Make教程：用GPT-4o多模态能力自动构建Notion电子图书馆

概述

这是一套利用GPT-4o多模态能力构建的智能图书管理方案。

通过网页截图+AI图像识别的创新方式，绕过传统爬虫限制，实现图书信息的自动采集：

1. 触发任务 - Notion数据库状态变更触发
2. 网页截图 - HCTI将豆瓣页面转为图片
3. AI识别 - GPT-4o从图片中提取结构化数据
4. 格式转换 - 确保输出为标准JSON格式
5. 数据存储 - 自动回写Notion知识库

自动填充的图书信息展示

---

核心决策因素

在选择图书管理自动化方案时，需考量：

• 自动化效率 - 能否显著减少手动录入时间
• 数据准确性 - 提取的书名、作者、评分是否准确
• 易用性 - 搭建和维护的技术门槛
• 成本 - 第三方服务的免费额度和长期费用
• 扩展性 - 能否应用于其他数据采集场景

---

技术规格参考

规格项	参数值	备注
HCTI免费额度	50次/月	网页截图服务
截图像素密度	建议设为3	提高清晰度确保识别准确
GPT-4o Token	1000-3000	根据需求调整
提取字段数	4-6个	书名、作者、出版社、页数、价格、评分等

---

前置准备

在开始之前，请确保准备好：

• Make.com 账号（免费注册）
• OpenAI API密钥（需支持GPT-4o）
• HCTI账号（htmlcsstoimage.com）
• Notion 账号和数据库

Notion数据库结构

创建图书管理数据库，包含以下字段：

• 书名 (Title) - 图书标题
• 链接 (URL) - 豆瓣图书页面链接
• 状态 (Select) - 待处理/开始/已完成
• 作者 (Text) - 作者信息
• 出版社 (Text) - 出版社名称
• 出版年 (Text) - 出版年份
• 页数 (Number) - 页数
• 价格 (Text) - 定价
• 豆瓣评分 (Number) - 评分

---

工作流架构

阶段一：触发与检索

Notion数据库检索模块配置

使用Notion Watch Database Items监控状态变更：

配置要点：

• 监控条件：状态字段变为”开始”
• 获取字段：链接URL

---

阶段二：网页截图

将URL转换为图片的HCTI模块

使用HCTI将豆瓣页面转换为图片：

配置要点：

• URL：从Notion获取的豆瓣链接
• 像素密度：设为3（提高清晰度）
• 输出格式：PNG或JPG

为什么用截图？ 豆瓣等网站有反爬机制，直接抓取HTML困难。通过截图+AI识别的方式，可以绕过技术限制。

---

阶段三：GPT-4o多模态识别

GPT-4o多模态模型识别图片内容

将截图发送给GPT-4o进行信息提取：

结构化提示词示例

提示词设计：

请从这张豆瓣图书页面截图中提取以下信息：
1. 书名
2. 作者
3. 出版社
4. 出版年份
5. 页数
6. 定价
7. 豆瓣评分

请以JSON格式返回，字段名使用英文：
{
  "title": "",
  "author": "",
  "publisher": "",
  "year": "",
  "pages": "",
  "price": "",
  "rating": ""
}

---

阶段四：JSON格式保证

GPT-4o多模态模块无法100%保证JSON格式输出，需要额外处理：

解决方案：

• 添加一个普通的OpenAI对话模块
• 要求将上一步输出转换为标准JSON
• 确保数据可被后续模块正确解析

---

阶段五：回写Notion

将提取的结构化数据更新到Notion数据库：

映射关系：

• title → 书名
• author → 作者
• publisher → 出版社
• year → 出版年
• pages → 页数
• price → 价格
• rating → 豆瓣评分
• 状态 → 已完成

---

扩展应用

这套工作流不仅限于图书管理，还可以扩展到：

• 商品价格监控 - 截图电商页面，提取价格变化
• 股票走势分析 - 截图行情页面，提取关键数据
• 招聘信息抓取 - 截图招聘页面，提取岗位信息
• 竞品分析 - 截图竞品页面，提取产品信息

只需调整提示词，即可适应不同场景。

---

注意事项

在实操中容易遇到的”坑”：

1. 识别准确性 - 基于图片识别可能有细微错误，复杂字母或特殊排版风险更高

2. JSON输出不稳定 - 多模态模块需要额外添加对话模块确保JSON格式

3. 截图清晰度 - 像素密度建议设为3，太低会影响识别准确率

4. 平台分享限制 - YouTube等平台可能限制包含JSON括号的内容分享

---

适用场景

推荐使用的用户

• 数字知识管理爱好者 - 希望高效管理个人藏书或阅读清单
• 数据采集需求者 - 需要从网页抓取结构化数据
• 自动化探索者 - 对Make.com和GPT-4o应用有兴趣

可能不适合的情况

• 对技术配置完全不熟悉且不愿学习的用户
• 对数据准确性有100%极致要求的场景
• 每月处理量极小，手动录入成本更低的用户

---

常见问题

为什么要用截图而不是直接抓取网页？

豆瓣等网站有反爬机制，直接抓取困难。通过截图+GPT-4o多模态识别，可以绕过技术限制，且对任何网页都适用。

HCTI免费额度够用吗？

每月50次免费截图，对于个人图书管理场景通常足够。如需大量使用可考虑付费计划。

识别准确率如何？

根据测试，GPT-4o识别准确率很高，但对于复杂字母或特殊排版仍可能有细微错误，建议重要数据人工复核。

可以用于其他网站吗？

可以！只需调整提示词，就能应用于商品价格监控、股票走势分析、招聘信息抓取等场景。

---

下一步

学会了基础工作流后，你可以尝试：

• 添加豆瓣评分筛选，自动标记高分书籍
• 集成阅读进度追踪
• 添加定时任务监控书籍价格变化
• 扩展到其他数据采集场景

有问题欢迎在评论区留言交流！