文档

文档

Zapier + ModelRiver

无代码 AI 自动化。从表单提交、Slack 消息、CRM 更新以及 6,000 多个其它应用程序触发 ModelRiver 请求。

概览

Zapier 连接了 6,000 多个应用程序以创建自动化工作流（称为 "Zaps"）。通过将 ModelRiver 添加为网络钩子 (webhook) 操作，您可以从任何 Zapier 触发器（表单提交、新邮件、Slack 消息、CRM 更新等）触发 AI 请求。

您将获得：

  • 无需编写代码即可获得 AI 驱动的自动化
  • 从超过 6,000 个应用程序中的任一应用程序触发 ModelRiver
  • 处理 AI 响应并将结果发送到任何地方
  • 通过 ModelRiver 实现自动故障转移和成本追踪

快速上手

第 1 步：创建一个 Zap

  1. 前往 zapier.com 并点击 Create Zap
  2. 挑选您的 触发应用程序 (trigger app) (例如：谷歌表单、Slack、Gmail)
  3. 配置该触发事件

第 2 步：添加 Webhooks 操作

  1. 搜索 Webhooks by Zapier 作为操作应用程序
  2. 选择 POST 作为操作事件
  3. 配置该网络钩子 (webhook)：
字段值
URLhttps://api.modelriver.com/v1/ai
Payload Typejson
HeadersAuthorization: Bearer mr_live_YOUR_API_KEY
HeadersContent-Type: application/json
  1. 设置 Data 字段：
键值
workflowmy-chat-workflow
messages[0][role]user
messages[0][content]{{来自第 1 步的触发数据}}
formatwrapped

第 3 步：处理响应

添加另一个操作以使用 AI 响应：发送电子邮件、更新电子表格、发布到 Slack 等。

示例 Zaps

总结表单提交

触发器： 谷歌表单 → 新回复 操作 1： Webhooks by Zapier → POST 到 ModelRiver

JSON
1{
2 "workflow": "form-summariser",
3 "messages": [
4 {
5 "role": "system",
6 "content": "请用 2-3 句话总结这次表单提交。"
7 },
8 {
9 "role": "user",
10 "content": "姓名：{{name}}，反馈：{{feedback}}，评分：{{rating}}"
11 }
12 ]
13}

操作 2： Gmail → 发送包含总结的电子邮件

自动回复 Slack 消息

触发器： Slack → 频道中的新消息 操作 1： Webhooks by Zapier → POST 到 ModelRiver

JSON
1{
2 "workflow": "slack-responder",
3 "messages": [
4 {
5 "role": "system",
6 "content": "你是得力的团队助手。请简洁地回答问题。"
7 },
8 {
9 "role": "user",
10 "content": "{{message_text}}"
11 }
12 ]
13}

操作 2： Slack → 发送包含 AI 响应的频道消息

丰富 CRM 联系人

触发器： HubSpot → 创建了新联系人 操作 1： Webhooks by Zapier → POST 到 ModelRiver

JSON
1{
2 "workflow": "lead-qualifier",
3 "messages": [
4 {
5 "role": "system",
6 "content": "根据公司信息，将此线索分类为 'hot', 'warm', 或 'cold'。以 JSON 形式响应：{\"score\": \"...\", \"reason\": \"...\"}"
7 },
8 {
9 "role": "user",
10 "content": "公司：{{company}}，职位：{{job_title}}，来源：{{lead_source}}"
11 }
12 ]
13}

操作 2： HubSpot → 更新联系人的线索分数

翻译支持工单

触发器： Zendesk → 新工单 操作 1： Webhooks by Zapier → POST 到 ModelRiver

JSON
1{
2 "workflow": "translator",
3 "messages": [
4 {
5 "role": "system",
6 "content": "将以下支持工单翻译为英文。保留格式。"
7 },
8 {
9 "role": "user",
10 "content": "{{ticket_description}}"
11 }
12 ]
13}

操作 2： Zendesk → 添加带有翻译的内部备注

使用结构化输出

对于需要 AI 提供结构化数据的 Zaps，请使用带有结构化输出架构的 ModelRiver 工作流：

  1. 创建带有结构化输出的工作流 (例如：{"sentiment": "string", "category": "string", "priority": "string"})
  2. 在 webhook 中使用 "format": "wrapped" 以在响应体中获取结构化数据
  3. 在后续 Zapier 步骤中访问各个字段

最佳实践

  1. 使用结构化输出：方便在 Zapier 中提取字段
  2. 使用 "format": "wrapped"：在响应旁返回元数据
  3. 在 Zapier 编辑器中测试：发布前使用 “Test” 按钮验证网络钩子
  4. 处理错误：添加 Zapier Paths 步骤以检查响应中的错误
  5. 监控成本：每次 Zap 执行都会消耗 ModelRiver 代币；请前往 可观测性 (Observability) 追踪

下一步