或 gpt-4。4. 编写提示词可以引用前面节点的输出数据。一个典型的提示词配置可能长这样请把下面的邮件内容总结成 3 句话摘要 {{$json.body}} 摘要其中 {{$json.body}} 是引用前面邮件节点的正文内容。实战自动总结邮件并发送 Slack 通知我们来搭建一个完整的工作流收到邮件后AI 总结内容然后发送到 Slack。这个工作流需要三个节点1. 邮件触发器当收到新邮件时触发。2. OpenAI 节点把邮件内容总结成摘要。3. Slack 节点把摘要发送到指定频道。配置要点邮件节点配置 IMAP 或使用 n8n 的邮件触发器。OpenAI 节点提示词设为总结这封邮件不超过 100 字输入引用邮件的正文。Slack 节点配置 Slack Bot Token选择频道消息内容引用 OpenAI 的输出。连接这三个节点测试通过后激活工作流就会自动运行了。n8n 的节点库非常丰富支持 Gmail、Notion、Airtable、Google Sheets 等数百种服务。花时间探索一下节点库你会发现很多可以自动化的场景。Make原 IntegromatMake 是另一个流行的工作流自动化平台原名 Integromat2021 年更名为 Make。和 n8n 相比Make 更偏向商业用户界面更精致付费版功能更强。Make 与 n8n 的对比对比项n8nMake开源是可自托管否纯 SaaS免费版自托管完全免费有功能受限界面偏技术向更友好、精美节点数量数百个数千个企业功能需付费版完善学习曲线稍陡较平缓简单总结如果你想自己掌控、有技术能力选 n8n如果你想要更简单易用、企业级支持选 Make。AI 模块使用Make 内置了多个 AI 相关模块OpenAI 模块调用 GPT、DALL-E、Whisper 等模型。Make AI 模块Make 自家的 AI 功能可以智能处理数据。其他 AI 工具支持 Anthropic Claude、Google AI、Midjourney 等。在 Make 中使用 AI 的流程1. 在模块库中搜索 OpenAI或你想用的 AI 工具。2. 拖拽到场景画布上。3. 配置 API 密钥和参数。4. 把前面模块的数据传给 AI 模块。5. 把 AI 的输出传给后面的模块。Make 的一个特色是 AI 提示词助手——你可以用自然语言描述你想做什么它会帮你生成提示词。实战示例我们用 Make 做一个社交媒体内容自动生成的工作流1. 触发器每周一早上 9 点定时触发。2. Google Sheets 模块读取你预先准备的产品更新和活动信息。3. OpenAI 模块根据表格内容生成微博、LinkedIn、Twitter 三个平台的文案。4. Airtable 模块把生成的文案保存到审核表格。5. Slack 模块通知你本周内容已生成请到 Airtable 审核。整个流程设置好后每周一都会自动运行。你只需要审核和微调内容不用从零开始写文案。Zapier AI 自动化Zapier 是工作流自动化领域的鼻祖成立于 2011 年。Zapier 的特点是连接的应用最多超过 6000 个使用最简单。Zapier 基础使用Zapier 把工作流叫做 Zap创建一个 Zap 的步骤1. 选择触发应用和触发事件比如Gmail 收到新邮件。2. 连接你的账户配置触发条件。3. 选择第一个动作应用和动作事件比如OpenAI 生成文本。4. 配置动作参数引用触发器的数据。5. 可以继续添加更多动作。6. 测试并启用 Zap。Zapier 的界面比 n8n 和 Make 更简化每个步骤都是表单式的不用拖拽连线。AI Actions 功能Zapier 推出了专门的 AI Actions 功能让你用自然语言描述想做什么它自动配置整个 Zap。比如你输入当我收到带有发票标签的邮件时把附件保存到 Google Drive 然后用 AI 提取金额和日期记录到 Airtable 最后给我发一条 Slack 通知。Zapier AI 会自动识别出需要哪些步骤帮你配置好各个节点。你也可以用 AI 来帮你写提示词。比如在调用 GPT 时你说帮我写个提示词来总结这封邮件AI 会生成专业的提示词模板。适合场景Zapier 最适合这些场景场景为什么选 Zapier连接小众应用Zapier 支持 6000 应用很多别家没有个人简单自动化界面最简单上手最快非技术用户不需要任何技术背景快速原型验证几分钟就能搭好一个工作流工具选择建议新手从 Zapier 开始想深入掌控用 n8n企业级需求选 Make。其实三个工具的核心思路是一样的学会一个再换另一个很容易。自定义 GPT 与 Claude Projects除了用工作流工具串联多个服务你也可以创建专门的 AI 助手来处理特定任务。OpenAI 的 GPTs 和 Anthropic 的 Claude Projects 都是这类工具。创建专属 AI 助手以 OpenAI GPTs 为例创建一个自定义助手的步骤1. 访问 ChatGPT 官网点击Explore → Create a GPT。2. 在Create标签页用自然语言描述你想要的助手。比如你是一个 runoob 技术文档编辑负责把复杂的技术概念解释得通俗易懂适合初学者阅读。3. 在Configure标签页配置更详细的设置。4. 添加知识库文件可选。5. 配置功能比如联网搜索、代码解释器。6. 测试、调整最后发布。Claude Projects 的创建流程类似在 Claude 官网的 Projects 功能中操作。知识库上传自定义 AI 助手的一大优势是可以上传你自己的知识库。支持的文件格式通常包括格式说明PDF最常用适合文档、报告、书籍TXT纯文本简单通用DOCXWord 文档CSV表格数据JSON结构化数据上传后AI 会根据这些知识来回答问题。比如你可以把公司的产品文档、客服手册、历史案例都上传创建一个内部知识助手员工有问题直接问它。或者把你写过的所有文章上传创建一个写作风格助手它会模仿你的风格来写新内容。指令定制指令Instructions是自定义助手的核心它定义了 AI 的角色、行为方式和输出格式。一个好的指令通常包括角色定义你是谁做什么的。行为准则你应该怎么做不应该怎么做。输出格式回答的结构是什么样的。约束条件有什么禁忌和注意事项。举个指令的例子你是 runoob 的技术文档助手。 你的任务是把复杂的技术概念解释得通俗易懂适合初学者。 回答时请遵循这些规则 1. 先用一句话简单解释是什么 2. 然后用生活中的例子类比 3. 最后给出一个最简单的代码示例 4. 如果有重要的注意事项用加粗标出 不要使用太深的术语必要术语要解释。 保持语气友好、鼓励像老师在教学生。指令写得越具体AI 的表现就越稳定。Webhook 与触发器Webhook 是工作流自动化中非常重要的概念它让外部系统能够实时触发你的工作流。Webhook 的工作原理简单说Webhook 就是一个URL 回调地址。传统的方式是轮询你的系统每隔一段时间去问外部系统有新数据吗——这很低效。Webhook 是推送外部系统有新数据时主动给你发送 HTTP 请求通知你。Webhook 的工作流程1. 你在 n8n/Make/Zapier 中创建一个 Webhook 触发器得到一个 URL。2. 把这个 URL 配置到外部系统比如 GitHub、Stripe、你的网站。3. 当外部系统发生事件时比如有人提交代码、有人付款它向这个 URL 发送数据。4. 你的工作流接收到数据开始执行。Webhook 是实时的事件发生后几毫秒内就能触发工作流。事件驱动的自动化Webhook 让事件驱动的自动化成为可能。常见的 Webhook 事件源事件源典型事件用途示例GitHub有人提交代码、有人提 Issue收到 Issue 时自动用 AI 回复Stripe有人付款、订阅过期收到付款时发送感谢邮件Typeform有人提交表单表单提交后 AI 分析内容并分配Shopify新订单、库存预警新订单时自动生成发货单你的网站用户注册、留言新用户注册时欢迎邮件我们用 Python 来实现一个简单的 Webhook 接收 AI 处理流程实例# # 简单的 Webhook 服务器 AI 处理流程# 使用 Flask 接收 Webhook调用 OpenAI 处理# from flask import Flask, request, jsonifyimport openaiimport json# 初始化 Flask 应用app Flask(__name__)# 配置 OpenAI请替换为你的 API Keyopenai.api_key sk-your-api-key-heredef process_with_ai(content: str) - str:用 AI 处理接收到的内容这里做一个简单的内容分类摘要prompt f请分析下面的内容做两件事1. 分类判断是问题、建议还是感谢2. 摘要用一句话总结核心内容内容{content}请用 JSON 格式返回格式如下{{category: 问题/建议/感谢,summary: 摘要内容}}response openai.ChatCompletion.create(modelgpt-3.5-turbo,messages[{role: system, content: 你是 runoob 的内容分析助手。},{role: user, content: prompt}],temperature0.7)return response.choices[0].message.contentapp.route(/webhook, methods[POST])def webhook_handler():接收 Webhook 的端点外部系统向这个 URL 发送 POST 请求# 获取请求数据data request.get_json()print(f收到 Webhook 数据{data})# 提取我们需要的内容根据实际情况调整字段名# 这里假设传来的数据有一个 content 字段content data.get(content, )if not content:return jsonify({status: error, message: 缺少 content 字段}), 400# 用 AI 处理内容try:ai_result process_with_ai(content)print(fAI 处理结果{ai_result})# 解析 AI 返回的 JSONparsed_result json.loads(ai_result)# 这里可以把结果存到数据库、发送通知等# 为了演示我们只是打印出来category parsed_result.get(category, 未知)summary parsed_result.get(summary, )print(f分类{category})print(f摘要{summary})# 返回成功响应return jsonify({status: success,category: category,summary: summary})except Exception as e:print(f处理出错{e})return jsonify({status: error, message: str(e)}), 500app.route(/test, methods[GET])def test_page():一个简单的测试页面方便测试 Webhookreturn htmlbodyh1测试 Webhook/h1form action/webhook methodposttextarea namecontent placeholder输入测试内容/textareabrbutton typesubmit发送/button/form/body/htmlif __name__ __main__:print(Webhook 服务器启动在 http://localhost:5000)print(Webhook 地址http://localhost:5000/webhook)print(测试页面http://localhost:5000/test)app.run(port5000, debugTrue)运行这个服务器后你可以在浏览器打开 http://localhost:5000/test 来测试或者用 curl 发送测试请求实例# 发送测试 Webhook 请求curl -X POST http://localhost:5000/webhook \-H Content-Type: application/json \-d {content: runoob 的教程写得太好了要是能多一些 AI 工作流的实战例子就更好了。}如果一切正常你会看到 AI 返回的分类和摘要。生产环境使用 Webhook 时记得加上验证机制——比如验证签名、检查来源 IP、使用 API Key。否则任何人都能向你的 Webhook 发送请求可能导致安全问题。实战项目合集这一节我们给出三个完整的实战项目思路你可以直接套用这些模板。自动生成每日新闻简报目标每天早上自动收集行业新闻AI 筛选并总结发送到你的邮箱或 Slack。需要的工具n8n/Make/Zapier、RSS 源、OpenAI、邮件/Slack。工作流步骤1. 定时触发器每天早上 8 点触发。2. RSS 节点读取你关注的几个行业媒体 RSS。3. 去重节点过滤掉重复的新闻。4. OpenAI 节点逐条阅读新闻判断是否与你行业相关。5. OpenAI 节点把相关新闻总结成摘要。6. OpenAI 节点把所有摘要整理成一封邮件加上标题和导语。7. 邮件节点发送到你的邮箱。提示词示例请阅读下面这篇新闻的标题和摘要判断它是否与AI 技术应用相关。 只需要回答是或否不要解释。 新闻标题{{$json.title}} 新闻摘要{{$json.summary}}社交媒体内容自动发布目标根据产品动态自动生成多平台社交媒体文案审核后定时发布。需要的工具Make/Zapier、Airtable、OpenAI、Buffer/Hootsuite。工作流步骤1. Airtable 触发器当你在 Airtable 中添加一条产品动态记录时触发。2. OpenAI 节点根据产品动态生成微博文案活泼风格。3. OpenAI 节点根据产品动态生成 LinkedIn 文案专业风格。4. OpenAI 节点根据产品动态生成 Twitter 文案简洁风格。5. Airtable 节点把三个平台的文案写入待审核表格。6. Slack 节点通知你有新内容待审核。7. 人工审核后Buffer 节点定时发布到各平台。这个流程既自动化又保留了人工审核的控制权——毕竟社交媒体直接面向客户还是要把把关。客户反馈自动分类目标收到客户反馈后AI 自动分类、分析情感、分配给相应负责人。需要的工具n8n、Typeform/表单工具、OpenAI、Airtable、Slack。工作流步骤1. Webhook 触发器客户在网站提交反馈时触发。2. OpenAI 节点分析反馈的情感正面/中性/负面。3. OpenAI 节点分类反馈类型Bug/功能请求/使用问题/感谢。4. OpenAI 节点提取关键词和优先级。5. Airtable 节点把所有信息保存到反馈数据库。6. 条件分支如果是负面反馈且高优先级走紧急流程否则走普通流程。7. Slack 节点紧急反馈通知技术负责人普通反馈通知客服。8. OpenAI 节点生成一个礼貌的自动回复感谢客户反馈。9. 邮件节点把自动回复发送给客户。这个流程能让客户立刻收到回复同时内部也能快速响应重要问题。设计工作流的一个原则先自动化收集、整理、分发这些机械性工作把判断、决策、创意留给人。不要试图让 AI 做所有决定人机协作效果最好。三个工具对比总结我们把 n8n、Make、Zapier 三个主流工具做一个全面对比帮你选择对比项n8nMakeZapier开源是否否自托管支持不支持不支持免费方案自托管完全免费免费版限制操作数免费版限制 Zaps 数连接应用数数百个数千个6000界面风格可视化画布精致画布步骤表单学习曲线中等较低最低企业功能需付费版完善完善技术门槛稍高自托管低最低适合人群开发者、技术团队中小企业、团队个人、新手
大家应该都碰到过这样的经历每天早上到公司先花半小时看邮件筛选出重要的然后一一回复。收到客户反馈后要手动整理、分类再发给相应的负责人。社交媒体要定期更新每次都要写文案、配图、定时发布。这些重复性工作消耗了你大量的时间但它们其实不需要太多思考。AI 工作流自动化就是解决这类问题的把重复的、规则明确的任务交给 AI 自动完成。工作流自动化的核心目标是把你的时间从执行解放出来用在决策上。什么是 AI 工作流AI 工作流是把多个 AI 能力和工具串联起来形成一个自动化流程。简单说就是当某个事件发生时触发一系列操作AI 在中间做理解、判断和生成。工作流自动化的概念一个典型的工作流由三部分组成组成部分作用常见例子触发器Trigger什么情况下开始执行收到新邮件、定时到点、有人提交表单动作Action执行什么操作发送消息、保存数据、生成内容条件Condition不同情况做不同处理如果是紧急邮件就通知否则整理摘要举个具体例子触发器每 6 小时检查一次指定的新闻网站。动作一AI 抓取新闻内容筛选出与你行业相关的。动作二AI 把相关新闻总结成 100 字以内的摘要。动作三把摘要发送到你的 Slack 频道。这就是一个完整的 AI 工作流。设置好之后它会自动运行不需要你任何操作。AI 工作流 vs 传统自动化AI 工作流和传统自动化最大的区别在于AI 能处理非结构化内容能做判断。对比项传统自动化AI 工作流处理内容只能处理结构化数据能理解文本、图片、语音规则来源需要人写死规则AI 能根据内容做判断灵活性规则一变就要重写调整提示词就能改变行为适用场景简单、重复、确定性任务需要理解、判断的复杂任务比如收到邮件后转发给张三——这是传统自动化规则明确。收到邮件后AI 判断重要程度重要的立刻通知不重要的整理摘要每周发一次——这是 AI 工作流需要理解和判断。n8n 工作流平台n8n 是一个开源的工作流自动化工具可以自托管也可以使用云端版本。n8n 的特点是完全可视化操作用拖拽的方式就能搭建复杂的工作流。开源地址https://github.com/n8n-io/n8nn8n 安装通过 npx 一键体验 n8n需预先安装 Node.js 环境npx n8n也可使用 Docker 部署运行# 创建数据持久化卷 docker volume create n8n_data # 启动 n8n 容器 docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n部署完成后在浏览器打开 http://localhost:5678 就能看到 n8n 的界面。如果你不想自己搭建也可以使用 n8n Cloud 云端版本 AI Workflow Automation Platform - n8n直接注册就能用。核心概念节点、连接、触发器n8n 的界面由画布和节点组成理解三个核心概念就能开始使用概念作用说明节点Node执行具体操作比如发送邮件、调用 OpenAI、保存数据连接Connection串联节点从一个节点拖到另一个节点定义执行顺序触发器Trigger启动工作流每个工作流的第一个节点定义什么时候开始创建工作流的基本步骤1. 在画布上添加一个触发器节点比如定时触发或Webhook。2. 添加第一个动作节点配置它的参数。3. 从触发器拖一条线连到动作节点。4. 继续添加更多节点依次连接。5. 点击测试看流程是否正常运行。6. 激活工作流让它自动运行。集成 OpenAI 节点n8n 内置了 OpenAI 节点可以直接调用 GPT 模型。配置步骤1. 在节点列表中找到 OpenAI拖到画布上。2. 在节点设置中添加你的 OpenAI API Key。3. 选择要使用的模型比如 gpt-3.5-turbo 或 gpt-4。4. 编写提示词可以引用前面节点的输出数据。一个典型的提示词配置可能长这样请把下面的邮件内容总结成 3 句话摘要 {{$json.body}} 摘要其中 {{$json.body}} 是引用前面邮件节点的正文内容。实战自动总结邮件并发送 Slack 通知我们来搭建一个完整的工作流收到邮件后AI 总结内容然后发送到 Slack。这个工作流需要三个节点1. 邮件触发器当收到新邮件时触发。2. OpenAI 节点把邮件内容总结成摘要。3. Slack 节点把摘要发送到指定频道。配置要点邮件节点配置 IMAP 或使用 n8n 的邮件触发器。OpenAI 节点提示词设为总结这封邮件不超过 100 字输入引用邮件的正文。Slack 节点配置 Slack Bot Token选择频道消息内容引用 OpenAI 的输出。连接这三个节点测试通过后激活工作流就会自动运行了。n8n 的节点库非常丰富支持 Gmail、Notion、Airtable、Google Sheets 等数百种服务。花时间探索一下节点库你会发现很多可以自动化的场景。Make原 IntegromatMake 是另一个流行的工作流自动化平台原名 Integromat2021 年更名为 Make。和 n8n 相比Make 更偏向商业用户界面更精致付费版功能更强。Make 与 n8n 的对比对比项n8nMake开源是可自托管否纯 SaaS免费版自托管完全免费有功能受限界面偏技术向更友好、精美节点数量数百个数千个企业功能需付费版完善学习曲线稍陡较平缓简单总结如果你想自己掌控、有技术能力选 n8n如果你想要更简单易用、企业级支持选 Make。AI 模块使用Make 内置了多个 AI 相关模块OpenAI 模块调用 GPT、DALL-E、Whisper 等模型。Make AI 模块Make 自家的 AI 功能可以智能处理数据。其他 AI 工具支持 Anthropic Claude、Google AI、Midjourney 等。在 Make 中使用 AI 的流程1. 在模块库中搜索 OpenAI或你想用的 AI 工具。2. 拖拽到场景画布上。3. 配置 API 密钥和参数。4. 把前面模块的数据传给 AI 模块。5. 把 AI 的输出传给后面的模块。Make 的一个特色是 AI 提示词助手——你可以用自然语言描述你想做什么它会帮你生成提示词。实战示例我们用 Make 做一个社交媒体内容自动生成的工作流1. 触发器每周一早上 9 点定时触发。2. Google Sheets 模块读取你预先准备的产品更新和活动信息。3. OpenAI 模块根据表格内容生成微博、LinkedIn、Twitter 三个平台的文案。4. Airtable 模块把生成的文案保存到审核表格。5. Slack 模块通知你本周内容已生成请到 Airtable 审核。整个流程设置好后每周一都会自动运行。你只需要审核和微调内容不用从零开始写文案。Zapier AI 自动化Zapier 是工作流自动化领域的鼻祖成立于 2011 年。Zapier 的特点是连接的应用最多超过 6000 个使用最简单。Zapier 基础使用Zapier 把工作流叫做 Zap创建一个 Zap 的步骤1. 选择触发应用和触发事件比如Gmail 收到新邮件。2. 连接你的账户配置触发条件。3. 选择第一个动作应用和动作事件比如OpenAI 生成文本。4. 配置动作参数引用触发器的数据。5. 可以继续添加更多动作。6. 测试并启用 Zap。Zapier 的界面比 n8n 和 Make 更简化每个步骤都是表单式的不用拖拽连线。AI Actions 功能Zapier 推出了专门的 AI Actions 功能让你用自然语言描述想做什么它自动配置整个 Zap。比如你输入当我收到带有发票标签的邮件时把附件保存到 Google Drive 然后用 AI 提取金额和日期记录到 Airtable 最后给我发一条 Slack 通知。Zapier AI 会自动识别出需要哪些步骤帮你配置好各个节点。你也可以用 AI 来帮你写提示词。比如在调用 GPT 时你说帮我写个提示词来总结这封邮件AI 会生成专业的提示词模板。适合场景Zapier 最适合这些场景场景为什么选 Zapier连接小众应用Zapier 支持 6000 应用很多别家没有个人简单自动化界面最简单上手最快非技术用户不需要任何技术背景快速原型验证几分钟就能搭好一个工作流工具选择建议新手从 Zapier 开始想深入掌控用 n8n企业级需求选 Make。其实三个工具的核心思路是一样的学会一个再换另一个很容易。自定义 GPT 与 Claude Projects除了用工作流工具串联多个服务你也可以创建专门的 AI 助手来处理特定任务。OpenAI 的 GPTs 和 Anthropic 的 Claude Projects 都是这类工具。创建专属 AI 助手以 OpenAI GPTs 为例创建一个自定义助手的步骤1. 访问 ChatGPT 官网点击Explore → Create a GPT。2. 在Create标签页用自然语言描述你想要的助手。比如你是一个 runoob 技术文档编辑负责把复杂的技术概念解释得通俗易懂适合初学者阅读。3. 在Configure标签页配置更详细的设置。4. 添加知识库文件可选。5. 配置功能比如联网搜索、代码解释器。6. 测试、调整最后发布。Claude Projects 的创建流程类似在 Claude 官网的 Projects 功能中操作。知识库上传自定义 AI 助手的一大优势是可以上传你自己的知识库。支持的文件格式通常包括格式说明PDF最常用适合文档、报告、书籍TXT纯文本简单通用DOCXWord 文档CSV表格数据JSON结构化数据上传后AI 会根据这些知识来回答问题。比如你可以把公司的产品文档、客服手册、历史案例都上传创建一个内部知识助手员工有问题直接问它。或者把你写过的所有文章上传创建一个写作风格助手它会模仿你的风格来写新内容。指令定制指令Instructions是自定义助手的核心它定义了 AI 的角色、行为方式和输出格式。一个好的指令通常包括角色定义你是谁做什么的。行为准则你应该怎么做不应该怎么做。输出格式回答的结构是什么样的。约束条件有什么禁忌和注意事项。举个指令的例子你是 runoob 的技术文档助手。 你的任务是把复杂的技术概念解释得通俗易懂适合初学者。 回答时请遵循这些规则 1. 先用一句话简单解释是什么 2. 然后用生活中的例子类比 3. 最后给出一个最简单的代码示例 4. 如果有重要的注意事项用加粗标出 不要使用太深的术语必要术语要解释。 保持语气友好、鼓励像老师在教学生。指令写得越具体AI 的表现就越稳定。Webhook 与触发器Webhook 是工作流自动化中非常重要的概念它让外部系统能够实时触发你的工作流。Webhook 的工作原理简单说Webhook 就是一个URL 回调地址。传统的方式是轮询你的系统每隔一段时间去问外部系统有新数据吗——这很低效。Webhook 是推送外部系统有新数据时主动给你发送 HTTP 请求通知你。Webhook 的工作流程1. 你在 n8n/Make/Zapier 中创建一个 Webhook 触发器得到一个 URL。2. 把这个 URL 配置到外部系统比如 GitHub、Stripe、你的网站。3. 当外部系统发生事件时比如有人提交代码、有人付款它向这个 URL 发送数据。4. 你的工作流接收到数据开始执行。Webhook 是实时的事件发生后几毫秒内就能触发工作流。事件驱动的自动化Webhook 让事件驱动的自动化成为可能。常见的 Webhook 事件源事件源典型事件用途示例GitHub有人提交代码、有人提 Issue收到 Issue 时自动用 AI 回复Stripe有人付款、订阅过期收到付款时发送感谢邮件Typeform有人提交表单表单提交后 AI 分析内容并分配Shopify新订单、库存预警新订单时自动生成发货单你的网站用户注册、留言新用户注册时欢迎邮件我们用 Python 来实现一个简单的 Webhook 接收 AI 处理流程实例# # 简单的 Webhook 服务器 AI 处理流程# 使用 Flask 接收 Webhook调用 OpenAI 处理# from flask import Flask, request, jsonifyimport openaiimport json# 初始化 Flask 应用app Flask(__name__)# 配置 OpenAI请替换为你的 API Keyopenai.api_key sk-your-api-key-heredef process_with_ai(content: str) - str:用 AI 处理接收到的内容这里做一个简单的内容分类摘要prompt f请分析下面的内容做两件事1. 分类判断是问题、建议还是感谢2. 摘要用一句话总结核心内容内容{content}请用 JSON 格式返回格式如下{{category: 问题/建议/感谢,summary: 摘要内容}}response openai.ChatCompletion.create(modelgpt-3.5-turbo,messages[{role: system, content: 你是 runoob 的内容分析助手。},{role: user, content: prompt}],temperature0.7)return response.choices[0].message.contentapp.route(/webhook, methods[POST])def webhook_handler():接收 Webhook 的端点外部系统向这个 URL 发送 POST 请求# 获取请求数据data request.get_json()print(f收到 Webhook 数据{data})# 提取我们需要的内容根据实际情况调整字段名# 这里假设传来的数据有一个 content 字段content data.get(content, )if not content:return jsonify({status: error, message: 缺少 content 字段}), 400# 用 AI 处理内容try:ai_result process_with_ai(content)print(fAI 处理结果{ai_result})# 解析 AI 返回的 JSONparsed_result json.loads(ai_result)# 这里可以把结果存到数据库、发送通知等# 为了演示我们只是打印出来category parsed_result.get(category, 未知)summary parsed_result.get(summary, )print(f分类{category})print(f摘要{summary})# 返回成功响应return jsonify({status: success,category: category,summary: summary})except Exception as e:print(f处理出错{e})return jsonify({status: error, message: str(e)}), 500app.route(/test, methods[GET])def test_page():一个简单的测试页面方便测试 Webhookreturn htmlbodyh1测试 Webhook/h1form action/webhook methodposttextarea namecontent placeholder输入测试内容/textareabrbutton typesubmit发送/button/form/body/htmlif __name__ __main__:print(Webhook 服务器启动在 http://localhost:5000)print(Webhook 地址http://localhost:5000/webhook)print(测试页面http://localhost:5000/test)app.run(port5000, debugTrue)运行这个服务器后你可以在浏览器打开 http://localhost:5000/test 来测试或者用 curl 发送测试请求实例# 发送测试 Webhook 请求curl -X POST http://localhost:5000/webhook \-H Content-Type: application/json \-d {content: runoob 的教程写得太好了要是能多一些 AI 工作流的实战例子就更好了。}如果一切正常你会看到 AI 返回的分类和摘要。生产环境使用 Webhook 时记得加上验证机制——比如验证签名、检查来源 IP、使用 API Key。否则任何人都能向你的 Webhook 发送请求可能导致安全问题。实战项目合集这一节我们给出三个完整的实战项目思路你可以直接套用这些模板。自动生成每日新闻简报目标每天早上自动收集行业新闻AI 筛选并总结发送到你的邮箱或 Slack。需要的工具n8n/Make/Zapier、RSS 源、OpenAI、邮件/Slack。工作流步骤1. 定时触发器每天早上 8 点触发。2. RSS 节点读取你关注的几个行业媒体 RSS。3. 去重节点过滤掉重复的新闻。4. OpenAI 节点逐条阅读新闻判断是否与你行业相关。5. OpenAI 节点把相关新闻总结成摘要。6. OpenAI 节点把所有摘要整理成一封邮件加上标题和导语。7. 邮件节点发送到你的邮箱。提示词示例请阅读下面这篇新闻的标题和摘要判断它是否与AI 技术应用相关。 只需要回答是或否不要解释。 新闻标题{{$json.title}} 新闻摘要{{$json.summary}}社交媒体内容自动发布目标根据产品动态自动生成多平台社交媒体文案审核后定时发布。需要的工具Make/Zapier、Airtable、OpenAI、Buffer/Hootsuite。工作流步骤1. Airtable 触发器当你在 Airtable 中添加一条产品动态记录时触发。2. OpenAI 节点根据产品动态生成微博文案活泼风格。3. OpenAI 节点根据产品动态生成 LinkedIn 文案专业风格。4. OpenAI 节点根据产品动态生成 Twitter 文案简洁风格。5. Airtable 节点把三个平台的文案写入待审核表格。6. Slack 节点通知你有新内容待审核。7. 人工审核后Buffer 节点定时发布到各平台。这个流程既自动化又保留了人工审核的控制权——毕竟社交媒体直接面向客户还是要把把关。客户反馈自动分类目标收到客户反馈后AI 自动分类、分析情感、分配给相应负责人。需要的工具n8n、Typeform/表单工具、OpenAI、Airtable、Slack。工作流步骤1. Webhook 触发器客户在网站提交反馈时触发。2. OpenAI 节点分析反馈的情感正面/中性/负面。3. OpenAI 节点分类反馈类型Bug/功能请求/使用问题/感谢。4. OpenAI 节点提取关键词和优先级。5. Airtable 节点把所有信息保存到反馈数据库。6. 条件分支如果是负面反馈且高优先级走紧急流程否则走普通流程。7. Slack 节点紧急反馈通知技术负责人普通反馈通知客服。8. OpenAI 节点生成一个礼貌的自动回复感谢客户反馈。9. 邮件节点把自动回复发送给客户。这个流程能让客户立刻收到回复同时内部也能快速响应重要问题。设计工作流的一个原则先自动化收集、整理、分发这些机械性工作把判断、决策、创意留给人。不要试图让 AI 做所有决定人机协作效果最好。三个工具对比总结我们把 n8n、Make、Zapier 三个主流工具做一个全面对比帮你选择对比项n8nMakeZapier开源是否否自托管支持不支持不支持免费方案自托管完全免费免费版限制操作数免费版限制 Zaps 数连接应用数数百个数千个6000界面风格可视化画布精致画布步骤表单学习曲线中等较低最低企业功能需付费版完善完善技术门槛稍高自托管低最低适合人群开发者、技术团队中小企业、团队个人、新手
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
