Make.com + Ertas

将 Make.com 自动化场景连接到 Ertas 训练的本地模型，取代昂贵的云 AI API，消除按 token 计费的同时保持现有工作流逻辑不变。

Overview

Make.com（前身为 Integromat）已经确立了其作为领先的无代码自动化平台的地位，为各种规模的企业驱动数十万个场景。AI 代理机构尤其依赖 Make.com 来编排复杂的工作流——从 CRM 中提取数据、处理文档、生成内容，以及将输出路由到下游工具。其可视化场景构建器让非开发者也能使用，同时对于复杂的多步骤自动化来说足够强大。

对于大规模运行 AI 驱动场景的代理机构来说，挑战在于成本。Make.com 场景中的每个 AI 步骤通常会调用 OpenAI 或 Anthropic 等云 API，在数百次日常执行中快速累积按 token 计费。一个每天处理 500 个请求的内容生成场景很容易每月产生数千美元的 API 费用。更糟的是，云提供商的速率限制可能在高峰时段限制高流量场景，导致执行延迟和需要手动干预的失败运行。

How Ertas Integrates

Ertas 通过让您训练在自己基础设施上运行的专用模型，弥合了无代码自动化和经济高效 AI 之间的差距。使用 Ertas Studio，您针对特定用例微调模型——无论是客户邮件分类、产品描述生成还是潜在客户评分——并将其导出为 GGUF 文件。通过 Ollama 将模型部署到任何服务器或本地机器上，您立即拥有一个兼容 OpenAI 的 API 端点，可以接收来自 Make.com 的请求。

集成无需更改您现有的场景逻辑。Make.com 的 HTTP 模块可以调用任何 REST 端点，因此您只需将云 API URL 替换为您的本地 Ollama 地址。请求和响应格式与 OpenAI 聊天补全规范匹配，这意味着您现有的 JSON 模板、响应解析和错误处理都继续以相同方式工作。唯一的区别是推理现在在您控制的硬件上运行，无论处理多少 token，月度成本固定。

Getting Started

1
在 Ertas Studio 中微调您的模型
上传您的训练数据——之前的 AI 输出、精选示例或领域特定文档——并在 Ertas Studio 中配置微调作业。选择适合您用例的基础模型并设置训练参数。
2
以 GGUF 格式导出模型
训练完成后，以 GGUF 文件格式下载微调模型，选择平衡您硬件质量和速度的量化级别。Ertas 提供用于 Ollama 部署的配套 Modelfile。
3
使用 Ollama 部署
使用提供的 Modelfile 将模型注册到 Ollama 并启动推理服务器。兼容 OpenAI 的 API 将在端口 11434 上可用，准备接受聊天补全请求。
4
配置 Make.com HTTP 模块
在您的 Make.com 场景中，添加或更新 HTTP 模块以指向您的 Ollama 端点。设置 URL 为您的服务器地址，配置 JSON 请求体包含模型名称和消息数组，并将场景变量映射到提示中。
5
测试并激活场景
在测试模式下运行场景以验证响应是否符合预期。将输出质量与之前的云 API 结果进行比较，然后激活场景用于生产环境。监控执行日志以发现任何格式差异。

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 模块配置，指向提供 Ertas 训练模型服务的本地 Ollama 端点。{{1.email_body}} 占位符映射到前一个模块的输出。