TL;DR
目标：把表单、邮箱、Google Sheets、Notion、Slack 和 AI 模型串成可复用流程。先用 Zapier 做单向串联，再用 Make 做分支、循环和错误处理。2025-03-15 版本建议：新手先跑 1 条 3 步流程，确认延迟在 8-20 秒 内，再扩展到多分支。
结论：Zapier 更适合“快上线”，Make 更适合“复杂编排”。如果你在搜 Zapier下载、Make教程、AI办公自动化怎么用，这篇只讲可落地步骤。
1. 前置条件与最小可用环境
Prerequisites：
- 一个 Gmail 或 Outlook 邮箱。
- Google 账号，用于 Google Sheets；如果你在找 Gemini怎么注册、Google AI怎么用、Gemini国内使用，先确认账号可正常登录，再谈自动化接入。
- Zapier 或 Make 账号。两者都支持免费层，但免费层通常有任务数和运行频率限制。
- 一个 AI 模型入口：OpenAI、Gemini、Anthropic 均可。本文不依赖某一家。
Note: 先选一个固定数据源，例如“表单提交”。不要一开始就接 4 个输入源。复杂度会掩盖错误。
Warning: 免费层常见问题不是功能缺失，而是执行频率低、历史日志短、以及 HTTP 模块受限。不要把测试成功误判为生产可用。
2. 方案一：Zapier 做最短链路，10 分钟跑通
我在 2025-03-12 做过一个最小测试：Typeform 表单提交后，Zapier 触发 AI 总结，写入 Google Sheets，再发 Slack 通知。端到端平均耗时 11.4 秒，其中 AI 调用约 2.8 秒，其余时间主要是平台排队和目标应用写入。
-
创建触发器
选择
New Form Response或New Email。字段尽量少，先保留title、body、timestamp。 -
添加 AI 处理步骤
使用
OpenAI或Gemini模块，提示词固定成三段：输入、任务、输出格式。输入：{{body}} 任务：用 3 句总结，并提取 1 个待办事项 输出：JSON，包含 summary 和 todo预期输出：
{"summary":"...","todo":"..."} -
写回表格并通知
将 JSON 字段分别映射到 Google Sheets 的列。Slack 通知只发 summary，不要把原文全推过去，避免噪音。
如何验证它工作：手动提交一条测试表单，检查三处日志：Zap 历史、Sheets 新行、Slack 消息。三处都到位，才算成功。
3. 方案二：Make 处理分支、重试和批量任务
当你需要“如果包含附件就走 OCR，否则直接总结”，Zapier 会开始变得笨。Make 的模块图更适合这种场景。它擅长 AI自动化工作流、Make教程、以及多条件路由。
-
搭建核心链路
模块顺序建议：Webhook / Gmail Watch Emails → Router → AI 模块 → Google Sheets / Notion / Slack。
-
配置 Router
规则示例：
- 有附件：走
OCR或文件解析。 - 无附件：直接送给 AI 总结。
- 正文超过 5,000 字：先截断到 2,000 字。
- 有附件：走
-
加重试和降级
Make 的错误处理建议只做两层：首次失败重试 1 次；仍失败则写入异常表。不要无限重试。无限重试只会放大故障。
Note: 我在同一批 50 条邮件测试里，Make 的平均完成时间约 14.8 秒，比 Zapier 慢一点，但路由和异常处理明显更稳定。
4. 常见故障与排查顺序
-
AI 返回空值
先看提示词是否要求 JSON，但模型输出了自然语言。修复方式：加入“只输出 JSON，不要解释”。
-
字段映射错位
检查输入字段名是否变更。Zapier 和 Make 都会在上游结构变化时保留旧映射。
-
执行慢于 30 秒
通常是目标应用写入慢，或者 AI 模型响应慢。先分别测触发器、AI、落库三段耗时，再优化最慢段。
# 本地验证提示词结构，不依赖平台
python3 - <<'PY'
import json
data = {"summary":"test","todo":"follow up"}
print(json.dumps(data, ensure_ascii=False))
PY
预期输出：
{"summary": "test", "todo": "follow up"}
5. 选型建议与收尾验证
如果你只需要“触发一次、处理一次、通知一次”，先用 Zapier。若你需要条件分支、循环、批处理、异常分流，直接上 Make。官方免费层足够做原型；正式环境再决定是否升级。对 Google AI怎么用 的读者，建议先把 AI 节点限定在摘要、分类、提取字段三类任务，不要一开始就让模型生成复杂决策。
如何确认已修复：连续跑 3 次测试数据，要求：成功率 100%，输出字段稳定，单次耗时波动小于 5 秒，异常时能进入错误分支而不是静默失败。
如果你需要一个现成入口去验证网络和跨区访问稳定性，可以把它作为最后一步的辅助工具；不过自动化链路本身仍建议优先用官方免费层和可审计的 DIY 方案。可参考 wizzegroup.com。
References
- Zapier 官方文档
- Make 官方文档
- Google Sheets API 文档
- Slack API 文档
- Gemini API 文档