用Claude几分钟搭建AI智能体：工作流自动化实操指南

想在几分钟内搭建一个能自动生成视频、处理邮件的AI智能体？这段教程演示了借助Claude（Cloud）应用的项目功能，把自然语言指令直接转化为可执行工作流的完整路径。核心思路很简单：把现成的工作流模板喂给AI，再用一句话描述你想要的自动化任务，让它帮你产出完整的JSON配置。

整体思路：让AI代写自动化工作流

传统搭建自动化流程需要在n8n、Make等工具里手动拖拽节点、配置参数，门槛不低。这段教程提供的方法绕开了繁琐的手动配置——把需求用自然语言交给Claude，由它直接生成可导入的工作流JSON文件。

关键在于"项目（Projects）"功能。通过在项目里预先上传几个现成的工作流样例，AI就能理解目标工具的JSON结构和书写规范，从而生成格式正确、可直接使用的配置。这种"少样本示范"的做法，本质上是给模型提供上下文参考，大幅提升输出的可用性。

n8n和Make（原Integromat）是目前主流的无代码/低代码自动化平台。n8n以开源、可自托管著称，工作流以JSON格式存储，节点之间通过数据流连接；Make则提供可视化的"场景（Scenario）"编辑器，支持数百个第三方服务集成。两者的工作流配置文件都有固定的JSON结构规范——节点类型、参数字段、连接关系等都有严格约定。正因如此，只要给大模型提供足够多的真实样例，它就能学会这套"方言"，生成符合平台预期的配置文件，而不是结构错误、无法导入的乱码输出。

分步操作：从建项目到生成工作流

整个流程可以拆解为六个步骤：

第一步到第三步：创建项目

在桌面端打开Claude应用，进入项目（Projects）区域，新建一个专门用于工作流自动化的项目。把所有相关的自动化任务集中在同一个项目下管理，便于复用上下文。

第四步：设置项目指令

在项目的指令（Instructions）区域填写说明。如果暂时没有明确的指令，可以简单写上"自动化（automation）"作为占位，让AI知道这个项目的用途。项目指令相当于给AI设定的"系统角色"，会影响它后续所有回复的方向。

Step 4. Paste instructions.

第五步：上传工作流样例

这是整个方法最关键的一环。在文件（Files）区域上传2到3个现成的工作流JSON文件，比如Gmail自动打标签、Telegram AI助手之类的模板。有了这些真实样例作参考，AI生成新工作流时会严格遵循正确的格式和结构，起步变得极其轻松。

Under files, upload 2 or 3 existing workflow JSON files

这种做法在提示词工程中被称为"少样本提示（Few-Shot Prompting）"：通过在上下文中提供少量示例，引导模型按照特定格式或风格输出结果，而无需对模型本身进行微调。相比只给一条指令的"零样本（Zero-Shot）"方式，少样本提示能显著降低输出的结构性错误率。Claude的"项目"功能天然适合承载这类持久化上下文——上传的文件会在整个项目的对话周期内持续作为参考，不需要每次对话都重新粘贴样例，大幅提升了复用效率。

下达需求：一句话换来完整工作流

准备就绪后，直接用自然语言描述你想要的自动化。教程里给出的例子是："帮我做一个短视频自动化流程，用Veo 3为我的垂直领域生成视频，并上传到YouTube或TikTok。"

Step 6. Type what you want.

Claude会返回一份完整的JSON工作流，并附带一份详细指南，覆盖从创意与脚本生成、图像生成、配音与配乐，到最终视频合成和多平台发布的全链路。换句话说，一句话的需求描述，就换来了一套结构化、可落地的自动化方案。

Cloud returns a complete JSON workflow.

这套方法的价值与局限

这种做法的最大吸引力在于降低门槛。对不熟悉工作流工具底层语法的人来说，用对话的方式产出配置文件，省去了大量学习成本。而"上传样例再生成"的模式，也是让大模型输出可靠结果的通用技巧，值得迁移到其他需要结构化输出的场景。

不过也要清醒看待其局限。AI生成的JSON工作流仍需导入实际工具后验证，节点配置、API密钥、触发条件等细节往往需要人工校对和调试。涉及Veo 3视频生成、多平台自动发布这类任务时，还受制于各平台的API权限和服务条款。教程演示的是生成环节，真正跑通端到端的自动化，后续工作量不可忽视。

总体而言，这段教程提供了一个高效的起点思路：把AI当作工作流的"初稿撰写者"，用现成样例约束输出质量，再由人完成最后的验证与落地。对想快速试水AI自动化的创作者来说，是一条值得尝试的捷径。

Veo 3是Google DeepMind发布的视频生成模型，支持根据文本提示直接生成带原生音频（包括对话、音效、背景音乐）的短视频片段，是目前公开可用的最高水平文生视频模型之一。然而，Veo 3目前通过Google的Vertex AI或Flow平台提供API访问，存在地区限制、配额申请流程以及按使用量计费等门槛。将其接入n8n或Make工作流，还需要处理OAuth认证、API调用格式以及视频文件的异步获取逻辑，这些都是AI生成的初稿JSON所无法自动解决的部分，需要开发者具备一定的API调试能力。