Make.com + Ertas

將 Make.com 自動化場景連接到 Ertas 訓練的本地模型，而非昂貴的雲端 AI API，消除按令牌成本同時保持現有工作流程邏輯不變。

Overview

Make.com（前身為 Integromat）已確立自己作為領先的無代碼自動化平台的地位，為各種規模的企業驅動數十萬個場景。AI 代理商尤其依賴 Make.com 來協調複雜的工作流程——從 CRM 提取資料、處理文件、生成內容並將輸出路由到下游工具。其視覺化場景建構器讓非開發者也能使用，同時對需要自訂程式碼的複雜多步驟自動化保持足夠的能力。

對於大規模運行 AI 驅動場景的代理商來說，挑戰在於成本。Make.com 場景中的每個 AI 步驟通常會呼叫 OpenAI 或 Anthropic 等雲端 API，產生按令牌收費，在每天數百次執行中迅速累積。一個每天處理 500 個請求的單一內容生成場景可能輕鬆累積數千美元的每月 API 費用。更糟的是，雲端提供者的速率限制可能在高峰時段限制高量場景，導致執行延遲和需要手動干預的失敗運行。

How Ertas Integrates

Ertas 透過讓您訓練在自己基礎設施上運行的專用模型，彌合了無代碼自動化和經濟高效 AI 之間的差距。使用 Ertas Studio，您可以針對特定使用場景微調模型——無論是客戶郵件分類、產品描述生成還是線索評分——並將其匯出為 GGUF 檔案。透過 Ollama 在任何伺服器或本地機器上部署模型，您立即擁有準備接收 Make.com 請求的 OpenAI 相容 API 端點。

此整合不需要更改您現有的場景邏輯。Make.com 的 HTTP 模組可以呼叫任何 REST 端點，因此您只需將雲端 API URL 替換為您本地的 Ollama 位址。請求和回應格式匹配 OpenAI 聊天完成規範，這意味著您現有的 JSON 範本、回應解析和錯誤處理都繼續以完全相同的方式運作。唯一的區別是推理現在在您控制的硬體上運行，每月固定成本，無論您處理多少令牌。

Getting Started

1
在 Ertas Studio 中微調您的模型
上傳您的訓練資料——先前的 AI 輸出、精選範例或領域特定文件——並在 Ertas Studio 中設定微調作業。選擇適合您使用場景的基礎模型並設定訓練參數。
2
以 GGUF 格式匯出模型
訓練完成後，以 GGUF 檔案格式下載微調模型，選擇平衡品質和速度的量化級別。Ertas 提供附帶的 Modelfile 用於 Ollama 部署。
3
使用 Ollama 部署
使用提供的 Modelfile 在 Ollama 中註冊模型並啟動推理伺服器。OpenAI 相容 API 將在 11434 連接埠可用，準備接受聊天完成請求。
4
設定 Make.com HTTP 模組
在您的 Make.com 場景中，新增或更新 HTTP 模組以指向您的 Ollama 端點。設定 URL 為您的伺服器位址，使用模型名稱和訊息陣列設定 JSON 請求主體，並將場景變數映射到提示中。
5
測試並啟動場景
在測試模式下運行場景以驗證回應是否符合預期。將輸出品質與先前的雲端 API 結果進行比較，然後啟動場景用於生產。監控執行日誌以發現任何格式差異。

json

{
  "url": "http://your-server:11434/v1/chat/completions",
  "method": "POST",
  "headers": {
    "Content-Type": "application/json"
  },
  "body": {
    "model": "my-ertas-model",
    "messages": [
      {
        "role": "system",
        "content": "You are a customer support classifier."
      },
      {
        "role": "user",
        "content": "{{1.email_body}}"
      }
    ],
    "temperature": 0.3,
    "max_tokens": 256
  }
}

Make.com HTTP 模組設定，指向服務 Ertas 訓練模型的本地 Ollama 端點。{{1.email_body}} 佔位符映射到前一個模組的輸出。