在 Make 用 LLM 自動分類 Gmail 信件：加一個 AI 模組就搞定

一句話：在上一篇的 Gmail → Sheets 流程中間，插一個 OpenRouter「Create a Chat Completion」 模組：用 OAuth 建好 OpenRouter 連線、選一個免費模型、寫一段「只回傳分類標籤」的 System prompt、把 Gmail 的主旨＋內文接成 User 訊息，最後把 AI 回傳的標籤對應到 Google Sheets 的分類欄——一條會自動分類的信件流水線就完成了。

關鍵字：Make、LLM、自動分類、OpenRouter、Create a Chat Completion、System prompt、User message、免費模型、Gmail、Google Sheets

---

我們要做什麼？（先看全貌）

上一篇〈Make 自動化起手式〉做出的流程是：Gmail 新信 → 寫進 Google Sheets。

這篇要在中間塞一個 AI，變成：

Gmail 新信 → 🤖 OpenRouter LLM 讀信、判斷分類 → 連同分類寫進 Google Sheets

這樣你的試算表不只有「誰寄了什麼」，還多一欄「這是客服？業務？垃圾信？緊急通知？」——信一多，這一欄能幫你秒速分流。

鴨編的話：這就像在信件輸送帶上加了一個「AI 分揀員」。信件經過他面前，他瞄一眼就貼上標籤——客服的往左、業務的往右、垃圾的丟掉。你要做的，只是教會這個分揀員「怎麼分類、標籤只能有哪幾種」。

動手前你需要：① 已完成上一篇的 Gmail → Sheets 流程；② 一把 OpenRouter API Key（見〈OpenRouter 註冊教學〉）。

---

Step 1：在 Gmail 和 Sheets 中間加 OpenRouter 模組

在 scenario 編輯器裡，點 Gmail 模組後面的「＋」加一個新模組，在 app 搜尋框打 openrouter，選 OpenRouter ✓ Verified。

它會列出 OpenRouter 的動作（Actions），選 「Create a Chat Completion」（建立一次對話補全——就是「丟一段話給 AI、拿一段回覆」）。

換句話說：「Chat Completion」就是你平常跟 ChatGPT 對話的那個動作——你講一句、它回一句。差別是這裡由 Make 自動幫你「講」（把信件內容送進去），再拿「回覆」（分類標籤）去用。

---

Step 2：用 OAuth 建立 OpenRouter 連線

第一次用 OpenRouter 模組，要建一個連線。Make 會導你到 OpenRouter 的授權畫面，問你要不要讓 make.com 存取你的帳號、建立一把 API key。

確認網址是 OpenRouter 官方、點 Authorize 授權。授權完，Make 的模組裡 Connection 欄就會是你剛建好的 OpenRouter 連線。

鴨編的話：用 OAuth 授權，比手動貼 API Key 更安全——你不用把金鑰複製來貼去（貼錯或外洩的機會就少了），是 OpenRouter 直接發一把給 Make 用。當然，手動貼 Key 也行，看你習慣。

---

Step 3：選一個免費模型

在模組的 Model 欄，可以搜尋 free 篩出免費模型。範例選的是 Google: Gemma 4 26B A4B (free)。

旁邊通常有個 「Enable automatic Fallback?」（啟用自動備援）選項，設 Yes——這樣萬一你選的模型當下不可用，OpenRouter 會自動換一個相近的模型，流程不會斷。

換句話說：分類信件這種任務不難，免費模型（像 Gemma）就很夠用，不用一開始就燒錢用最貴的。等你發現免費模型分得不夠準，再升級也不遲。先用免費把流程跑通最划算。

---

Step 4：寫「分類 prompt」——這是整篇的靈魂

AI 分得準不準，全看你怎麼下指令。在 Messages 區，要設兩則訊息：

第一則：System（系統指令）— 告訴 AI 它的角色與規則

把 Role 設成 System，內容寫清楚三件事：它是誰、有哪些標籤可選、輸出格式。範例的 prompt 是這樣寫的：

你是一個信件分類助手。請閱讀以下信件的主旨與內文，並嚴格從以下類別中選擇一個最符合的分類標籤：【客服】【業務/採購】【垃圾信】【緊急通知】。注意：請「只」回傳標籤文字（例如：客服），不要包含任何其他解釋或標點符號。

鴨編的話：這段 prompt 有三個關鍵設計，值得抄——① 限定標籤（「嚴格從這幾類選」，不讓它自由發揮亂造詞）；② 限定格式（「只回傳標籤、不要解釋、不要標點」，免得它回你一長串廢話，害你後面取不到乾淨的分類）；③ 給例子（「例如：客服」）。這三招能讓小模型也乖乖聽話。

第二則：User（使用者訊息）— 把真正的信件內容餵進去

再加一則 Role 設成 User 的訊息，內容用欄位對應接上 Gmail 模組的輸出：把 Subject（主旨） 和 Full text（內文） 拖進來。

換句話說：System 是你事先給分揀員的「工作守則」（每封信都一樣）；User 是「這一封信的實際內容」（每封都不同）。守則固定、內容變動，AI 就會對每封信套同一套規則做判斷。

🚨 AI 回傳一堆廢話、不只給標籤？

八成是 System prompt 沒把「只回傳標籤、不要解釋」講死。把規則寫得更斬釘截鐵（像範例那樣加「請『只』回傳」「不要包含任何其他解釋或標點符號」），並附一個範例輸出，就會收斂很多。

---

Step 5：把分類結果寫進 Google Sheets

最後回到 Google Sheets「Add a Row」 模組。除了原本對應的主旨、寄件者、內文，再多對應一欄「分類」——把它接到上一個 OpenRouter 模組的輸出（AI 回傳的那段文字，就是分類標籤）。

---

Step 6：完成！三段式 AI 流水線

現在你的 scenario 是完整的三個模組：

Gmail「Watch emails」→ OpenRouter「Create a Chat Completion」→ Google Sheets「Add a Row」

按 Run once 手動測一次（先寄一封測試信），到試算表看看：新的一列裡，是不是連「分類」欄都自動填好了？確認無誤後開排程，這條「AI 自動分類信件」的流水線就會自己 24 小時運轉了。

鴨編的話：你剛剛做的，其實是很多公司花錢買的「智能客服分流」的雛形。原理沒有很玄——就是「觸發 → 給 AI 判斷 → 存結果」三步。學會這個骨架，你可以換成別的任務：自動判斷情緒、自動摘要、自動翻譯…換湯不換藥。

---

想更穩？加一個備援供應商

如果這條流程很重要，不能斷，你可以再串一把 Ollama 的雲端金鑰當備援（見〈Ollama 雲端 API 金鑰申請〉）——主力 OpenRouter 限流時自動切換，穩定度再上一層。

---

鴨編最後叮嚀：這篇最容易卡的不是「串接」，而是「prompt 沒寫好，AI 回傳格式亂七八糟」。記住那三招——限定標籤、限定格式、給範例。prompt 寫好了，連免費小模型都能當你的分揀員；prompt 沒寫好，再貴的模型也給你亂貼標籤。