本頁目錄
如果你正在將 Open Flow 與 Make(https://www.make.com/)放在一起評估,兩者的核心差距在於工程掌控力與開放性。Make 是一款純雲端的視覺化路由工具,每次模組執行都要消耗點數,流程與資料也只能留在 Make 的伺服器上;而 Open Flow 把確定性編排、AI 原生決策節點、Agent 可讀寫的 CLI/MCP 工具鏈以及開源自行部署結合在了一起。
應用程式整合與工具
Gmail、Slack、Notion、HubSpot、Google Sheets 等常用服務兩者都能連接,但在自訂 API、AI 服務接入與計費方式上差異顯著。
| 應用程式整合 | Open Flow | Make |
|---|---|---|
| 內建整合 | 1,700+ 應用程式與服務、20,000+ 現成工具 | 僅提供雲端 SaaS 模組;自訂應用需使用 Make 專有規範開發 |
| 社群與維護 | OpenConnector 由社群共建、官方統一維護 | 第三方或自訂模組由作者各自維護 |
| 付費 AI 與資料服務 | 一個 OOMOL 帳號即可使用多種付費 AI 與資料服務,不必逐一註冊 | 僅作為轉發通道,仍需自備各服務商帳號與 API Key |
| 服務計費 | 用多少,付多少,統一扣款,不必分別訂閱 | 外部 AI/資料介面需單獨訂閱付費,同時還要扣除 Make 模組點數 |
| 自訂 API 與 Schema | 原生內建 HTTP Request 與 OpenAPI 節點,直接連接任意 REST 服務 | 僅提供通用 HTTP 模組,缺少原生 OpenAPI Schema 節點 |
在 Open Flow 中,你可以用同一個帳號把 SaaS 應用、OpenAPI 介面和各類付費 AI 模型串聯起來,既不必維護零散的 API Key,也不用為同一次呼叫支付兩份費用。
查看 Open Flow 的應用程式與工具目錄工作流程的建立與修改
Open Flow 把工作流程當作可版本化、可審查的工程產物,讓開發者和程式 Agent 都能直接編輯;Make 的情境則基本停留在瀏覽器畫布裡手動拖曳。
| 建立與修改 | Open Flow | Make |
|---|---|---|
| 輸入與輸出 | 帶型別的輸入與輸出,支援靜態檢查與測試,也讓 Agent 無需試跑即可讀取資料結構,節省 token | 執行期動態欄位對應,通常需先執行模組取得樣本資料,再於畫布中手動點選欄位 |
| 流程控制 | 確定性分支、迴圈、子流程呼叫、錯誤處理與人工審批(Approval) | 僅提供視覺化 Router 與疊代器,缺少原生人工審批暫停節點 |
| AI 任務 | LLM、Agent 節點,以及 JEV 決策節點,一次完成多項分類、判斷與評分 | 僅提供獨立 AI 模組,每次呼叫都會額外消耗執行點數 |
| CLI 與 MCP 編排 | 專為 Agent 編輯最佳化,支援節點查詢、局部修改、原子提交與衝突檢查 | Make MCP 僅能把既有情境作為遠端工具觸發,無法本機編輯流程結構 |
| 版本控制 | 內建修訂、發布歷史與回復舊版 | 歷史紀錄功能有限,自訂變數與異常復原僅限高階方案 |
| 流程可攜性 | 開放、Git 友好的標準工作流程檔案 | 綁定在 Make 雲端專有藍圖格式中 |
不同於容易失控的畫布式 Agent Builder,Open Flow 堅持保持執行路徑的確定性,並透過 CLI 與 MCP 讓 Claude Code、Codex 等原生 Agent 直接檢查、修改和驗證工作流程。由於每個節點的輸入與輸出都帶有型別定義,連線問題可在執行前靜態發現並方便測試,Agent 也無需先試跑模組再從樣本資料推測欄位。
範本實例:郵件分類與記錄
以一個實務上常見的自動化任務為例——自動整理收件匣郵件:
- 讀取新收到的未讀 Gmail 郵件。
- 使用 AI 分類,並產生一句摘要。
- 將日期、寄件者、主旨、分類與摘要新增至 Google Sheets。


郵件分類範本的 Open Flow 預覽,具備結構化節點、版本歷史與 Agent 可編輯的開放格式。
在 Open Flow 中,匯入範本並連結 Gmail 與 Google Sheets 後,你可以自由指定任何 OpenAI 相容的模型位址,並透過內建修訂歷史追蹤每一次改動。
查看範本與設定說明自行部署與資料掌控
對於有資料合規、內網延遲或私有化部署要求的團隊,兩者的部署架構是截然不同的路線。
| 自行部署 | Open Flow | Make |
|---|---|---|
| 部署方式 | 開源且支援 Docker 自行部署,完全運行在自己的伺服器上 | 僅限閉源 SaaS 雲端託管,完全不提供自行部署版本或 Docker 映像檔 |
| 自訂 LLM | 可自訂模型服務位址與 API Key,支援本機模型與 OpenAI 相容介面 | 僅支援雲端整合,無法接入自行部署的本機推論服務 |
| 資料與日誌 | 自行部署時資料與執行日誌完全留在內網 | 所有請求載荷與執行日誌都留在 Make 伺服器上 |
| 官方整合服務 | 自行部署後仍可搭配 OOMOL 官方服務,統一依用量計費 | 不適用——所有執行都必須留在 Make 雲端 |
Make 只能在 Make 自己的雲端執行。Open Flow 則讓你在需要時隨時切換為私有化部署——同時還能繼續按量呼叫 OOMOL 的官方整合服務,省去自行維護 OAuth 應用的麻煩。
官方託管與使用費用
Open Flow 把功能完整性與用量計費分開;Make 則依每個模組的執行次數扣減點數,並把短週期排程和自訂變數鎖在高階方案中。
| 官方託管 | Open Flow | Make |
|---|---|---|
| 免費方案 | 免費版即含每月額度,支援完整分支、AI 節點與 Webhook | 每月僅 1,000 點數,且最短排程間隔僅限 15 分鐘 |
| 入門月費 | $15.90/月 | Core 約 $9–$12/月(含 10,000 點數),但自訂變數與優先執行需升級 Pro |
| 計費與迴圈 | 每月提供額度,超出後依實際用量付費 | 迴圈與疊代器每處理一筆資料,都會依模組數量成倍消耗點數 |
Open Flow 不會用模組點數乘法或功能分級來製造升級壓力。 隨著業務規模擴大,你可以依實際資源消耗平滑擴充,而不必為了解鎖變數或異常處理而被迫跳級訂閱。