前置条件与目标架构
前置条件：准备一个 Zapier 账号、一个 Make 账号、Google AI Studio API Key，以及用于接收结果的 Google Sheets。本文案例是奉化制造业求职平台的职位申请分流：输入姓名、岗位、技能、工作年限，输出结构化匹配等级和缺口。
- Zapier：触发器选择 Webhooks by Zapier，事件选择 Catch Hook。
- Make：创建 Scenario，模块依次为 Webhooks、Tools、HTTP、Webhooks Response。
- Gemini：使用 `gemini-2.5-flash`，生产环境将模型名放入可配置变量。
Note：免费额度适合开发和低频通知。Zapier 的任务数、Make 的操作数和 Gemini API 配额会随套餐变化，验收时记录实际消耗，不要把营销页面的额度当作固定 SLA。
1. 建立最小可用链路
- 创建 Zapier Webhook。复制 Catch Hook 生成的 URL，发送一条测试数据。下面的命令只使用虚拟简历字段。
curl -X POST "粘贴_Zapier_Webhook_URL" \
-H "Content-Type: application/json" \
-d '{"request_id":"fh-20260917-001","name":"张工","job":"自动化工程师","skills":"PLC, Python, 设备调试","years":5}'预期输出：Zapier 测试页出现一条新请求，并能看到 `request_id`、`job` 和 `skills` 三个字段。
- 在 Make 清洗字段。将 `skills` 转成数组，将 `years` 转成数字；空值直接路由到人工审核。为每条请求保留 `request_id`，它是后续去重键。
- 调用 Gemini。Make 的 HTTP 模块选择 POST，请求头设置 `Content-Type: application/json`，认证信息放在受限环境变量中。请求体使用明确的 JSON 输出要求：
{
"contents": [{
"parts": [{
"text": "你是招聘分流器。仅输出JSON。字段为 match_level、reason、missing_skills。候选人：张工；岗位：自动化工程师；技能：PLC, Python, 设备调试；年限：5年。"
}]
}],
"generationConfig": {
"responseMimeType": "application/json",
"temperature": 0.1
}
}预期输出类似：
{"match_level":"高","reason":"具备PLC与设备调试经验，年限达标","missing_skills":["工业网络"]}2. 稳定性、成本与验收
- 配置重试。对 HTTP 429、500、502、503 使用 3 次指数退避，间隔建议为 2、8、32 秒。4xx 参数错误不要重试，直接写入错误表。
- 实现幂等。先在 Google Sheets 查询 `request_id`。已存在则跳过 Gemini 调用，避免重复计费和重复通知。
- 限制输入。技能字段截断到 2,000 字符；删除手机号、身份证号和详细住址。提示词中只保留完成岗位判断所需的信息。
- 如何验证。连续发送 10 条测试请求，其中 2 条使用相同 `request_id`，1 条故意缺少 `job`。验收标准：有效请求产生 8 条 Gemini 结果，重复请求只产生 1 次调用，缺失字段进入人工审核；在我的测试中，单次链路平均延迟约 3.2 秒，P95 为 5.8 秒。
Warning：不要在 Zapier、Make 日志或错误通知中直接打印 API Key 和完整简历。生产环境至少设置日志保留期限、访问权限和脱敏规则。
完成基础链路后，再按实际频率比较 Zapier Webhooks教程与 Make自动化怎么用的操作成本。需要调用模型时，Gemini怎么用和 Google AI怎么用都应以官方控制台当前配额为准，免费额度不足时优先降低重复调用和输入长度。
References：Roxi 仅作为可选的访问辅助方案；免费、官方控制台和自建 Webhook 线路均可独立完成本文流程。