夜雨聆风上一篇我们聊了怎么用 Zapier、扣子和 Make.com 搭建 AI 自动化工作流。很多读者照着做了，但马上碰到了新问题：
"流程搭好了，跑了两天就出错了。" "数据有时候能拿到，有时候空白。" "AI 的回答突然变了，后面的步骤全崩了。"
别慌，这是每个人搭工作流都会遇到的阶段。能搭出来是入门，能调通它才是真本事。
今天这篇是 AI Skill 系列第 5 篇——专门教你排查和修复工作流问题。学完这些调试技巧，你的工作流稳定性能提升 80%。
工作流出错的三种常见症状
在排查之前，先搞清楚你的工作流"生了什么病"：
对号入座之后，我们逐一拆解。
技巧一：先看日志，别猜
这是最基础也是最多人忽略的一步。
每个自动化工具都有运行日志，这是你的"黑匣子"：
- Zapier
：点击任务历史（Task History），可以看到每一步的输入和输出 - 扣子（Coze）
：在"运行记录"中查看每个节点的执行详情 - Make.com
：每个模块右上角的小气泡显示执行状态，点进去看详细数据
排查步骤：
- 找到出错的那个节点
— 日志会用红色标记失败的步骤 - 看输入数据
— 这一步收到的数据是否正确？ - 看输出数据
— 如果输入正确但输出有问题，说明是这个节点本身的配置出了问题 - 看错误信息
— 大多数平台会给出具体的错误代码和描述
💡 经验法则：80% 的工作流问题，看完日志就能定位到原因。别跳过这一步。
技巧二：让 AI 的输出"可预测"
工作流出错最常见的原因之一：AI 的输出格式不稳定。
比如你让 AI 分析一段新闻，期望它输出：
标题：xxx摘要：xxx评分：8但 AI 有时候会输出：
这篇新闻的标题是 xxx，主要讲的是 xxx，我给它评 8 分。格式一变，后面的步骤（比如"提取评分"）就全挂了。
解决方法：
方法 1：强制 JSON 输出
在 Prompt 里加上这段：
请严格按照以下 JSON 格式输出，不要添加任何其他内容：{ "title": "新闻标题", "summary": "一句话摘要", "score": 8}大多数模型对 JSON 格式的遵从度比自然语言高得多。
方法 2：加"反面示例"
告诉 AI 什么是错的：
✅ 正确输出格式：{"title": "xxx", "summary": "xxx", "score": 8}❌ 错误输出格式（不要这样）："这篇新闻讲的是xxx，评分8分""标题：xxx 摘要：xxx"方法 3：用"验证节点"兜底
在 AI 输出后面加一个"检查节点"：
检查输出是否是合法 JSON 检查必要字段是否存在 如果不合格，自动重试（让 AI 重新生成一次）
在 Zapier 中，可以用 Formatter + Filter 实现；在扣子中，可以用条件分支节点；在 Make.com 中，用 JSON Parse + Error Handler。
技巧三：处理 API 限流和超时
这是"时好时坏"类问题的头号元凶。
什么是 API 限流？
你调用 AI 的速度太快了，对方服务器说"你慢点"。常见表现：
HTTP 429 错误（Too Many Requests） HTTP 503 错误（Service Unavailable） 返回空白或错误消息
怎么解决？
方法 1：加延迟
在两次 API 调用之间加一个等待步骤：
Zapier：用 Delay 步骤，建议 5-10 秒 扣子：在节点之间加"等待"节点 Make.com：用 Sleep 模块
方法 2：设置自动重试
Make.com 原生支持重试设置（在模块的 Error Handler 中配置）。Zapier 可以用 Paths 实现——检测到错误后走"重试"分支。
方法 3：避免批量处理时的并发
如果你一次要处理 10 条数据，不要同时发 10 个请求。用循环（Iterator）逐条处理，每条之间加 3-5 秒延迟。
💡 实战提示：OpenAI API 免费版限制约 3 次/分钟，Plus 版约 60 次/分钟。如果你的工作流调用频率超过限制，要么升级套餐，要么降低频率。
技巧四：做好"降级方案"
高手和新手的区别在于：新手只想着"怎么成功"，高手还想着"失败了怎么办"。
降级方案示例：
正常流程： 获取数据 → AI 分析 → 发送报告降级流程： 获取数据 → [如果AI出错] → 发送原始数据 + 提示"AI分析暂时不可用" 获取数据 → [如果数据源出错] → 发送"数据源异常"告警到手机在 Zapier 中实现降级：
在 AI 步骤后面加一个 Filter 如果输出为空或包含错误关键词，走 Path B（降级路径） Path B 发送一条简单的通知，告诉你"今天的自动报告没生成，请手动检查"
在 Make.com 中实现降级：
在 AI 模块上右键 → Add Error Handler 选择 Resume（跳过错误继续执行）或 Rollback（回滚整个流程） Error Handler 后面接一个通知模块，把错误信息发给你
🎯 核心原则：宁可收到一条"失败告警"，也不要让工作流默默失败了你都不知道。
技巧五：版本管理和回滚
工作流出问题还有一个常见原因：你修了一个地方，结果另一个地方崩了。
建议做法：
- 改之前先复制
— 在修改工作流之前，先复制一份当前版本。Zapier 和 Make.com 都支持"复制 Zap / Scenario" - 每次只改一个节点
— 改完测一下，通过了再改下一个。不要一次改三个地方 - 记录你改了什么
— 在工作流的描述或备注里写上修改记录，比如"4/13 修改了 AI Prompt，增加了 JSON 格式要求" - 出问题就回滚
— 如果改完发现不对，直接切回旧版本，别在新版本上继续折腾
实战演练：调试一个"每日新闻摘要"工作流
假设你按上一篇搭了一个"每天 8 点自动发新闻摘要"的工作流，但第三天突然不工作了。
Step 1：看日志
打开 Zapier Task History 发现第 2 步（调用 ChatGPT）报错： 429 Too Many Requests
Step 2：分析原因
昨天你新加了一个工作流，也在调用 ChatGPT 两个工作流在同一时间触发，超出了 API 限制
Step 3：解决
把两个工作流的触发时间错开（一个 8:00，一个 8:10） 在 ChatGPT 步骤前加一个 5 秒延迟
Step 4：加降级方案
在 ChatGPT 步骤后加一个 Filter 如果输出为空，发一条微信通知："今天的新闻摘要生成失败，请手动检查"
Step 5：测试
手动运行一次，确认正常 等第二天自动运行，确认无误 搞定 ✅
调试检查清单（保存备用）
每次工作流出问题，按这个清单排查：
[ ] 看日志，定位出错的节点 [ ] 检查输入数据是否正确 [ ] 检查 AI 输出格式是否稳定 [ ] 检查是否触发了 API 限流 [ ] 检查触发器配置（时区、频率、权限） [ ] 最近修改过什么？考虑回滚 [ ] 有没有降级方案？没有就加一个
下期预告
下一篇我们聊一个更高级的话题：怎么让多个 AI Agent 协同工作——不是一个 AI 干活，而是几个 AI 组成"团队"，各司其职。比如一个负责收集信息，一个负责分析，一个负责写报告。这就是现在最火的"Multi-Agent"模式。
有兴趣的话在评论区告诉我，你最想让 AI 团队帮你做什么工作？
关注「AI引路者」，每天用大白话帮你搞懂 AI。看完就能用。
