用 Make 搭建大模型 API 自动化工作流

1. 触发器：定时（cron）或事件（新邮件、新表单行、Webhook）启动一次执行；
2. 数据准备：取出待处理内容，裁剪到模型需要的长度——这一步直接决定输入 Token 成本；
3. 调用大模型 API：通过平台的 HTTP 模块向模型端点发请求（Bearer Key 鉴权、JSON 正文）；Make 提供 REST 风格的开放 API 与自定义应用机制，多数管理端点需要付费订阅（以官方文档为准）；
4. 解析与校验：检查返回是否可用（超时、限流、空响应），决定重试或降级；
5. 后续动作：写回表格、发通知、更新工单。

成本控制的关键在第 2 步与第 4 步：输入越长、重试越多，账单越高。模型的单价与缓存价见下表。

1. 在平台新建场景（Scenario），选触发器并配置调度间隔；
2. 添加数据获取模块（读取表单/邮件/文件），做字段裁剪与长度截断；
3. 添加 HTTP 模块：方法 POST，目标模型端点，Header 带鉴权，Body 为 {模型, 输入, 参数}；
4. 配置错误处理：对 429/5xx 设有限次重试与退避，对空响应设默认值；
5. 先以小流量试运行，统计每次执行的实际输入/输出 Token，再代入下方成本表估算月度账单；
6. 设置平台侧告警（连续失败次数），避免" silently 烧额度 "。

界面按钮、模块名称与计费细节随平台版本变化，本文刻意只给概念级步骤；请以 Make 官方文档与实际控制台为准。

· 两遍账：总成本 = 平台操作数费用 + LLM API 费用。前者由平台套餐与每次执行消耗的模块数决定——Make 与 n8n 的当前定价本站尚未核验，请以各自官网为准，本文不引用任何未经核实的价格数字；
· 重试放大：若平均每条任务重试 0.5 次，实际 API 消耗 ×1.5；限流频繁时这个数字会更高。把重试上限、退避与"失败转人工"写进流程，比换便宜模型更优先；
· 输入裁剪：第 2 步把 2 万 Token 的原文裁到 2 千 Token，输入成本直接降一个数量级——这是自动化场景里最确定的优化。

数据不能出内网（选可自托管的方案，如 n8n——fair-code 许可、支持 Docker 自托管，见 n8n 官方文档）； 流程高度定制、需要代码级控制（选自建 API）；执行量极大且团队有运维能力（自建通常更省，但需自己承担限流、重试、监控）。 三种方案的对比框架见 《Make、n8n 与自建 API 怎么选》——本文与对比文均不含任何推广链接。

· 商业关系：Make 官方联盟计划目前处于本站候选评估阶段（candidate），尚未申请、未获批，本文不含任何推广链接；若未来获批，CTA 只会在本节附近出现并就近披露佣金关系（rel="sponsored nofollow noopener"），推荐结论不因合作关系改变；
· 数据来源：上方成本表的模型价格来自本站唯一数据源 models.json（厂商官方刊例原价，逐条标注来源与核验日期，本页表内为 2026-10-28 口径）；美元模型按参考汇率（中国外汇交易中心中间价）折算，折算仅供参考；
· 未核验项：Make 场景/操作的具体计费数字、n8n 定价均未核验，正文已逐项标注，不做猜测；
· 本文为文档研究，不含实测结论；价格核验时间 ≠ 页面内容更新时间。

· 按你的真实 Token 用量重算：成本计算器；
· 查模型完整价格档案：模型库，两款候选模型用 模型对比；
· 方案选型：Make、n8n 与自建 API 怎么选；
· 回到 指南中心。