自动化平台

你的第一个无代码自动化：20分钟上手Zapier + AI

用二十分钟构建第一个实用的AI自动化。本文将带你用Zapier实现由AI自动汇总新邮件并发送到Slack，还会介绍另外四种可直接套用的模式，以及由此通往智能体领域的路径。

n8n、Zapier与Make对比：选择合适的自动化技术栈

坦诚比较2026年用于AI工作流的三大自动化平台。了解各平台擅长什么、局限在哪里，以及如何运用决策规则做出不后悔的选择。

在n8n中构建你的第一个AI智能体：端到端的潜在客户分流工作流

完整演示如何在n8n中构建一个真正可用的AI智能体——接收潜在客户后进行分流、信息补充、评分和转交。涵盖每个节点、每段提示词和每个常见陷阱。

此主题下的更多内容

8 分钟阅读

The dignity of work when machines can do more of it

A practical job-redesign assessment for SME leaders: examine worker voice, retained judgement, skill paths, workload, monitoring, and appeal before declaring an automation successful.

8 分钟阅读

What to tell your team when you automate part of their job

A practical communication sequence for automation projects: what to say before the decision hardens, which commitments build trust, and which promises managers should not make.

7 分钟阅读

The automation you should delete: maintenance cost and quiet failure

A practical audit for deciding which automations to keep, repair, simplify, or retire — including ownership, breakage, hidden review work, and silent-failure risk.

17 分钟

12要素智能体：可靠LLM应用的模式——Dex Horthy，HumanLayer

AI Engineer. Dex Horthy解释了为何可靠的智能体系统主要是在少量LLM调用周围构建纪律严明的软件：掌控提示词、掌控上下文窗口、让控制流保持确定性，并在工作流需要人工判断时通过工具调用联系人。这与文章中的审批、异常处理和升级模式直接对应。

18 分钟

AWS re:Invent 2025——为多智能体AI系统实现人在回路控制（CNS428）

AWS Events. 这场闪电演讲明确指出业务中需要人工控制的时刻：高风险决策、不可逆操作、监管要求、建立信任的阶段、模糊的边缘案例以及优雅降级。它还展示了具体实现机制，例如MCP信息征询、Step Functions回调等待和审批节点。

6 分钟

AI语音智能体：工作原理及其声音逼真的原因

CX Foundation. 视频将语音智能体拆解为一条实用流水线：语音识别、语言模型、业务系统API、文本转语音和中断处理。在你选择Twilio、Retell、Vapi、LiveKit或其他平台前，这能为文章中的上线框架奠定具体的技术基础。

AI系统自研与采购：实用决策框架

大多数团队应在自研前优先考虑采购，但并非总是如此。一个关于AI工具、工作流自动化、RAG、代理、隐私、集成深度、总拥有成本和战略差异的决策框架。

AI工作流中的人在回路设计模式

人工审核并不是含糊的安全保障。本文提供一份实用指南，帮助你确定在AI工作流中，哪些事项应由人工审批、抽查、审计、升级处理，或绝不交由AI完成。

客户流程中的语音智能体：适用场景与失效边界

当流程边界明确、数据可用且回退机制顺畅时，语音智能体能够发挥作用。本指南提供一套实用的决策框架，涵盖Twilio/Retell式系统、披露、转接、测试和分阶段落地。

LangGraph、CrewAI还是直接调用API：2026年如何选择智能体框架

2026年的智能体框架生态比以往成熟，却依然没有明确的统一选择。LangGraph、CrewAI、Pydantic AI、OpenAI Agents SDK和直接调用API各自适合一部分团队和项目，但没有一种方案适用于所有情况。本文将如实比较这些方案，并提供一套决策框架。

13 分钟阅读

如何设计不会无限循环的智能体

生产环境中最常见的智能体故障，是陷入无限或近乎无限的循环：智能体不断重试、转向分支，消耗大量token，却没有取得进展。本文介绍如何通过架构设计避免这类问题，让智能体即使面对困难任务也能正常结束。

能解决70%工单的AI客户支持智能体

一种切实可行的AI客户支持智能体设计：解决常见问题，将疑难问题升级给人工，同时避免犯下登上Hacker News的那类错误。本文涵盖架构、提示词和防护措施。

7 分钟阅读

用AI处理会议：转录、摘要与行动事项

一套用AI记录会议的实用工作流程：该用哪种工具、它擅长和不擅长捕捉什么，以及如何用一条提示词把会议转录变成真正的决策和后续事项。

AI营销技术栈：让内容、SEO和社交媒体自动运转

一套覆盖内容、SEO和社交媒体的实用端到端AI营销技术栈——包括工具、工作流、提示词，以及区分真正自动化与垃圾内容的执行纪律。专为单人团队和小型团队设计，而非大型企业。

AI销售技术栈：规模化完成潜在客户信息补全、个性化与跟进

一套实用的AI销售技术栈，可处理研究、个性化、触达序列和跟进，同时避免沦为人人都会删除的垃圾信息。本文介绍区分有效触达与恼人骚扰的架构、工具、提示词和防护措施。

用AI构建全天候简报或新闻通讯

自动发送到收件箱、而且内容确实值得阅读的每日简报或新闻通讯，是最具杠杆效应的AI构建项目之一。本文将介绍其架构、提示词，以及让它持续发挥价值所需的规范。

浏览器智能体与计算机使用：如今究竟能做什么

浏览器智能体和计算机使用AI承诺能像你一样操作计算机。2026年的现实比演示看起来更实用，也更受限制。本文将实事求是地介绍哪些方法可行、哪些不可行，以及适合应用它们的场景。

构建个人RAG：与自己的文档对话（无需代码）

无需代码，不到一小时即可构建基于自己文档的对话工具。本文介绍2026年值得使用的三种无代码方案、各自的取舍，以及实用RAG与令人沮丧的RAG之间的关键差异。

12 分钟阅读

生产环境中的计算机操作与浏览器智能体

计算机操作与浏览器智能体的演示经常引发热议，但大规模生产部署呈现出另一番面貌：任务范围更窄、约束措施更多、用户体验设计更谨慎。本文介绍行之有效的模式、反复出现的故障，以及真实的成本效益。

如何安全地将AI连接到电子邮件、日历和CRM

将AI连接到实际使用的工具——电子邮件、日历、CRM——既能释放生产力，也会带来风险。本指南介绍2026年行之有效的集成、安全模式，以及不应逾越的界限。

8 分钟阅读

用AI实现收件箱清零：一套切实可行的邮件工作流程

一套实用且可重复的系统，用AI分类、起草和催办电子邮件，无须开发人员、自动化工具构建者或生产力专家。

面向非工程师的MCP：将Claude或Cursor连接到你的工具

MCP是将AI连接到工具的新标准。无需亲自编写MCP，也能从中受益。这份面向非工程师的指南将说明MCP是什么、应安装哪些服务器，以及当AI真正能够执行操作后可以实现什么。

12 分钟阅读

为长期运行的智能体构建记忆系统

智能体需要上下文窗口之外的记忆。长期记忆架构——存储什么、何时检索、如何遗忘——决定了智能体是像真正“了解”你一样延续互动，还是每次对话都从零开始。本文介绍相关设计模式及其生产环境权衡。

多模型编排：按成本、延迟和质量进行路由

所有任务都使用同一个模型是新手做法。生产AI系统会将不同请求路由到不同模型——既节省60–90%的成本，又提高质量。本文将介绍其中的模式、路由逻辑和权衡。

构建可复用的提示词库：从文本片段到共享模板

当你开始认真使用AI后，就会一遍遍编写同一类提示词。本文介绍一套构建、组织和共享提示词库的实用体系，包括要记录什么、如何进行版本管理，以及应使用哪些基础设施。

190 分钟

LangGraph初学者完整课程：用Python构建复杂AI智能体

freeCodeCamp.org. 这是一份长篇代码跟练教程，逐步构建LangGraph的状态图、节点、边、条件路由、检查点和工具调用。完成后，你将对类型化状态和“每次状态转换都显式定义”的模型有足够直观的认识，文章对CrewAI和直接API代码的比较也就不再抽象。

66 分钟

CrewAI教程：初学者完整速成课

aiwithbrandon. 这是同类构建教程，但采用CrewAI的“角色—目标—背景故事”风格：把智能体视为团队成员，把任务视为交付物，由框架隐藏执行循环。建议看完LangGraph课程后立即观看；两者在框架替你做多少决定方面的鲜明对比，正是文章要求你权衡的重点。

15 分钟

我们如何构建高效智能体：Anthropic的Barry Zhang

AI Engineer. Barry Zhang提出三条规则：工作流能解决时就不要构建智能体；让循环尽可能简单；以及“像你的智能体一样思考”（置身于它的上下文窗口中，你会发现它在两张截图之间几乎是在摸黑决策）。这种简化思路和“这个任务是否真的值得使用智能体”检查清单，正是文章所倡导的工程纪律。

18 分钟

构建AI智能体的实用建议

Anthropic. 三位Anthropic工程师逐一讲解他们最常见到的陷阱：智能体不知道何时停止；不修复环境，却在系统提示中堆叠过多指令；以及根本没有必要采用的多智能体设计所带来的成本。建议紧接着Barry的演讲观看；你会从另一个角度认出同样的模式。

31 分钟

如何使用n8n构建AI客户支持智能体（免费模板）

Bart Slodyczka. 这是一个实用的n8n工作流，可以接入Zendesk、Gorgias或Freshdesk，使用基于RAG的答案回复工单，并将已解决工单反馈到知识库中。它是YouTube上与文章所述架构最接近的视频。

231 分钟

如何构建并销售AI智能体：终极新手指南

Liam Ottley. 客户支持智能体是Liam最擅长的用例，这门课程用了相当多的篇幅讲解基于RAG的聊天机器人、升级处理逻辑，以及他服务真实客户时使用的无代码技术栈（Botpress、Voiceflow、Make和n8n）。其中的“智能体构成”一节尤其值得关注，它与文章中的分流→回答→操作→移交结构几乎一一对应。

23 分钟

我用n8n构建了一个研究智能体团队，实现新闻简报自动化（无代码）

Nate Herk | AI Automation. 视频逐步展示了n8n中的一条顺序式多智能体新闻简报流水线——规划者、研究员、编辑和标题撰写者——它以主题和受众为输入，最终输出带有来源的新闻简报。观看次数低于通常的100k门槛，但在无代码构建多智能体新闻简报这一细分领域，它是目前YouTube上最清晰、最完整的教程，也与文章中的简报模式直接对应。

24 分钟

Operator与智能体简介

OpenAI. 这是Operator的实际发布演示。团队用它预订餐厅、购买杂货和活动门票，也展示了Operator如何因重定向而停滞，或遇到登录时将控制权交还给用户。这是了解浏览器智能体实际使用体验最清晰的材料：截屏与点击的循环、执行“有状态”操作前的确认，以及防范提示词注入的护栏——这些细节正是文章希望帮助你建立的合理预期。

2 分钟

Claude｜通过计算机使用功能编排任务

Anthropic. Anthropic用两分钟演示Claude如何通过直接操控桌面来规划一项涉及多个应用的小任务——搜索Web、查看Maps、添加日历邀请。它与下方Operator演示中仅使用云端浏览器的模式形成鲜明对比，也能帮助你直观验证文章的观点：计算机使用智能体最适合短小、边界清晰的事务，而不是开放式工作。

5 分钟

Claude接管了我的电脑

Fireship. 这是YouTube上对“截图—操作—截图”循环最清晰的短篇讲解，也如实展示了各种故障模式（Claude跑去查看Yellowstone、token消耗、每一步的延迟）。Fireship有意淡化了生产细节——这部分请阅读文章——但它能让你在将此类系统纳入技术栈前，正确理解它们为何成本高昂且十分脆弱。

8 分钟

Anthropic的Claude Computer Use带来重大变革｜YC Decoded

Y Combinator. Garry Tan讲解计算机操作真正改变了软件中哪些难以自动化的长尾场景：遗留应用、内部门户，以及任何没有API的系统。这里的论述正好对应文章中“浏览器是通用界面”的观点，并以更贴近商业现实的视角说明它最先能在哪些场景产生回报。

26 分钟

25分钟从零构建你的第一个AI智能体（无需编程）

Futurepedia. 视频从头开始，一次性构建出一个可运行的n8n智能体，并在过程中停下来解释智能体究竟是什么、它与线性工作流有何不同，以及应在何处设置防护边界。看完后，你会认出文章示意图中的每个节点，也会对合理的默认设置形成直观认识。

92 分钟

n8n大师课：构建AI智能体并实现工作流自动化（从入门到精通）

Nate Herk | AI Automation. Nate是专注n8n的从业者中观看次数最高的创作者之一，而这堂大师课比Futurepedia的入门教程更加深入——涵盖记忆、多智能体配置、错误处理和真实业务工作流。当你的潜在客户分流智能体已经正常运行，并希望进一步扩展时，可以观看这段视频。

30 分钟

如何使用Zapier：你需要掌握的基础知识

Tom Nassr | XRAY. 视频从头讲解Zap到底是什么、触发器与操作如何配合，并从零构建一个可用的Google Sheets → Slack自动化——这正是你在加入AI之前需要掌握的心智模型。视频还介绍了Zapier Tables、Interfaces和AI功能，让你了解这套工具包含哪些能力。

12 分钟

用Zapier AI Agents实现全面自动化（初学者分步指南）

Kevin Stratvert. 视频从零构建了一个智能体，用于检查Google Sheets中的逾期发票并通过Gmail发送提醒——其“AI读取一项内容，然后执行一项操作”的结构，与文章中的Gmail → AI → Slack方案相同。视频展示了触发器、计划任务、工具、使用真实数据进行测试，以及活动历史记录，恰好对应文章要求你在信任任何自动化之前逐项检查的清单。

7 分钟

智能体记忆（概念讲解）

LangChain. 这是一份简短的无代码讲解，介绍短期记忆与长期记忆的划分、长期记忆常见的三种形态（指令、资料、对象列表），以及决定何时写入时需要权衡关键路径与后台处理。文章的记忆架构章节采用的正是这套分类法。

44 分钟

为AI构建类脑记忆｜LLM智能体记忆系统

Adam Lucek. 这是一份更长的实现教程，将认知科学启发的类别——情景记忆、语义记忆、工作记忆和程序性记忆——通过代码接入智能体。如果你希望获得更具主张性的思维模型，以及一个可供借鉴的运行示例，值得在LangChain概念视频后继续观看。

19 分钟

详解每一种AI模型

Tina Huang. 视频按层级清晰梳理当前的模型格局——旗舰模型、轻量模型、中档模型和专用模型——并通过具体选择说明各层级真正适合哪些任务。这对应文章中“先了解选项，再进行路由”的一半内容；Huang对成本与能力的分析方式也与文章一致，没有依赖基准测试炒作。

9 分钟

RouteLLM达到GPT4o质量的90%，成本还降低80%

Matthew Berman. 视频逐步讲解LMSYS的RouteLLM论文和代码：在强弱模型组合前放置一个小型分类器，由它决定调用哪个模型，最终仅用一小部分成本达到强模型约95%的质量。观看次数低于通常的100k门槛，但对于“展示真实模型路由，而不仅仅比较模型”这一具体需求，它是YouTube上最清晰的讲解，也与文章中的质量/成本权衡章节直接对应。

10 分钟

n8n与Make对比：不要选错（2025）

Jack Roberts. 一位真正从事自动化构建的人员指出了实际决定选择的三项考量——原生AI智能体、自托管能力和每款工具的长期路线图——其中还包括他与Make的Applied AI负责人交流后，对Make发展方向的说明。这与文章“不要仅仅因为追逐闪亮的新事物而更换工具”的思路高度一致。