Make 评测

Make 是什么

Make 是以 scenario 为核心的可视化自动化平台，使用触发器、模块、路由、过滤器、迭代器、数据转换和动作构建流程。AI Agents 在其上增加模型驱动层，可从获准的模块、可复用 scenarios 和 MCP 工具中选择下一步。因此，同一个平台既能运行可预测的集成逻辑，也能运行更灵活的 Agent 循环。

这并不意味着两种模式可以互换。发票规则、记录同步、通知等路径明确的流程，通常更适合固定 scenario。只有变化上下文确实需要解释或选择工具时才使用 Agent；有副作用的动作应尽量保留在显式 scenario 步骤中，以便测试和观察。

Agent 工具与最小访问

一个 Make Agent 由模型、指令、上下文或知识和工具组成。工具可能暴露很大的业务能力：返回完整事件详情的日历工具，比只返回忙闲时段的工具风险高得多；能删除或批量更新记录的 CRM 工具，也与只读查询具有不同的影响范围。

Make 当前 Agent 最佳实践要求假设他人可能接触到与 Agent 共享的信息，包括工具数据和知识，并建议减少访问范围，只把必需数据映射到工具。指南还明确说明，Agent 可能忽略或误解显式护栏。这是重要的采购信号：系统提示词不是授权层。

限制输出 token、执行步骤、线程历史、重试和工具数量。历史越长，成本和意外披露风险越高。步骤上限可阻止循环，但也可能让业务交易停在半途中。应把未完成或低置信度结果送入复核队列，而不是标记为成功。

人工复核与故障恢复

Make 可以在 scenario 路由中加入人工复核请求。实用模式是让 Agent 分类和起草，然后在发送邮件、下单、写入 CRM 或对外发布前暂停。审核者应该看到原始输入、拟执行载荷、支持证据和精确目标，而不只是模型生成的摘要。

必须检查批准或拒绝后状态如何继续。审批超时应默认失败关闭，重试不能重复已经发生的副作用。加入唯一交易键、错误处理和手工修复路径，并测试凭证被撤销、API 限流、工具输出异常、提示词注入、重复 webhook，以及模型始终无法结束等情况。

定价与 credits

在本文核查日，Make 定价页提供 Free，并以每月 10,000 credits 配置展示 Core 每月 12 美元、Pro 21 美元、Teams 38 美元，Enterprise 为定制定价。Core 增加无限 active scenarios 与 API；Pro 增加优先执行、自定义变量和全文日志搜索；Teams 增加团队角色和共享模板。币种、结算周期、credit 档位和地区税费会改变页面金额。

Credits 不是全部成本。所选模块、数据移动、AI Agent 执行、外部模型连接、代码和重试都会影响消耗。付费方案可连接自定义 AI 提供商，这会把一部分模型费用和数据条款转移给对应提供商。预算应同时估算正常运行和故障密集运行，并计入测试、循环、人工复核和模型 token 费用。

安全、日志与数据路径

Make 安全页面披露 SOC 2 Type II 与 SOC 3 审计、加密凭证和存储、传输 TLS，并称云基础设施跨两个 AWS 可用区。日志默认保存 30 天，Enterprise 可延长；Enterprise 在与自助云客户分开管理的 AWS 环境中运行。

执行日志可能包含映射记录、提示词、工具响应和错误载荷。较短保留期可降低暴露，却也会削弱事件调查。团队应决定哪些字段可以进入日志、谁能搜索运行记录、导出数据去哪里。断开应用并不会删除已写入其他系统的记录。

Make 隐私说明称，Google Workspace API 数据不会用于开发、改进或训练通用 AI 或机器学习模型。这是一项范围明确的声明，不能推导成所有客户数据或所有外部模型都不训练。仍需分别审查所选模型连接、次处理商、DPA、区域与删除流程。中国大陆团队还应在导入真实客户、员工或业务数据前确认跨境传输路径和适用合规要求。

谁适合选择 Make

Make 适合重视可视化画布、希望让确定性自动化与受约束 Agent 决策并存的团队。它的官方安全指南对局限表述得很直接，这有利于负责任的构建，但也说明生产架构不能只靠提示词。

可比较覆盖广泛应用并提供独立 Agents 的 Zapier AI、具有自托管和代码灵活性的 n8n，以及采用 AI 原生 credit 模型的 Gumloop。AI 自动化与 Agent 工具分类说明了如何测试权限、审批、追踪和成本。