自动化平台

构建并验证小型Zapier AI自动化流程

使用测试数据、可见的失败情况、源链接以及人工审核环节，构建一个低风险的Zapier工作流，然后再让其处理真实内容。

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 Agent：端到端的线索分诊工作流

一套基于官方文档的n8n潜在客户分流设计：验证输入、限制智能体可用工具、验证结构化输出、以原子方式保存提案，并把所有直接影响客户的操作放在审批之后。

此主题下的更多内容

Hermes Agent：它是什么、不是什么，何时该用

清晰梳理 Nous Research 的 Hermes Agent：持久记忆、技能、工具与消息网关，并说明何时聊天机器人已经够用，何时需要智能体运行时。

Hermes Agent 第一周：记忆管理、技能与工具审批

Hermes Agent 的安全第一周设置：安装并完成冒烟测试，整理 MEMORY.md 与 USER.md，添加一个技能，限制文件写入范围，并禁用或隔离 shell 访问。

Hermes vs n8n：按任务选择（以及何时同时使用两者）

Hermes Agent 与 n8n 的决策框架：确定性工作流管道留在 n8n，边界明确的智能体工作则通过使用 Bearer 认证的 Hermes API 步骤，或独立的事件 webhook 路径处理。

Hermes Webhook：无需巨型万能提示的事件驱动智能体

使用符合事件来源要求的身份验证、8644 端口健康检查和小型命名路由配置 Hermes Agent webhook，让事件触发目标明确、交付位置清楚的智能体运行。

n8n AI 节点的幂等性、重试与人工审批关卡

AI 节点的失败方式不同于 CRUD API。为 n8n 设计重试、幂等键、人工参与的审批关卡与日志，避免不稳定的模型调用重复发送邮件或跳过审核。

n8n → Hermes：选择 API 调用还是事件 Webhook

将确定性的状态管理留在 n8n：当 n8n 需要智能体结果时调用 Hermes API；当一个事件应触发 Hermes 按配置完成交付时，则使用 webhook 适配器。

从 n8n 调用 vLLM 及其他 OpenAI 兼容端点

通过 n8n 的 HTTP Request 节点调用本地 OpenAI 兼容的 /v1/chat/completions 端点，并明确配置身份验证、超时预算、base URL 检查和私有网络边界。

OpenClaw 个人网关设置：安装、初始配置与控制台

OpenClaw 是什么、如何安装并完成自托管多渠道网关的初始配置、在 18789 端口打开 Control UI，以及支持哪些 Node 版本，同时不跳过安全基线。

OpenClaw 技能、心跳自治与审批关卡

了解 OpenClaw 如何加载技能、心跳周期性轮次如何运行、如何限制主机 shell 执行，以及如何通过严格的浏览器策略和经过审查的工作流确认来约束浏览器自动化。

OpenClaw vs Hermes：按任务选择，而非按品牌

OpenClaw 与 Hermes 都是可自托管且功能有所重叠的智能体系统，但各有不同的运维优势。选择其中一个或同时采用两者之前，应比较渠道路由、webhook、工具和自动化边界。

实验性双 DGX Spark + DeepSeek-V4-Flash + n8n + Hermes 栈

如何评估面向 DeepSeek-V4-Flash 的实验性社区双 DGX Spark 路径：用 n8n 处理确定性流程，用 Hermes 处理需要判断的流程。

当机器能完成更多工作时，工作的尊严

面向中小企业领导者的实用岗位再设计评估：在宣称自动化成功前，审视员工参与、保留的判断权、技能发展路径、工作负荷、监控与申诉机制。

自动化团队部分工作时，该告诉他们什么

自动化项目的实务沟通顺序：在决策固化前说什么、哪些承诺建立信任，以及管理者不该许下哪些承诺。

该删除的自动化：维护成本与静默失败

一套实务审计，用于决定哪些自动化该保留、修复、简化或退役——涵盖所有权、故障、隐性审核工作与静默失败风险。

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。

自研还是采购 AI 系统：实用决策框架

使用相同的需求、否决门槛、代表性试用和总成本模型，对比采购、配置、扩展、自研和自托管方案。

客户流程中的语音智能体：适用场景与失效之处

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、测试和分阶段实施。

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。

设计AI客户支持智能体：分诊、知识、操作与升级

一种经过队列评估的参考设计，涵盖支持分诊、检索、回复起草、受控操作和人工升级，并说明安全试点所需的政策与测量边界。

会议AI：转录、摘要和待办事项

一套使用AI记录会议的现实工作流程：选择获准的数据路径，审核转录文本，再把明确证据整理为决策和后续行动。

AI 营销技术栈：内容、SEO 与社交，辅以人工审核

一组可供评估的AI辅助营销工作流，涵盖获准研究、有来源的起草、SEO审核、内容改编、人工发布批准和结果测量；上线前还需进行与司法辖区相符的法律检查。

AI 销售技术栈：线索信息补充、个性化与规模化跟进

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。

使用 AI 构建持续更新的简报或电子通讯

构建一份每日或每周自动简报：来源可追溯、采集遵守权限、质量检查明确，并具备维护循环。

浏览器智能体与计算机使用：它们今天真正能做什么

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

构建并评估一个范围明确、基于文档的助手。比较托管笔记本、项目工作区和可配置检索，同时不削弱来源追踪或权限控制。

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。

安全地将 AI 连接到电子邮件、日历和 CRM 系统

一份基于风险的指南：以最小权限、审批关卡、受保护的审计证据、负向测试与恢复路径，把AI连接到电子邮件、日历和CRM。

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，同时不把收件箱权限交给未经批准的工具，也不让工具未经检查就发送邮件。

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

长期运行的智能体需要一套责任明确的持久化设计，涵盖来源、确认、租户隔离、检索测试、保留、更正和可验证删除。

多模型编排：按成本、延迟和质量进行路由

把不同任务路由到不同模型可能降低成本或延迟，但只有针对实际工作负载的评估才能说明新增复杂性是否值得。本文介绍相关模式、测量方法和失败方式。

构建可复用的提示词库：从文本片段到共享模板

当同一项AI辅助任务反复出现时，提示词库可以让工作流更易复现和评估。本文介绍一套采集、测试、版本管理和共享模板的实用体系。

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. 这套n8n工作流连接帮助台产品，基于检索到的材料起草回复，并把已解决工单转化为候选知识库内容。采用这种摄取模式前，应增加人工批准，删除个人数据和秘密信息，保留来源工单与内容版本作为来源记录，并使用留出的工单集开展检索评估。

231 分钟

如何构建并销售AI智能体：终极新手指南

Liam Ottley. 课程讲解基于RAG的聊天机器人、升级逻辑，以及使用Botpress、Voiceflow、Make和n8n等工具构建的无代码技术栈。其中的“智能体构成”部分提供了一个具体实现，可与文章中的分诊→证据→拟议操作→政策关卡→移交职责进行比较。

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。