Make教程：打造爆款提示词工厂 - 自动分析写作风格生成高质量Prompt

概述

这是一款基于Make.com的创新自动化AI写作工作流，通过深度分析爆款文章写作风格，结合大模型多轮对话能力，自动生成高质量写作提示词。

该方案实现了从灵感到成文的全自动化：

1. 风格分析 - 分析5-20篇爆款文章的写作风格
2. 提示词生成 - 从15个维度生成专业写作提示词
3. 热点抓取 - 自动获取抖音等平台实时热点
4. 素材整合 - 通过EXA API搜索相关素材
5. 智能判断 - Token计数判断素材是否充足
6. 文章生成 - 结合提示词和素材自动创作

完整工作流：风格分析 → 提示词生成 → 热点抓取 → 素材整合 → 文章创作

---

核心决策因素

在选择自动化AI写作方案时，需要关注：

• 自动化程度 - 从素材收集到文章输出的自动化水平
• 提示词质量 - 生成的提示词是否具备深度和专业性
• 内容原创性 - 生成内容是否具备独特视角
• 热点捕捉能力 - 获取实时热点和素材的效率

---

技术规格参考

规格	值	备注
基础分析文章数量	5-8篇	最多可增至20篇
Make.com模块数量	33个	当前工作流核心模块
工作流运行时间	最长5分钟	取决于素材数量
Make.com操作数	100+次	单次完整运行
提示词定义维度	15个	创作视角、标题设计、文章结构等
Notion数据库数量	3个	原始文章、提示词、最终文章
抖音热点抓取量	30个	单次可抓取的实时热点
EXA API素材抓取量	10个数据点	每次抓取的互联网数据
素材充足性阈值	10,000 Token	低于此值则不生成文章

---

前置准备

在开始之前，请确保准备好：

• Make.com 账号
• Notion 账号
• OpenRouter API密钥
• ChatGPT API密钥（用于结构化输出）
• EXA API密钥（用于素材搜索）
• Jina API（用于Token计数）

Notion数据库结构

三个Notion数据库：原始文章库、提示词库、最终文章库

需要创建3个Notion数据库：

1. 原始文章库 - 存储待分析的爆款文章
2. 提示词库 - 存储生成的写作提示词
3. 最终文章库 - 存储生成的文章

注意：原始文章必须以code块形式存储，否则可能导致数据处理错误。

---

工作流架构

33个模块的完整工作流连接图

整个工作流分为几个核心模块组：

1. 文章分析模块 - 从Notion获取爆款文章并分析
2. 提示词生成模块 - 多轮对话生成15维度提示词
3. 热点抓取模块 - 获取抖音实时热点并分类
4. 素材搜索模块 - 通过EXA API搜索相关素材
5. 质量判断模块 - Token计数判断素材充足性
6. 文章生成模块 - 结合提示词和素材创作文章

---

Step 1: 准备爆款文章样本

在Notion原始文章库中录入5-8篇爆款文章：

要求：

• 文章风格需保持一致
• 内容以code块形式存储
• 可增至20篇以提高分析精度

注意：若文章写作风格不一致，最终生成的提示词会变得”四不像”，缺乏针对性。

---

Step 2: 配置写作风格分析

使用OpenRouter进行多轮对话，从15个维度分析写作风格：

15个分析维度：

1. 创作视角
2. 标题设计
3. 开篇技巧
4. 文章结构
5. 段落组织
6. 语言风格
7. 修辞手法
8. 情感表达
9. 案例运用
10. 数据引用
11. 金句提炼
12. 结尾技巧
13. SEO优化
14. 互动引导
15. 差异化定位

---

Step 3: 生成高质量提示词

AI生成的15维度写作提示词

通过多轮对话分析后，系统自动生成结构化的写作提示词，包含：

• 创作角色定位
• 标题公式模板
• 结构框架建议
• 语言风格指南
• 修辞技巧清单

---

Step 4: 抓取实时热点

配置抖音热点API，抓取30个实时热点话题。

热点处理流程：

1. 抓取热点列表
2. 使用ChatGPT进行分类
3. 筛选适合创作的主题
4. 选择5篇作为写作素材

注意：ChatGPT在结构化输出方面比OpenRouter更稳定，热点分类任务建议使用ChatGPT。

---

Step 5: 素材搜索与质量判断

通过EXA API搜索互联网素材，并使用Jina API计算Token数量。

智能判断逻辑：

• Token数量 >= 10,000：素材充足，继续生成
• Token数量 < 10,000：素材不足，跳过此主题

这个机制避免了生成低质量或内容空洞的文章。

---

Step 6: 自动生成文章

结合高质量提示词和充足素材，AI自动生成爆款文章。

最终生成的文章，包含标题和完整结构

---

注意事项

在搭建过程中需要特别注意：

1. 初始配置复杂 - 33个模块、3个数据库、多个API，需要一定技术基础

2. 调试耗时 - API Key、JSON格式、模块连接顺序容易出错，需要耐心调试

3. Notion数据敏感 - list page content模块会将空行作为单独的”块”输出，需限制输出数量

4. 热点素材挑战 - 视频类热点可能缺乏足够的中文深度素材

5. 运行前务必保存 - Make.com断网会导致未保存的工作流进度丢失

6. 模型选择 - OpenRouter在结构化输出方面可能不如ChatGPT，需根据任务切换

7. 素材风格一致性 - 分析的文章风格需一致，否则提示词会泛化

---

适用场景

推荐使用的用户

• 自媒体团队 - 需要批量生产特定风格爆款文章
• 内容营销公司 - 快速响应市场热点，批量生成营销文案
• 技术爱好者 - 愿意投入时间学习和配置自动化工作流
• 提示词工程学习者 - 通过分析文章系统性学习提示词设计

可能不适合的情况

• 追求简单”一键生成”体验的用户
• 不愿投入时间进行初始配置的用户
• 对原创性有极高要求的传统创作者
• 预算有限的用户（API调用和高级套餐产生费用）

---

常见问题

需要分析多少篇爆款文章？

推荐5-8篇，最多可增至20篇。文章风格需保持一致，否则生成的提示词会变得泛化，缺乏针对性。

整个工作流运行需要多长时间？

根据素材数量和模块复杂性，最长可达5分钟，单次运行消耗100+次Make操作数。

如何判断素材是否充足？

工作流通过Jina API计算Token数量，若低于10,000则判定素材不足，不会生成低质量文章。

这个工作流适合新手吗？

不太适合。涉及33个模块配置、3个Notion数据库和多个API集成，需要较强的技术背景和调试能力。

---

下一步

学会了基础工作流后，你可以尝试：

• 添加更多热点来源（微博、知乎等）
• 集成多智能体协同功能
• 添加文章质量评分模块
• 设置自动发布到多平台

有问题欢迎在评论区留言交流！