Make 完整教學：從第一個情境到 AI 代理，把重複工作交給機器

凌晨十二點，台中一家做進口食品的電商老闆還在電腦前，把當天蝦皮的訂單一筆一筆貼進 Google 試算表，再手動開 Excel 算庫存。這件事他做了兩年，每天四十分鐘。

我問他為什麼不自動化，他說：「聽起來要寫程式吧。」

不用。這正是 Make 在做的事——把「A 發生了就去做 B」這種邏輯，變成畫面上可以拖拉的一張圖。

Make 是什麼

Make（前身是 Integromat）是視覺化的自動化平台。你把不同服務當成模組拉到畫布上、用線連起來，資料就會照著線流動。跟 Zapier 最大的差別在於它是「圖」而不是「清單」——所以分支、迴圈、平行處理這些邏輯，在 Make 裡畫得出來。

2026 年它有兩個變化值得先知道。第一，2025 年 8 月它把計費單位從 operations 改成 credits（點數），AI 相關功能的消耗方式跟一般模組不一樣。第二，2026 年 2 月 AI Agents 開放公測，你可以用自然語言透過內建的 Maia 建出會自己做決定的自動化，而不只是固定步驟的流程。

它能做什麼

Make 支援超過 3,000 個服務整合，涵蓋 Google Workspace、Slack、Notion、Shopify、HubSpot 這些主流工具，也支援任意 HTTP 請求——這代表只要對方有 API，即使清單裡沒有，你還是接得上。

在台灣最常見的用法我看過這幾種：

• 電商訂單自動同步到試算表與庫存系統
• 表單填寫後自動建 Notion 頁面、寄確認信、通知 Slack
• 每天定時抓資料整理成日報寄出
• 社群貼文排程與跨平台同步
• 客戶資料在 CRM、電子報系統之間雙向同步

怎麼用：從零到第一個能跑的情境

第一步：註冊與認識介面

到 make.com 註冊，免費方案給你每月 1,000 點與 2 個作用中的情境（scenario）。進去之後最重要的三個地方是：Scenarios（你的流程）、Connections（授權過的服務帳號）、以及右上角的執行歷史。

新手最容易忽略執行歷史，但它是你之後除錯的唯一線索。

第二步：建立第一個情境

點 Create a new scenario，畫面中間會出現一個大加號。第一個模組永遠是觸發器（trigger），決定這個流程什麼時候啟動。觸發器分兩種：

• Instant（webhook）：對方服務主動通知你，秒級反應，不消耗輪詢的點數
• Scheduled（輪詢）：Make 定時去問「有新資料嗎」，每問一次就是一次執行

這裡是第一個省錢的關鍵。能用 webhook 就不要用輪詢。一個每 15 分鐘輪詢一次的情境，一個月光是「去問」就跑了 2,880 次；改成 webhook，只有真的有事情發生時才動。

第三步：串接後續模組

點觸發器右邊的加號加下一個模組。這時候會看到 Make 最好用的功能：資料對應。點任何一個欄位，上方會跳出前面模組回傳的所有資料，直接點選就完成對應，不用打變數名稱。

實際做一個例子——「Google 表單有新回覆時，在 Notion 建立一頁並通知 Slack」：

1. 觸發器：Google Forms > Watch Responses
2. 模組二：Notion > Create a Database Item，標題對應到表單的姓名欄位
3. 模組三：Slack > Create a Message，訊息內容寫「新報名：{{姓名}}，已建檔」

三個模組，跑一次三點。

第四步：加上判斷與分支

在兩個模組之間的線上點一下，可以加 Filter（過濾器）。例如只有當表單裡的「預算」大於一萬時才通知業務，其他的直接歸檔。

要做多重分支就用 Router（路由器）：一個進來、多條出去，每條路各自設條件。這是 Make 比 Zapier 強的地方，複雜的商業邏輯一張圖就講完了。

第五步：測試與上線

按左下角 Run once 手動跑一次，每個模組上會出現一個泡泡顯示這次流過的資料。確認無誤後，把左下角的開關打開，並設定排程。

上線前一定要做的一件事：在情境設定裡打開 error handler。沒設錯誤處理的話，一個模組失敗整條流程就停了，而你可能三天後才發現。實務做法是加一個 Slack 或 Email 的錯誤通知路徑。

進階技巧

Iterator 與 Aggregator：處理陣列

當上一步回傳的是一批資料（例如十筆訂單），用 Iterator 把它拆成十次個別處理，處理完再用 Aggregator 收回成一包。

但要注意：拆成十次就是十次模組執行，點數也是十倍。這是點數暴衝最常見的原因。如果只是要把十筆資料寫成一份摘要，用 Text Aggregator 一次處理會便宜很多。

用 HTTP 模組接沒有的服務

清單裡找不到的服務，用 HTTP > Make a request 自己接。台灣本土的服務（綠界、藍新、電子發票 API）大多是這樣接的。需要準備的是對方的 API 文件、端點網址與驗證方式。

Data Store：跨執行記住東西

Make 的情境每次執行都是獨立的，要記住「上次處理到哪」就得用 Data Store。常見用途是去重——先查這筆訂單編號有沒有處理過，沒有才繼續。

AI Agents 與 Maia

2026 年的新東西。傳統情境是你把每一步都畫好，AI Agent 則是你給它目標與可用的工具，它自己決定順序。Maia 是內建的 AI 建構助手，你用自然語言描述要什麼，它幫你組出情境骨架。

實際用起來的心得：Maia 生出來的東西當草稿很好用，可以省掉找模組、對應欄位的時間，但幾乎都要手動修。AI Agent 則適合「每次情況不一樣」的任務，例如客服信件分類回覆；固定流程還是老老實實畫情境，可預測性高很多。

要用 AI Agents 有兩個前提：付費方案（最低 Core 每月 9 美元），以及自備 LLM 的 API 金鑰——那筆模型費用是另外算的，不含在 Make 的點數裡。

注意事項：那些會讓你帳單暴衝的地方

方案怎麼選。2026 年的五個方案是 Free（1,000 點）、Core（9 美元／10,000 點）、Pro（16 美元）、Teams（29 美元）、Enterprise（洽詢）。多數個人與小團隊在 Core 或 Pro 就夠。免費方案的用途應該是「驗證流程可行」，不是拿來營運。

點數不等於執行次數。一次模組執行是一點，所以五個模組的流程跑一次是五點。加上 Iterator 拆解，數字會很快。上線前先手動算一遍：模組數 × 每天執行次數 × 30。

別把排程設太密。「每分鐘檢查一次」聽起來很即時，實際上多數場景每 15 分鐘甚至每小時就夠了。真的需要即時就改用 webhook。

資料經過第三方。Make 的伺服器在歐洲與美國，你的客戶資料會經過那裡。涉及個資的流程，要確認符合公司政策與個資法的委外處理規範，敏感欄位建議在進入 Make 前就先遮罩。

用 Make Grid 看全貌。當情境變多之後，Make Grid 可以視覺化呈現所有情境、應用、資料存放區之間的關係，找出誰在吃點數、哪些流程互相依賴。團隊使用時這個功能很關鍵。

該用 Make 還是別的？

如果你的流程很簡單、要串的服務很冷門，Zapier 的整合數量與上手速度仍有優勢。如果你有工程能力、想要完全掌控且不想付月費，n8n 可以自架，長期成本最低但要自己維運。如果你要的是會自己判斷的代理而非固定流程，可以看看 Skydive 這類新一代的雲端代理平台。

Make 的甜蜜點是：流程有一定複雜度、量中等、團隊裡沒有工程師但有願意動手的人。這在台灣中小企業非常常見。

想找更多自動化情境的靈感，可以看 AI 自動化完整指南，或到 任務頁 找你想做的事對應哪些工具。

TheAI學院評語

我自己用 Make 大概三年，最大的心得是：自動化真正的成本不是月費，是你沒想清楚的流程設計。那位台中的電商老闆後來把訂單流程接起來了，每天省四十分鐘，一個月付 9 美元。但他第一版流程因為排程設每 5 分鐘一次，第一個月就把點數燒光——問題不在工具，在沒人告訴他輪詢會計費。

所以我的建議一直是：先用免費方案把流程跑通，手動算一次點數，再決定買哪個方案。不要反過來。

評語：Make 是台灣中小企業最容易上手的自動化工具，但請務必在上線前手動算一次點數——這一步能省下你之後 80% 的困惑。

給台灣讀者的具體建議：第一週先做一個「表單進來自動建檔並通知」的簡單流程，跑一週看點數消耗。確認邏輯之後再往電商訂單、客戶資料這些高價值流程擴張。千萬不要一開始就把公司最重要的流程搬上去。

資料來源

• Make 官方網站與方案說明
• Zapier：Make.com pricing 分析（2026）

依公開資訊整理，方案內容與計費方式以官方公告為準。