AI 工作流自动化的实战演示

我今天展示了一个强大的 AI 工作流，可以从主题到发布全自动完成内容创作和发布。这个工作流能够自动搜索资料、撰写高质量研究报告，并自动发布到博客、微信公众号、Medium 等多个平台。通过 Make 平台搭建的这套自动化流程，只需给定一个研究主题，点击开始，整个工作流就会自动完成从搜索到发布的全过程。这种自动化方式解决了大语言模型知识截止日期的限制，通过实时搜索最新资料来确保内容的准确性和时效性。

工作流的任务拆解与设计

我将整个工作流拆分为多个关键环节，每个环节解决特定问题。从目的出发，我首先明确了需要一个从内容采集到发布的全自动化流程。通过任务拆解，我将工作流分为几个主要部分：触发机制、搜索资料、AI 写作、配图、格式转换和发布。这种模块化设计使得工作流既能完整运行，又便于维护和优化。在实际操作中，我使用 Notion 数据库作为触发点，通过状态变化来启动整个流程，确保工作流能够有序地执行每一个步骤。

搜索与大纲生成环节

我使用 exa.ai 作为搜索工具，获取最新相关资料作为 AI 写作的基础。搜索结果会被聚合成一个文本，包含所有文章的 URL 和内容，并以 XML 标签区分不同文章，提供给 AI 模型作为参考资料。在大纲生成环节，我使用 OpenRouter 平台的 Claude 模型创建包含主标题、二级标题和图片占位符的详细结构。通过正则表达式，我从大纲中提取图片描述，然后使用 ChatGPT 的 DALL·E 功能生成相应图片。这种方法确保了文章结构清晰且配有相关图片，提升了内容质量。

文章撰写与微信发布

我采用”先写大纲再写文章”的两步法，确保 AI 生成的内容质量更高。使用 DeepSeek 模型根据大纲、搜索资料和图片信息撰写完整文章，输出为 Markdown 格式。为了适应微信公众号的特殊要求，我将所有图片上传到微信平台获取 Media ID，并将 Markdown 文本转换为微信支持的 HTML 格式。在整个过程中，我特别注重引用和来源标注，保持内容的可信度和道德底线。最终，工作流自动将文章发布到微信公众号，并在 Notion 中保存原始 Markdown 文本作为备份。

工作流优化与思维方法

我认为工作流的优化不仅是技术层面，更是思维方式的提升。一个明显的优化空间是将工作流拆分为”内容创作”和”平台发布”两个独立模块，增加灵活性和可维护性。更重要的是，掌握工作流背后的思维逻辑比学会特定工具更有价值。通过建立成熟的思维体系，我们可以不依赖于特定工具，而是快速适应和掌握各种平台。这种解决问题的思维方式和快速学习能力，才是 AI 自动化真正的核心竞争力。

核心观点

关键洞见

AI 工作流的真正价值不在于自动化本身，而在于它如何重塑我们的工作方式——从机械执行转变为战略思考。当我们将重复性任务交给自动化系统处理时，我们不仅释放了时间，更重要的是转变了思维模式，从关注”如何做”到思考”为什么做”和”做什么”。这种思维提升才是 AI 工作流带来的最大价值，它使我们能够专注于创造性工作和战略决策，而这恰恰是 AI 难以替代的人类核心竞争力。

构建从 Notion 触发到微信公众号发布的全自动内容工作流

AI 自动化工作流的强大能力展示

给你们看一个真正的黑科技。
最近 Manus 和 DeepResearch 这些 AI 产品火遍全网。
今天我就给大家展示一下，我们用 Make 做出来的工作流版的 Manus 和 DeepResearch。
只要你给一个研究主题，一键点击开始，整个工作流就会自动的上网搜索，撰写高质量的研究报告，并且自动的发布到博客、微信公众号、Medium、Twitter 等等各种各样的平台。
你们可以看一下文章质量。

这是发布在 WordPress 上的博客的效果，完整的参考文献的链接。
这是发布在 Medium 上面的效果。
然后微信公众号的效果。

嘿，你好。
欢迎回到 Axton。
刚刚展示的完整的工作流，下一期视频，我会给大家详细的讲解操作过程和它的惊艳的效果。
而今天这期视频，我就先手把手的教大家如何来快速的实现，也就是如何通过自动搜索，然后 AI 撰写文章，自动配图，并且发布到微信的公众号。

我们今天的讲解结构，就是首先我们要从目的，明确目的来开始，我们要做的，我们到底要实现的是什么。然后我们如何去分解任务，做任务拆解。最后根据我们拆解的任务的步骤，来去设计和实现整个的工作流。完成之后我们再看工作流，它还有哪些的优化空间。
好，我们现在开始。

工作流的目标设定与任务拆解

好。
首先我们要从我们的目的开始，我们到底要用这个工作流来做什么。
那目的呢，我们可以从最初时的一个小的想法开始，然后把其中的一些缺失的环节再给它补齐。
比如假设我们最初的目的呢，我们就是想要一个从内容采集，到发布到微信公众号的一个全自动化的流程。
那么可能我们首先会想到的最简单的办法呢，就是我们把一个热点的主题，让他写文章，写完发布到微信公众号。
那这样的流程，它会存在什么样的问题呢？
那最典型的问题，就是大模型，它的知识库是有截止日期的。比如它的截止日期，如果是 24 年的 12 月份的话，你去让他写 Manus 的文章，他是不知道最新信息的。所以他写出来的文章，也就是垃圾文章。
那我们就需要想到，这个环节，我们是需要有一定的措施，来补其他的。
那这个措施呢，就是我们要去搜索，去搜索最新的文章，把这些文章作为素材交给 AI，他才能写出一些内容准确的文章来。

所以我们这整个一个微信发布的，一个简化的工作流，它包括了这么几个部分。我们可以给大家看一下。
它实际上就包括了这么几个部分：
第一个首先整个流程，通过什么方式来触发。
然后我们就要去搜索资料，要根据你的主题去网上去搜索，最新的一些相关资料。
有了资料之后，和主题内容交给 AI，去让他去写文章。
同时为了让文章看起来好看一些，我们还需要给文章做一些配图。这些图片我们也需要上传到微信的公众号平台，因为微信的公众号平台，它是不支持外链图片的。所以这就是特殊的平台，它有特殊的要求。
最后我们写出来的文章，还要按照微信公众号平台的格式，进行转换，保证它在公众号的平台上，看起来是正常的，不会出错。
最后一个环节就比较简单了，一切准备就绪，我们只需要把它发布，然后做成档就可以了。

好。
我们就来看一下我们实际的工作流。
这整个工作流的触发，就是来自于 Notion 的数据库，内容发布管理的这么一个演示的数据库。
假设我们就给它一个主题，Make.AI 的功能有哪些。
内容类型，我们就选择一个主题驱动，它会不同的内容有不同的处理方式。
好，我们就是一个主题驱动。
之后很简单，我们只要把状态改成等待生成，就可以了。
Notion 这边的任务就完成了。
然后工作流这边，我们就可以让它去定时运行，去检查 Notion 数据库的改动。如果发现 Notion 数据库有变化的话，而且状态是等待生成，它就会把这条记录拿去，进行文章的写作。
更简单的方法，就是在 Notion 这边，就可以直接触发工作流。比如 Notion 的自动化功能，它就可以通过 Webhook 来触发工作流。但是这是 Notion 的收费功能，而且会涉及到多余一步的 Webhook 的操作。我们就让工作流去定时检测就可以了。一般你写文章也不会急到，让它实时的去做这个事情。

现在我们就点击让它运行一次，我们来看看它的整个的流程的过程。
整个过程它的动作是比较快的，因为这是做演示，所以中间的各种参数设置就比较小。
这边文章的配图，我是直接让 ChatGPT 的 DALL·E 去画的图。你可以去网上去下载一些免费的，无版权的图片来做配图是可以的。你也可以通过谷歌搜索图片搜索，搜索到的一些图片作为配图。但是搜索图片的时候，你需要注意版权的问题。最安全的方式就是我们直接用 AI 来画图，也不涉及到任何的版权问题。
好，这边我们可以看，我们再用 DeepSeek 来写文章。
为了保证文章的效果，实际上这边写文章我是分了两步的。第一步是先写大纲，然后再写文章。这种方式写出来的文章的质量，会比你直接让他从 0 开始写一篇文章，效果要好一些。
好，文章写完，然后这一步就是转换格式的工作。因为写文章的过程，我们是让他输出的是 Markdown 的格式，这种格式我们需要转换成微信公众号支持的 HTML。因为微信公众号平台，它对 HTML 的要求非常的严格，所以需要一些转换工作。
在整个的流程过程当中，我们就需要去区分，哪些事情是可以让 AI 来做的，哪些事情是需要我们自己来做的。把这些事情分辨清楚之后，实际上我们的工作流的结构，也会比较清晰，整个的效率也会比较高。

好，已经完成了。
我们可以来简单看一下效果。整体的完整的工作流的效果。
但是我们的目的呢，主要是为了完成一个完整的，可以工作的工作流。
好，微信公众号的已发布，这边就已经发布了。我们看一下发布的内容。
好，这就是它发布之后的一个文章，有主要的格式、配图等等。
文章会比较短，因为这是简化版的工作流。它相比起完整的工作流，出来的内容要短很多。
对，这是完整的工作流的长度。
因为为了速度快，首先模型用的就是 DeepSeek 的 V3，还没有用到它的推理模型。而且查询的内容也比较少，所以它最后出来的结果会比较短，内容比较少。但是我们的整个工作流是没有问题，可以完全跑通的。
最后我们还在 Notion 里面留了个原文备份。比如刚才这边的状态也成了已发布，我们点开可以看一下，这边就有生成的 Markdown 格式的生成的文章，作为一个备份。当然你要不想留这个中间过程的话，你也可以不要这一步。

手把手构建自动化内容工作流

好，下面我就带大家一步一步的实现，这整个的工作流。
好，这个演示的方法呢，我就把窗口啊，浏览器窗口拆分成两部分。那下面呢，就是已经做好的完整的工作流。上面我们就重新开始，带大家手把手的做一遍。
那这样呢，一方面方便我来拷贝，这些已经配置好的内容。另外大家也可以很清楚的看到，我们现在已经进行到哪一步了。

从 Notion 触发工作流

好，首先既然我们要从 Notion 来触发，Notion 的模块来监视这个 Notion 这边的改动。
那这样呢，我们首先就需要添加一个 Notion，Notion 的 App。
然后呢，我们需要选择它其中的监视数据库项目的这个模块。那这样每当这个数据库的项目进行新的创建，或者有更新的时候呢，就会触发这个流程。
所以这边我们选的是 Watch database items。
好。
首先是连接建立 Connection 连接到 Notion 的连接，这个在之前的视频都有，我们就不重复了。
然后我们选择我们是通过什么条件来触发，是根据它的创建时间还是更新时间呢？我们可以选一个更新时间。
接下来输入 database 的 ID，我们直接用它的名称进行搜索就可以了。
好，这边我已经有现成的内容发布管理的 demo，我们进行搜索。
好，内容发布管理 demo。
然后一次我们它返回一条记录，一次我们就写一篇文章就 OK。
然后保存。
然后这时候它会让你去选，当这个 scenario 运行的时候，它从什么时间点开始取数据。那我们可以就选从现在开始。那么从现在开始，所有有变化的内容都会被监视到。
当然我们在制作工作流的时候，我们也可以选择用手工来挑选。
那这是我们需要先运行一下，看看配置的正常不正常。
那我们先去把这边去改一下。
好，还是这个。我们把它的状态，从已发布改成未开始。
OK，回来。
然后我们只运行这个模块。
OK，运行完之后，它这边就有数据出来，说明我们这个模块的配置是没有问题的。
那这边就是我们 Notion 数据库的属性，名称就是 Manus 的 AI 的功能有哪些。
好。
那这样我们这一步就 OK。

好，拿到了这个数据库的项目，接下来我们就要进行下一步工作了。
那这边就涉及到一个状态的判断。比如这条记录，我们只有在它的状态是某一个特定的值的时候，我们才去让它去开始写文章。
这边我设计的就是，当状态是等待生成的时候，整个工作流才会把它拿去，进行写文章的操作。
当我们取到了这条主题，我们要去写文章的时候，我们第一步应该做的是什么呢？
你可能想到我们第一步要做的，就是去搜索内容，然后去交给 AI 去开始写文章。
但是实际上是不是的。我们第一步要做的内容，是要把它的状态改掉。
因为你的判断条件是，当它等待生成的时候，我们就开始操作这条记录。
那首先改它的状态的目的呢，其实是一个保险操作，是为了防止你有其他的工作流，也在操作这个数据库。它也可能会根据状态做一些判断，避免冲突。
当然这一步不是必须的。

好，那接下来这边的第二个模块，同样也是一个 Notion 的 APP，它的功能就是用来，把状态从等待生成改成，在 AI 生成过程中。我们就知道这条记录，是 AI 正在生成的，你不要去打扰它。
那我们就在上面，同样添加一个 Notion 的模块。
那这边我们就是需要，update 一个 database item，就是我们需要去改一下，那个数据库。
那数据库还是一样的，同样的那个数据库。所以还是我们用同样的数据库。
那这边关键就是 database item 的 ID，我们是需要去改哪一条记录。那么自然就是我们前边的这个 Notion，就是这个 ID。
Make 这边，当我停留在某一个项目上的时候，这个项目所属的模块，就会在那跳动，我们就可以知道，我们到底在看的是哪一个模块。
好。
这边 database item id，我们只需要改状态，别的都不需要改。我们把状态改成 AI 生成中就可以了。
保存。

但是这边我们刚才也提到了，只有它的状态是处在等待生成的时候，我们才会到这个工作流里面来进行操作，进行撰写文章。
所以这边我们是需要加一个过滤条件的。
过滤条件就是，当你的状态的名称是等待生成，等待生成的时候，我才会走到下一步，才会真正的进入到这个工作流里边。
这边注意它的操作符，就是文本，这是一个文本的操作，它的文本等于 equal to，等于等待生成。
然后我们可以给这个过滤器起个名字，我们就写等待生成就可以。
好。
这样我们就把需要的数据库的项目来确定好了。

设置 Prompt 变量

那接下来的步骤呢，就是我们需要把后面这些模型啊，大语言模型，他们所需要的一些 prompt 呢，我们先把它写在一起，存在一个地方。这样呢，当以后我们需要调试 prompt 的时候呢，我们改起来就会比较方便。
所以我们这边就需要一个变量，设置一个变量的模块，用它这些变量来存储不同的 prompt。
那我们这边需要的就是一个，简单起见我把它直接 copy 过来。
好，我们看一下这个变量里面都有什么样的内容。
这里面我们定义了三个变量，一个是撰写大纲的 prompt，另外一个就是根据大纲来写文章的 prompt，以及我们要把 Markdown 的文章，转换成微信的 HTML 格式的 prompt。
三个变量我们在后面用起来，直接用变量名就可以就会方便很多。而修改 prompt 呢，我们直接在这一个地方进行修改，也来的比较方便。所以这就是用变量的好处。
那下面我给大家把这几个 prompt，简单的讲解一下。

好，首先我们来看生成大纲的 prompt。
那首先我们要要求它不要输出内容，我只需要标题和结构。那这个结构我们给它规定好结构，主标题，然后这边要有一个图片站位符，以及图片的描述。我们要根据图片的描述，在后面去让 ChatGPT 去 DALL·E，去生成图片。还有二级标题最多三个，每一个二级标题下面，给一个插图的占位符。相当于我们一个二级标题，需要一个插图。然后三级标题。
好，这边是主题。那我们要让他写文章，写大纲，肯定是要根据我们的主题来，不能让他随便写。那这个主题就来自于，我们 Notion 数据库当中的名称，这个字段。这边 name 名称。当然你也可以把这个 name 改成主题，这样看起来更舒服一些。
第一个 Notion 模块的，Name 变量的，Plain text。
在 Make 工作流当中，如果你需要用到 Notion 的字段值，你只需要它的文本的话，一般都选 Plain text 就可以了，不需要去折腾其他的，这些选项。
其他的就是具体的执行步骤了，生成标题，然后输出大纲结构。
这边的重点是我需要，定义一个占位符的格式。这样我在后面，我就可以根据占位符，直接把图片都取出来，就来得非常简单。
OK，这是大纲的 prompt。

然后我们再来看写文章的 prompt。
这个 prompt 的目的呢，就是首先你要根据你的大纲，和参考资料来撰写文章。你要遵循大纲的结构，然后内容章节呀，这些标题都按照 Markdown 的标记来进行写。还特别嘱咐了一句，不要使用项目符号。因为有些 AI 特别喜欢用项目符号列表来写，这样写出来的文章就看着比较怪。
那文章最后呢，用 Markdown 的格式列出所有的参考来源。然后告诉他参考来源的格式是什么。这是对参考文献列表的一个要求。
还有我们在文章当中也要求他，当你插入行内链接引用资料的时候，你的格式是什么。
那为什么我们要强调在文章当中，要有参考文献的列表，然后每个章节里面还要有引用链接呢？行内的引用链接呢？
因为即使我们使用了 AI 工作流，我们也要尽可能的标注好引用和来源，而不是简单的洗稿。如果能留个引用，也算是留一个道德底线。
我们接下来看我们的 prompt。
这个 prompt 当中还有关键的一点，就是我们对图片的处理。这边我们要说明用 Markdown 的图片语法，要替代掉所有的图片占位符。因为这个图片的占位符，是我们刚才看到的前面写大纲的 AI 生成的。我们需要他在写文章的时候，在大纲里面的占位符。
那图片的真实链接从哪里来呢？我们还需要提供一个，JSON 的数组。后面我们就会看到，我们如何的给这个 prompt，去提供一个真实的图片链接的信息。
OK，后面是长度的要求，还有最终输出以 Markdown 格式的文章，把它包裹在一个，XML 的标签当中。这样我们取起来会很方便，而且也避免了它，莫名其妙的会输出一些解释的话。
好，这是写文章的 prompt。

那最后一个 prompt，就是要把这个 Markdown 的文章，转换成微信公众号的 HTML 格式。
那这个就不用详细给大家说了，比较繁琐。
整个工作流包括所有的 prompt，我都会分享给我的社群的朋友们，大家可以通过描述栏当中的链接去领取。
好。
那现在相当于我们前期的准备工作都完成了。可以提取到 Notion 数据库的内容，然后所需要的 prompt，我们已经事先定义好，它直接拿来用就可以了。

搜索最新资料 (Exa.ai)

那接下来我们要做的呢，就是我们需要去根据主题的内容，去上网进行搜索，获得最新的一些文章资料。也就是这一部分的内容。
那我们用到的搜索工具呢，就是 exa.ai 这个工具。exa.ai 它是一个 AI 搜索引擎，而且它也已经集成到了 Make 里面，所以用起来很方便。
Exa 就可以。我们就选择搜索，运行一个搜索的这个模块就 OK。
那它有哪些可以配置的地方呢？
首先是 Connection，同样几乎所有的配置连接都很简单，要么就是需要你登录一下，要么就是你需要填一个 API 的 Key。
那 Exa 的 API Key 怎么获得呢？直接去登录到 exa.ai，然后在你的菜单 API Key 这边，就可以拿到你的 API Key 了。创建一个新的就可以，都很简单。所有的这些操作都是类似的。
好，这边就是搜索的字符串。为了简单演示，我们就直接用前面我们输入的，这个主题来进行搜索就可以。同样还是第一个 Notion 模块的，Plain text，它的名称的 Plain text。Notion 的 AI 功能有哪些。选到这就 OK。
然后结果 Exa 的搜索，它有几种方式，一种就是靠关键词来搜索，然后还有一种，它这边写的是神经，去处理成自然语言的搜索，还有一种 Magic，实际上就是一个自动，它自动选择在这两种之间。那一般我们都选一个自动就可以。
当然你也可以在，Exa 的 Playground 里面呢，去测试它不同的这个搜索的效果，然后看看哪一个更符合你的要求。在 Playground 里面，它这边是写的是 Auto，但是在我们的 Make 里面呢，这边是 Magic。
好，这边是为了演示起见，我们只需要它返回少量的内容就可以了。所以这边只给了五个。这也是我们在这个工作流运行之后，大家看到文章比较短内容比较少的原因。
然后还有关键的一点是需要选择的，是我们需要它的返回结果当中，要包含它的内容。否则的话是它就没有内容，光有标题 URL，我们是需要根据它的内容来写文章的。所以我们需要它包含内容回来。
其他的我们可以暂时不要了。
保存。
好，那配置完它，我们就可以运行一下，看看正常不正常了。
因为我只运行它，所以这边 Notion 的数据是没有，我们手工给它添一个就行。
copy 过来。
好，这边就搜索返回结果。Bundle 就是它返回的结果，有 ID、title 还有 URL。然后它的内容就在 text 里面，比较干净的内容这点很好。
好，所以它就返回了 5 个结果，说明我们的这个模块配置是没有问题的。

聚合搜索结果

那接下来我们就要配置下面一个了。
我们所需要的就是把这 5 个文章，这五篇文章拿去交给 AI，当做参考资料，然后根据这些参考资料来写文章。
所以我们首先要做的，我们就是需要把这五篇文章，给它合成一个文本，合到一起统一交给 AI。
那我们需要用到的，就是一个叫做 Text Aggregator，就是文本的聚合器。
Text Aggregator 就是这个东西。这个我在之前的课程，也给大家讲过。只要是我们把多个合成一个，我们就会选 Aggregator。然后你可以根据它是什么类型的数据来选不同的聚合器。文本就选 Text，数组就选 Array。
如果是你需要把一个拆成多个，那我们所需要选的就是 Iterator。Iterator 就是迭代器。
好，我们这次就是 Text Aggregator，我们就选它。
我们需要加一个 Text Aggregator，就是工具里边的 Text Aggregator，聚合器文本的聚合器。
我们聚合谁呢？我们聚合搜索引擎出来的结果。
所以它的原模块，module 就是这个搜索引擎。
文本是什么呢？我们需要把它的返回的这些文本，给它合成一个大的文本。所以我们是需要有一点点的公式在里边。
我直接 copy 过来。
这是一个很简单的公式。
首先这是 article，我是用两个 XML tag，用一个 XML 标签，把这些文章给它区分开。一个文章在一个标签里边。
所以你这些内容给到，大语言模型的话，他就会知道，你去给了他五个参考资料。这样对语言模型来说更清晰一些。你要混在一起，当然以他的能力，他可能也能拆得开，但是也有可能会出错。所以我们就需要给他一个，清晰的一个格式。那 XML 标签呢，就是一个最清晰的一种分隔符了。
我们只需要两个数据，就是 URL 和他的内容。那 URL 和他的内容呢，都来自于前面这个 Exa.ai，这个查询的模块。
好，这边我们就可以看到 URL，内容 content 就是它的文本 text。
最后我们再添一个新行，让它中间插一个空行，看起来格式就会更加清楚。
那我们再运行一下，我们看看它聚合之后的效果是什么样的。
我们就从头开始运行好了。
好，首先我们来看 Exa.ai 这边，它还是有五个结果。我们需要的是它的 URL，还有它的 text 文本。
然后我们看看这边的结果。输入是五个结果，然后输出它合成了一个文本。
这每一个文本都是用 article 来进行区分，第一行就是它的 URL，然后第二行就是它的内容。然后第二个文章也是一样，article 来区分。
那么这样我们就把它所有的五个搜索结果，全部给它合在了一起。

AI 生成大纲 (OpenRouter)

好，
有了参考资料之后，下一步就是要语言模型去写大纲了。
我们就从下面来 copy 这些模块过来，copy 过来，这样来的更快一些。
写大纲我们就用 OpenRouter，OpenRouter 提成了很多的模型在里面，所以你切换模型那会很方便。
当然你也可以固定用某一个语言模型，ChatGPT也好，Claude也好，DeepSeek也好。
我这么做的原因是可以让大家可以看到，各个模型我们都可以用一下，试一下，都熟悉一遍。
比如这边我就用到了一个 OpenRouter，ChatGPT 是画图的，然后这边用了 DeepSeek。
好，我们先看看 OpenRouter 的配置。
模型的配置其实主要也就那么几项：System 系统的提示和 User Prompt 用户提示，温度参数。
好。
这边我们也是一样，建立连接输入 API Key，这个就不说了。
然后给它添加的一个，第一个 message，是一个系统的提示。
这个系统的提示，就要来自于我们之前，前面定义的那个变量，就是我们写大纲的这个变量。
这样就很简单，系统提示，我们只要从前面变量取就可以。
然后用户提示，user 的 prompt，我们就需要给它参考资料。这就是来自于我们前边，搜索之后的这些所有的文章给他参考资料。
好。
所以 Prompt 这块就很简单。
然后我这边选模型。那这边选的是 Claude 3.7 的模型，这是一个比较牛的，现在很牛的一个模型。那它的价格呢，相对来说也会比较高一些。
OpenRouter 的好处就是模型很多，你选哪个都可以。
那其他需要可配置的地方，就温度需要配置一下。那温度呢，各个模型我一般都喜欢设置在 0.6。
其他的都不用变，不用去设置。
但是为了测试呢，我们可以选一个便宜的模型，小模型速度可能也快一些。比如我们就选 Claude Mini 吧，小模型。
我们把这个改一下。
OK，没有错。说明我们的配置没有问题。我们测试主要是测试配置有没有出问题，输出的格式是不是我们所需要的。
我们来看一下。
好。
输出的大纲是我们所需要的标题，然后图片的占位符以及图片的描述都有，图片占位符和图片的描述。
OK，没有问题。

提取图片描述 (正则表达式)

那接下来我们就是需要取到这个图片的描述，然后去让 ChatGPT 去让 DALL·E 去生成这个图片了。
我们需要从它的大纲当中取这个图片的描述。比如这个 Hero 图片，我们就需要取它后面这一段。
那但凡我们需要去操作一个文本，或者是替换一部分内容的话，我们要用到的就是这个模块，文本处理。
文本处理里边，如果是我们要取一段内容的话，我们就用一个 match pattern。
好，那这边关键是我们要写这个 pattern，它是一个什么样，它是一个正则表达式。
正则表达式，以后我的课程当中会详细的去讲。正则表达式是一个处理文本，很厉害的一个技术。但是呢它非常的难写。但是现在不一样了，自从有了 AI 之后，写正则表达式就变得一如反掌。所以我们也可以充分的去利用，正则表达式的强大的一些功能。
好，这边我们可以直接拷贝过来。
这个正则表达式的目的就是，找到我的图片的占位符的标志，然后把这个里头的内容拿出来。
我们先看其他的配置。我们是需要 global 的 match，就是说这个的意思就是，如果我们找到了一个，我们还需要再找吗？是的，需要。因为我们有多个图片。
大小写需要关注吗？不需要。
那找到内容是多行吗？不是，都在一行上。
所以如果找不着，我们还会继续执行吗？那我们应该是继续执行。
好。
接下来就是从哪里找了。那这个文本呢，就是大纲，就是我们的大纲。就从前面，这个 AI 模型里头找就可以。就是 OpenRouter 的 Content，就是它的生成的大纲。
好。
完成。
保存一下。

那下面我就给大家讲一下，我们如何去生成这些正则表达式。
正则表达式，我们可以用任何一个 AI 来生成。比如我们就用 DeepSeek。当然为了保险起见，我们用 DeepSeek R1。再怎么说做正则表达式，也算是软件开发中的一项内容。所以我们就用推理模型来做。
我们怎么做呢？把你的要求告诉他就可以。
首先我把这个大纲拷贝过来。你给我写一个正则表达式，用于从类似以下的文本当中，提取图片的描述。给他一个一句话的例子。那这句话当中，我需要提取的是这段文字。前面这个单词，就是图片站位符的标志，它是不变的。那么我们根据他，就可以来提取后面的内容了。
下面再给他一个示例的文本，就把刚写好的大纲给他。
直接让他写就可以。
好。
这样我们的正则表达式就能写好，我们就可以直接拿来用了。就算有错也没有关系，再返回将他改就可以。
所以大家以后听到正则表达式，就不要再觉得头疼了。这个在 AI 的帮助下，已经变成了一个非常简单的事情了。
好，正则表达式配上之后呢，我们就可以来简单测试一下。
我们先把前面的这个大纲 copy 下来。
然后我们可以单独运行这个模块。那接受它要这个结果，就是我们刚才拷贝下来的大纲。
好，这时候我们就可以看到啊，它用正则表达式就把我们的，站位符的名称，就全取到了。输出了 4 个也就是说有 4 张图片。
那说明这个正则表达式这一块，我们是工作正常。

AI 生成配图 (ChatGPT DALL·E)

那接下来要做的，我们就是要根据图片的描述，去让 ChatGPT 让 DALL·E 去把这个图画出来。
同样我把现成的模块拷配过来。
ChatGPT 也是一样配置很简单，建立连接用你的 API key 建立连接。
然后选择模型，我们因为要画图嘛，我们就选 DALL·E 3。
我们前面拆出来的这个对图片的描述，英文的描述。
好，下面是图片大小，我这边选的是 1024×1024。然后它的图片质量，我们可以选标准的和高清的。
好，这边 style 就是它的样式，以及它的返回的格式，数据的格式。这两项。
样式呢也可以同样，大家根据需要来选，Vivid 还是 Natural，就是自然的呀，还是那种很酷炫的。
然后返回的格式呢，可以有 URL 了，是图片文件。我们因为要把这个图片，直接上传到微信去，所以我们只要图片文件就可以了。

上传图片至微信公众号并处理图片信息

到这步呢，实际上我们整个的大纲图片，这些生成流程，基本上都完成了。
既然图片已经生成了，我们就在这一步，就把它的图片上传到微信。上传完之后呢，我们再让 AI，那这边我用的就是 DeepSeek，让 AI 呢，去根据大纲呀，写文章，然后把图片放到合适的位置上，就 OK。
好。
图片的这个部分，这已经到我们的第四部分了，就是上传图片到微信。
前面三个出发流程，设置提示词模板，搜索资料和撰写大纲，这边应该是撰写大纲，都已经完成了。
好，上传微信。大家可以看到，这实际上有两个分支了。为什么有两个分支呢？因为上传微信，它需要两种图片，一种就是文章当中的配图，还有一种就是文章的缩略图。这是两种类型的图片，我们要分别进行上传。
所以这边我们需要有一个分支，是一个 root 的分支。
我们先加一个 root。
同样我们这边先把微信都拷过来。先拷一个微信。
好，我们来看一下这个微信是做什么的。这个微信我们可以看到，它是上传一个永久的 asset 资源，上传一个永久的资源。上传永久的资源，这个永久的资源就是微信的缩略图，公众号文章的缩略图用的就是这个。
好，这边建立到微信的连接。这个连接过程，相比其他的要复杂一些，并不简单的是输一个 API Key。这块如果不了解的朋友，可以看我之前的视频。同样在我的自动化教程里边，有一期微信 AI 自动化，这期视频就讲到，如何去建立连接。
连接建完之后，我们这边选资源的类型，有图片、声音音频、视频，还有 Thumb，就是缩略图。我们就选这个缩略图。
那这边呢，我们直接把 OpenAI 生成的这个图片，结果直接给它上传就 OK。那下面的标题呀和描述是可以不需要的。
那之后上传完成，我们在后面做公众号的时候呢，我们实际上用到的是上传之后，它会生成一个 ID。我们需要的是那个 ID。在微信公众号里面，每一个图片它都有一个 ID，我们实际上就是需要那个 ID。
因为我们后面的流程会用到这个 ID，所以我就可以先把它暂存在一个变量里面。到时候用的时候，我再从变量里面取出来就OK。
我接下来需要一个变量的一个模块。这个就是一个设置变量的模块。
这边这个名字是可以随便起的，你就要记住就行，后面不要用错。
然后关键是它的这个变量值，我们就可以看到微信的输出，上传之后的输出，它有一个 mediaID。我们需要的就是这个 ID。
但是呢，缩略图我们实际上只需要一张。所以我这边只把第一张图传上去，就当缩略图就可以了。剩下的几个图我就不给它传了。
因此呢，这边需要设置一个过滤器。那过滤器用一个很简单的判别就好了，就第一幅图，也就是前边，文本解析的那个模块，用正则表达式解析出来的几个图片的，占位符和描述，我们取第一个，也就 R1.1 就可以了。
这样只有第一幅图会，题图。

那还有其他的几个图呢，通过微信的另外一个模块上传。那这个模块是什么呢？就是 upload 的一个图片，上传一个图片。
它需要什么呢？就需要这个图片文件。同样我们直接从 OpenAI 的这个，这里这边取图片就可以了。其他都不用配置。
好，这边我们不用任何的筛选条件，所有的这四张图就全部的都上传上去。
那上传上去图片，上传了四张图片之后，我们要干什么呢？不知道大家是不是还记得，我们之前要做的事情。我们可以回顾一下。
图片上传之后的信息，我们是要给到后面，文章撰写的这部分，要图片占位符，要把真实的图片的 URL，替换掉原来的图片占位符。也就是我们之前，在最前面的 prompt 提示词里面，我们看到的，撰写文章的提示词，如果大家还有印象的话。
对图片处理，用 Markdown 图片语法，替代所有的图片站位符。那根据什么来替代？我会给你提供一个 JSON 的数据，把站位符和具体的图片链接一一对应。
所以给微信上传完图片之后，我需要的就是一个用来描述站位符和真实图片 URL 的对应关系。
那这个对应关系怎么得到？
首先这边拆解出来的是四个图片，相当于这边要运行四次，它会出四个结果。但是我们需要把这四个结果合并到一起，然后我们对应到它的站位符，合成一个整体的一个 JSON 字符串。
所以如果大家还有印象的话，前面我说过，只要想把多个合并成一个，那我们需要用到的就是 aggregator，也就是聚合器。
那这边我们因为需要一个 JSON 字符串，所以很简单，我们就需要一个 JSON 的聚合器就 OK。
同样我拷过来。
大家可以看这个模块的名称，这叫 aggregate to JSON，也就是说，聚合成一个 JSON 字符串。
但凡涉及到聚合，我们就需要配置，它的原的模块，SourceModel，就是我们从哪聚合，它的原始输出是哪。
我们的原始输出，是谁给它分出了四个，就是这个 Text，文本解析器这一块。所以我们的原模型就是它，就是 7。
然后我们需要一个数据结构来描述。这个我们可以用你现有的一个数据结构，你也可以自己新建一个。
实际上我们需要的就是两个，一个就是那个站位符的名称，还有一个就是真实的 URL。
站位符的名称，就是我们拆模块拆出来的第一个，Dol1 它就是站位符的名称。
OK。
那这个站位符对应的 URL 是哪一个呢？这个 URL 就是我们上传到微信之后，它返回的这个 URL。
确定之后我们就可以看到它的变化，它就不是像这种是单独的一根虚线，它就像一个管道一样。说明这是一个聚合器，这就是一个聚合效果的一个表示。
那我们现在可以来运行测试一下，看看它们两个输出的结果都是什么样的。
这边生成图片的时间可能会稍微长一些。
我们可以看到它第一个图片，首先就上传到了微信的缩略图那个部分。然后接下来又上传到了这边。两条路第一张图片两条路都走了。
这边到这边的绘图，实际上我给的指令也比较简单。如果你需要更详细的一些控制效果，包括什么运镜之类的，你都可以在这个 prompt 里面添加上，你的详细的图片的要求，这样的效果会更好一些。
好，我们可以看到后面的这些图片，就不走第一个了，基本上全走的就是下面这一条。
OK，四个图片画完，而且全部上传到了微信。
我们可以看一下这边的结果。这就有一个 ID，这是这个变量的 ID。实际上也就是前面这个微信上传之后，它输出的 media id。
然后这边我们可以看一下，它输出的四个结果，四个 URL。这就是上传之后对应的四个 URL。
然后被我们的这个 JSON，聚合之后呢，它的效果就是这样的一个 JSON 字符串。这就包括 id 对应的就是 URL，然后呢，这个 atom 跟的就是站位符的名称。就是因为这边我设置的 id 对应 URL，atom 对应站位符的名称。当然这个 atom 和 id 都可以改，这个名字都可以改掉。
好。
再说明这个整个流程是没有问题，我们就可以继续往后了。

后面就可以开始，真正的开始去写文章了。
那往后之前呢，我们来简单的说一下 Router。Router 这个样子，其实很容易让人误解，就会以为这两条线会并行运行。但实际上不是的，Router 是串行运行的。它的运行顺序取决于什么呢？我们可以看到它每一条线上，都有个标记数字，这是一，这是二。所以它的运行顺序就是这样，先执行上面，上面执行完了，再执行下面。它不是并行的，这点是需要注意的。
那如果它的顺序不对，我们该怎么去调整它的顺序呢？这也很简单，直接在 Router 这边点击右键，就可以选择调整它的顺序。那我们这边就可以调整顺序了，那就是先执行哪个，后执行哪个。
在我们的这个例子里，我们肯定是让它先执行上传第一张图片的。
好。

AI 撰写正文 (DeepSeek)

也就是说，我们剩下的任务就是写文章了。
这就是我们前面拆解的这部分，我们已经完成了前面四个部分了。剩下的就是写文章，然后把文章转换成微信的公众号。
这边写文章用的模型，我用的就是 DeepSeek。
建立连接也是拿一个 API Key 就可以。
然后首先给它添加一个系统的提示，System 的 Prompt。这个 Prompt 就来自于我们前面定义好的变量，写文章，write article 的变量。这个就是我们前边定义好的，这个 Prompt。
然后 User 的 Prompt，就是我们要给他提供什么。我们需要给他提供的，就是所有的搜索到的文章，作为参考资料。还有图片和，占位符与 URL 的对应关系。还有你的主题是什么。
好。
我们就一个一个的改掉。
这个就是我们前面，写大纲的 AI 的输出，也就是 OpenRoute 的输出。
然后这边的关键词，实际上就相当于我们前面的主题。你告诉他你的主题是什么。这个主题就是我们的第一个 Notion 模块的，Name 的 PlainText。
然后是你的参考资料。参考资料大家还有印象吗？就是搜索之后被聚合的这个字符串。
对在这我们需要的就是它。
然后我们还需要一个图片和占位符的对应关系，JSON 字符串。
OK。
那这样我们的用户的提示词也就构造完成。
好，可以了。
系统提示词，用户 User 提示词。
然后后面我们选模型。那这边为了快呢，我们就选的是 DeepSeek 的 Chat 模型。当然我们也可以选稍微好一点的 R1 模型，就是 DeepSeek 的 Reason。
好，最大的 Token。那 DeepSeek 它的 Token 数比较小，只有 8000 多。如果你要写长文的话，选大窗口的模型。
同样 Temperature 温度，一般我习惯就是 0.6。
最后返回的结果就是文本，我们需要个文本就行了。
好。
这部分完成。

提取最终文章内容

它的输出应该是什么样呢？它的输出，我们可以从它的系统提示里面知道，它应该是什么样的。
系统提示我们告诉它，文章的内容需要包裹在，Final Article 的 XML 的标签内。
所以我不管你，是不是前面有推理过程，我只要取你这个标签内的内容，就是你的最终的文章。
OK。
所以知道这点之后，我们可以先不用去测试它，我们先把后面的取文章的部分给它弄完。
同样我们拷贝过来。
也是一样，这边就是一个正则表达式，取两个 XML 标签 tag 之间的内容。这个表达式，大家可以拿去作为一个标准，可以以后只要改这个 tag 的名称就可以了，中间都可以不用动它，直接拷贝粘贴过去用就可以。
好。
同样这边，因为只有一个，所以我不需要去再搜索别的了，就搜索一次就可以。也不需要区分大小写。它是多行的，这是一个多行的文本。
OK。
这个如果找不着，我就不继续后面了。因为找不着你文章都没有，那后面就没有意义了。
好。
这个文本就是前面的，DeepSeek 的输出，Result 就 OK。
好。
这样整个写文章的过程就完成了。

转换 Markdown 为微信 HTML (OpenRouter/DeepSeek R1)

下面我们要做的是什么呢？我们就需要把写好的这个文章，我们需要把这个写好的文章，转换成微信支持的 HTML 格式。然后再把刚才上传好的，这个缩略图的 ID 拿过来，就可以把这个文章，连这个缩略图这些一起，作为微信的草稿给它发过去了。
我们先把上一路的这个，缩略图的 ID 拿过来。
这个模块就是 get variable，也就是说我获取变量内容。获取变量内容，我只要给它一个变量的名字就行了。这个变量的名字，就需要跟我前边设置变量的名字要一致，就 OK。那它就可以得到我前面这个变量的内容。
然后之后呢，我再需要一个 AI 来去转换 HTML。
好，这边我用的也是 OpenRouter。但是呢，我选的模型是什么呢？对，我选的模型还是 Claude 3.7。
同样它的系统提示，System 的 Prompt 呢，就是我前面定义好的变量，WChat Prompt。这是系统提示。
然后用户提示我就会告诉他，这就是你要处理的文章内容了。文章内容呢，就是我前面写好的，Final Article 这个文章内容。
然后这边还有一个图片，JSON。这个其实可以不需要了。因为这是我从我那个完整的，那个工作流里面，截取出来的一条分支。在那个大的工作流里面，它实际上是一个两步的动作。所以我这边转换的时候，还需要这个。
在我们的这个工作流里面，画了很多，所以这一步是可以不需要的。但是我们可以先放在这，也不要给它空着。
好，这种模型，我们可以选 Claude 的，或者选 DeepSeek R1。我们看看 DeepSeek R1 的效果。
DeepSeek R1，我们看它的效果。
这边为什么选 R1，不选 R1 免费呢？首先 DeepSeek R1 很便宜，DeepSeek 的 API 是非常便宜的。如果不是就很大的用量的话，没有必要去省那个钱，去选免费的。免费的它在吞吐量上面，限制的，速度应该也会比较慢。
同样温度是 0.6。
这样我们待会可以看一下，DeepSeek R1 出来的文章效果。
还是一样，它写完之后呢，我们还需要一个这个模块，去把它的输出结果给它取出来。因为在 Prompt 里头呢，是要求它把转换后的 HTML，输出到这个 HTML Output，输出到这个 XML 标签里面了。
所以我们用同样的方式，去把这个标签当中的内容给它取出来。就是就算模型给你多输出了一些解释的话，一些啰嗦的话，它不会影响到你最后的结果。
当然还有一种方式，就是你干脆就直接让模型输出 JSON。但是我们没有必要搞那么复杂，直接让他们输出到 XML tag 里来说，又可靠又比较方便。
好，那最后这个 text 从哪里取，那就是自然就是从前面的这个输出了。前面这个 OpenRouter 的输出，message content。
好，这样接下来整个这个文章的写作就完成了。

发布到微信公众号并更新 Notion

那剩下其实就简单了。我们就上传到微信，然后发布，然后再存到 Notion 里头做一个，做一个备份。
怎么样我们把这个 copy 过来。
上传草稿。
首先我们要上传草稿。上传草稿呢，我们就需要一些内容了。
首先需要一个标题。这个标题我们偷懒一下，就直接用前面的那个 Notion 数据库里的 name 就行。比如 Manus AI 的功能有哪些。
好，然后这个就是缩略图的 media id，也就是我们这边变量存的它。同样也就是这个 sum id 这个变量。
还有它的内容，就是我们刚才它转换过来的这个内容。也就是这个 final article 的这个内容。
OK。
这边有一个 source 的 url，就是你这个文章它的原 url 是哪。这边我就直接全部就指向了我自己的官网，axtonliu.ai。同样这也是我偷懒的一个办法，你自己的网站的 URL 都可以。
好，这个只是草稿。那上上上草稿之后，我们就接着我们要发布它。
当然正常情况下，我是希望你做一下检查。在发布之前先做一下检查。其实根本不应该等到，它发布之前做检查。在写好文章的那一步，就应该做一次检查。
OK，那这块呢，我们就是发布。所以这篇也没什么，发布就是发布它的草稿 ID。你把草稿的 ID 告诉它，他就会把这个草稿给你发布出去。
好，这个整个流程，已经马上就到尾声了。
尾声就是我们最后把数据库，把 Notion 的数据库呢，状态给他改成一发布。然后再存一份文档在里面。
数据库的 ID 我们还是去搜索。
然后数据库的项目的 ID，也就是我们最早找到的那个项目，就是他。这个我们也是一直在操作的他，也没有变化。
我们需要改的就是他的状态，我们从生成中就变成了已发布。要改它的状态，其他都不用改。
保存。

然后最后我们再来存一个归档。我们就直接存在这个数据库的项目的配置里面，就是页面内容里面。
那我们选的这个模块就是创建一个 page，创建一个页面。
这里面我会经常说到 app 和模块。那 app 是什么呢？比如说在我们这里面看到的这些都叫 app，就是应用。比如说 Notion 它就是一个 app。然后 Notion 里面，这个 app 里面它提供的各种功能，我们就叫模块。对这点不要搞糊涂。
OK，这边我们是需要一个，创建一个页面的模块。创建一个页面，我们在一个父页面里面创建。父页面里面创建。
好，这个父页面的 ID，实际上就是前面我那个 database 的项目的 ID。
随便起一个，我这边就起的生成文章。
这个文章呢，我们就直接把它放在一个 paragraph，一个段落里面。
段落的类型是什么呢？那就是文本，就是 text。
然后这个内容是什么呢？内容就是我们最终生成的这个文章。我们存 Markdown 的，我们不要存这个 HTML，存 Markdown 的原文本。因为你 Markdown 它用处比较广嘛，你还可以在别的地方去用它。而微信的 HTML，它只在微信上用。
好，其他就都不用改。
保存。
那这样实际上我们的整个流程就完成了。

我们就可以来统一运行一下，看看它能不能正常的完成整个的工作。
好，我们给大家新建一个主题。比如说我们经常听到 AI agent，AI 智能体。那 AI 智能体都有哪几种类型呢？我们就把这个当做主题来做一下。
然后同样我们这是一个主题驱动的内容类型，别的就不用管。
再生成。
OK，然后我们试用一下看看会不会出错误。
我们先看他渠道的，记录对不对。
对的，没错。
然后开始写大纲。大纲用的是，So mini 吧。大纲写的会比较弱一些。
然后画图我们看看他，找出了几张图。5 张图。
大纲写了 5 段。看看他写了什么大纲。
AI 智能体概述，AI 智能体的类型，应用，智能体的优势与挑战，未来展望。这五段。
现在在上传图片。
ChatGPT 这个绘图测试的时候，其实可以选它的标准大小的图片，不要选高清的，这样它生成会快一些，而且也便宜一些。
看来是写文章。
好，不错文章写完。
这边就开始直接转换 HTML 了。
我们先来大概看一下它的文章的效果。
智能体拿几种类型，然后概述。不错。每一章有三个小节，倒是很简短。
这边还有引用的论文。不错。
基本上都比较简短的段落。
OK，参考文献。完全按照要求来完成了任务。
好，我们再看这个转换 HTML，能不能成功的转换成微信的 HTML。因为微信的 HTML 要求比较严格，稍微拿不对，它就给你撂挑子。
我们其实可以看到，DeepSeek 这个模型，它是有输出它的思考过程的。当然 result 没有，result 就是我们要求它的输出。比如这边它直接就是 final article。
它的思考过程在哪里呢？在 choice 里面，message。这里面 message 就有一个 reasoning content，这就是它的思考过程。如果你对它的思考过程感兴趣，或者想留下来学习学习，研究研究的话，可以把这个也存下来，reasoning content 的这一块。而这个 content 其实就是它的 result。
OK，这边成功转换。然后看看上传草稿能不能正常。如果正常就说明认了。
好，草稿正常。发布也正常。
那我们就去公众号看一下。这是之前的，我们刷新一下。
OK，正常。我们看看效果。
这个图画得好有意思。
对，因为画图这块我前面说了，我的 prompt 没有写得很细致，所以它画出来图也就比较难看。
什么是智能体。非常简略。保持简洁。这个就写的太过分了。
OK。
简单反射智能体，基于模型的反射智能体，基于目标的智能体。然后功能和应用，高效性和准确性，自适应能力。
OK。
参考文献。
给简略了不少。
这个过程没有问题。所以它最后的结果是，依赖于你的模型能力，和你的 prompt 的。
这个就很简略。这跟之前的这个，就风格是不一样的。
对，之前这个就没有让它简略，所以它就会写一个比较详细的，图文丰富的一个文章。
好，那这说明这个整个我们的流程都正确，是没有任何问题就完成了。

工作流的优化空间与进阶思考

那么我们有什么优化的空间呢？对于刚才的这个流程。
我们回到这个图片。
那我们刚才切分了这么几个功能模块：设置提示词模板，搜索资料撰写文章，这实际上是撰写大纲，上传图片到微信，然后再撰写文章，再转化成微信公众号的格式，然后公众号发布。
那它的优化余地，其实很明显的有一点，就是说它实际上，是可以拆成两部分的。因为写文章是一部分，你写出来的文章，是个 Markdown 格式的文章，它可以用在各个地方，它不仅限于用在微信。而上传到微信公众号，这也是一个单独的一部分。上传微信公众号的文章来源，你可以不仅仅来源于，你前面的这个工作流，工作流或者其他的地方。
所以一个最简单的优化方式，就是我们可以拆分它，把模块拆分开。你将来用起来会更加的灵活，组合起来更加灵活。而且维护起来修改起来也比较简单。我一次处理问题，只需要处理一部分就可以。
那还有哪些优化的空间呢？那更多的优化空间，优化效率啊，优化它的提示词啊，优化它的格式啊等等。

那除了优化我们还需要掌握的呢，并不仅仅是掌握一个工具，或者一个工作流的写法。我们是要掌握它的背后的思维逻辑。因为你学会了一两个工作流，甚至十个二十个三十个一百个工作流，它有用确实是有用，但是并不能给你带来本质上的能力的提升。而真正的提升在于一个解决问题的思维方式，以及快速的掌握一项工具的能力。
这就是我在之前的 AI 工作流的视频当中，不仅有 Make 的工作流，还有扣子的 DeFi 的工作流。这就是说我们有一套成熟的思维体系的话，我们可以不用去依赖于，独特的一个特定的工具，或者特定的平台。另外我们还需要有快速的掌握，某一个平台某一个工具的这种能力。
如果你已经掌握了一些基础的 AI 工具，但是希望进一步的突破，单一工具的局限，学会搭建真正实用的 AI 工作流，我的新课程，AI 智能体训练营可能会适合你。预售阶段享受半价优惠，还会免费赠送一年，AI 精英学院的会员资格。点击下方的链接了解详细信息。