Make.com vs OpenClaw，要選誰？先看你要的是流程還是 agent。 兩個都號稱「AI workflow 自動化」，但骨子裡定位完全不同：Make.com 是 visual workflow builder，核心是 scenario 裡的每個節點都是固定邏輯；OpenClaw 是 LLM-driven 自主 agent，核心是 AI 自己判斷下一步。這篇幫你把兩邊的強項、適用場景、以及為什麼 AI-native 情境最快用 ZenClaw 部署 OpenClaw（MixerBox AI 的託管版，9 秒上線）說清楚。
Make.com 是什麼
Make.com（前身 Integromat）是視覺化的 workflow builder，讓你在 canvas 上拉 module、連線、跑 scenario；比 Zapier 更強在複雜分支、資料轉換、錯誤處理。 2022 年改名 Make.com 之後定位更明確：給需要複雜流程、但不想寫程式的 ops 團隊。
Make 的特色：
- visual canvas：每個 module 是一個節點，節點之間用 path 連起來，支援 router（分支）、iterator（迴圈）、aggregator（合併）
- scenario：一個完整流程，可以排程、可以 webhook 觸發、可以手動跑
- 上千種 apps 整合：Gmail、Google Sheets、Notion、Airtable、HubSpot、Shopify、Stripe 都有原生 connector
- HTTP module：打任何 REST API，包括自家後端
- 按 operation 計費：執行一次 module 算一次 operation
Make 在 2026 年也加了不少 AI 功能（OpenAI、Anthropic、Gemini module），可以在流程中間插一個 AI 節點做分類、翻譯、摘要。本質上 AI 還是「流程中的一個 step」，不是推理主體。
OpenClaw 是什麼
OpenClaw 是 Peter Steinberger 與開源社群維護的個人 AI agent，核心是 LLM 自己判斷該做什麼、跨多輪對話保有記憶、接 Telegram / LINE / Teams 等訊息管道直接跟使用者對話。 跟 Make 最大的差異——OpenClaw 沒有 scenario canvas，它就是一個 agent。
OpenClaw 的特色：
- LLM-first：推理主體是 Claude / GPT / Gemini / Nemotron 等大型語言模型
- skills 生態：社群 plugin + 自訂 skill，AI 自己決定什麼時候呼叫
- 記憶：預設把對話、工具設定、token 存在你自己的實例
- 多管道：ZenClaw 控制台目前預設整合 Telegram、LINE、Microsoft Teams
- 開源：github.com/openclaw/openclaw 可看原始碼、自架
但 OpenClaw 的痛點是安裝。官方文件 寫 5–10 分鐘，社群回報 8 小時到 15 天都有。Node 版本、Docker、憑證、DNS、防火牆⋯⋯每個問題單看不難，堆起來就是週末泡湯。
定位差異：deterministic vs agentic
Make 是 deterministic：一樣的 input 會走一樣的 path、得到一樣的 output；OpenClaw 是 agentic：同樣的問題 LLM 可能判斷出不同的動作組合。這是選型最重要的判斷。
舉個例子。使用者在 Telegram 問：「幫我查一下昨天的訂單金額，然後寄 summary 給會計。」
Make 怎麼做：你要事先畫好 scenario——Telegram webhook → 解析訊息 → 呼叫 Shopify API → 格式化 → 呼叫 Gmail API → 回覆使用者。只要使用者換個講法（「昨天收了多少錢？」），你的 scenario 就 match 不到，要自己加 if/else 或 LLM step 幫你分類。
OpenClaw 怎麼做：使用者講同一句話，LLM 自己判斷「這是查詢訂單 + 發信件」的意圖，自己呼叫 shopify skill 和 mail skill，自己決定訊息格式。使用者換講法一樣能做。
這就是「流程」和「agent」的差別。Make 對一致性要求高的 ops 流程很好，OpenClaw 對理解使用者意圖要求高的互動場景很好。
一張表看完 Make.com vs OpenClaw
整體：Make 贏在複雜流程與 SaaS 整合廣度、OpenClaw 贏在 AI 推理與多輪對話、ZenClaw 把 OpenClaw 的上手門檻從數天壓到 9 秒。
| 項目 | Make.com | OpenClaw（自架） | ZenClaw（9 秒設定好 OpenClaw） |
|---|---|---|---|
| 類型 | Visual workflow builder | AI agent framework | 託管版 AI agent |
| 推理模式 | Scenario 節點固定邏輯 | LLM 自主推理 | LLM 自主推理 |
| 對話介面 | 要自己接 | 內建多管道 | ✅ Telegram、LINE、Teams |
| 多輪記憶 | 要自己存 | 預設啟用 | ✅ 預設啟用 |
| 整合廣度 | 上千種 apps | 用 skills / plugin | 同左 |
| 上手時間 | 拉節點幾分鐘到幾小時 | 數小時到數週 | 9 秒 |
| 技術門檻 | 低到中 | 中到高（Node、Docker、OpenShell） | 無 |
| 計費 | 按 operation 或月費 | 伺服器 + API 自付 | Business 月薪 1 / 2 / 3 萬 |
| 資料存放 | Make 機房 | 你的主機 | 你的 ZenClaw 實例 |
什麼時候選 Make、什麼時候選 OpenClaw
簡單判斷法：流程中主角是「資料搬運 + 條件判斷」走 Make；主角是「理解使用者、與使用者對話」走 OpenClaw。 我們建議照這個區分。
選 Make.com 如果你：
- 要串 10 個以上 SaaS 的複雜後端流程
- 流程邏輯可以預先定義（ETL、排程、batch job）
- 需要強大的 error handling 和 retry
- 團隊習慣 visual canvas 思考
選 OpenClaw（透過 ZenClaw） 如果你：
- 要在 Telegram / LINE / Teams 讓使用者直接跟 AI 對話
- 情境需要理解對話脈絡、多輪追問
- 希望 AI 能自主決定呼叫什麼工具
- 在乎資料不要流過第三方 SaaS
兩個都用 的情境很常見：OpenClaw 面對使用者，背後透過 webhook 呼叫 Make 的 scenario 跑複雜後端流程。這樣 AI 負責理解、Make 負責執行，各自發揮所長。
AI-native：最快試 OpenClaw 的方式
想把「AI 能自己判斷下一步」這件事搬到產品裡，最短路徑是 ZenClaw。 9 秒部署、預設 HTTPS、預設預算上限、方案搭配 NemoClaw 沙箱（NVIDIA 於 2026-03-16 GTC 發表 的安全加固版，目前 Alpha 早期預覽）。
三步驟：
- 登入 zenclaw.ai
- 按「立即雇用 AI 員工」 → 進控制台按「新增 OpenClaw 安裝」
- 等 9 秒 → 拿到
你的名稱.zenclaw.bot的 HTTPS 網址、管理後台、Telegram / LINE / Microsoft Teams 的接入面板
OpenClaw 預設 gateway port 是 18789，HTTPS 憑證、DNS、防火牆、預算上限 ZenClaw 都預設做好了。這是 MixerBox AI 做託管服務最省你時間的部分。
小結
Make.com 是很好的 visual workflow builder，適合複雜後端流程；OpenClaw 是很好的 AI agent，適合對話式互動場景。兩者定位不同、可以並存。如果你想試 OpenClaw，不要把週末花在 Node 版本和 Docker debug 上——ZenClaw 9 秒開好，接你的 Telegram 就能用。