Make教程：用Kimi API + Make打造超长PDF文档自动分析机器人

概述

对于需要处理中文长文档（如财报、书籍）但受限于OpenAI访问困难或成本过高的用户，Kimi API结合Make.com是一个极具性价比的替代方案。

该工作流利用Kimi强大的128K+上下文能力，实现长文档的自动分析：

1. 触发任务 - Notion数据库状态变更触发
2. 上传文件 - 将PDF上传到Kimi获取File ID
3. 解析内容 - 调用解析接口获取文本内容
4. AI分析 - 发送给Kimi进行总结提炼
5. 回写结果 - 将核心观点保存到Notion
6. 清理文件 - 删除已处理的文件防止堆积

完整的8步自动化工作流架构

---

核心决策因素

在选择AI长文档处理方案时，需重点考量：

• 长文本吞吐量 - 能否一次性读取几十页PDF而不丢失信息
• API易用性与成本 - 接口文档是否清晰，Token价格是否亲民
• 容错机制 - 面对特殊字符、网络超时等异常的处理能力
• 数据结构化能力 - 能否将PDF内容转化为可用的JSON格式

---

技术规格参考

关键指标	规格	备注
Kimi模型上下文	8K/32K/128K	推荐使用128K处理长文档
Notion上传限制	5MB	免费版限制，大文件用Google Drive
Kimi文件存储上限	100个文件	必须配置删除步骤
HTTP超时设置	300秒	处理长文本建议延长
状态码校验	200	建议添加Filter过滤
API鉴权方式	Bearer Token	Header添加Authorization

---

前置准备

在开始之前，请确保准备好：

• Make.com 账号（免费注册）
• Kimi API密钥（kimi.moonshot.cn）
• Notion 账号和数据库

Notion数据库结构

创建PDF管理数据库，包含以下字段：

• 文件 (Files & Media) - 上传PDF文件
• 状态 (Select) - Start/Processing/Done
• 分析结果 (Text) - AI提取的核心观点
• 文件链接 (URL) - PDF的访问链接

---

为什么选择Kimi API

相比OpenAI，Kimi在处理中文长文档方面具有独特优势：

对比项	Kimi	OpenAI
上下文窗口	128K（未来200K+）	128K（GPT-4 Turbo）
中文能力	原生优化	一般
国内访问	直接访问	需要代理
API成本	相对较低	较高
Make集成	需HTTP模块	有原生模块

---

工作流架构

整个工作流分为三个核心阶段：

阶段一：文件上传

Multipart/form-data配置详解

使用HTTP模块上传PDF到Kimi：

请求配置：

• URL: https://api.moonshot.cn/v1/files
• Method: POST
• Content-Type: multipart/form-data
• Headers: Authorization: Bearer {{api_key}}

上传成功后获取file_id，用于后续解析。

---

阶段二：内容解析与清洗

获取File ID后，调用解析接口获取PDF文本内容。

关键步骤：Text Parser清洗

使用正则表达式清洗原始文本

PDF解析出的原始文本常包含：

• 换行符 \n
• 特殊括号 []、{}
• 多余空格

这些字符直接放入JSON会破坏数据结构，必须使用正则替换清洗。

---

阶段三：AI分析与回写

构建128K上下文模型的Prompt

将清洗后的文本发送给Kimi进行分析：

Prompt设计：

{
  "model": "moonshot-v1-128k",
  "messages": [
    {
      "role": "system",
      "content": "你是一个专业的文档分析专家，擅长从长篇报告中提取核心观点。"
    },
    {
      "role": "user",
      "content": "请从以下文档中提取10个核心观点：\n\n{{cleaned_text}}"
    }
  ]
}

---

阶段四：文件清理（关键）

必须配置的文件删除步骤

Kimi API有100个文件的硬性上限，必须配置删除步骤：

请求配置：

• URL: https://api.moonshot.cn/v1/files/{{file_id}}
• Method: DELETE
• Headers: Authorization: Bearer {{api_key}}

重要：如果不设置删除步骤，运行100次后工作流将彻底瘫痪！

---

注意事项

在实操中容易遇到的”坑”：

1. JSON结构的”隐形杀手” - PDF解析的原始文本包含特殊字符，必须用Text Parser正则清洗

2. 文件堆积陷阱 - Kimi有100个文件上限，必须配置”分析后删除”步骤

3. 数据延迟与映射困难 - Make中如果上一步HTTP请求未运行，后续模块无法映射变量，需要”空跑”一次获取数据结构

4. Notion体积瓶颈 - 免费版仅支持5MB文件，大PDF需通过Google Drive绕道

5. HTTP超时 - 处理长文本建议将超时时间延长到300秒以上

---

实际效果

处理能力：

• 能够从30多页的英文特斯拉财报中，准确提取”财务概要”、“成本控制”等10个核心观点

处理效率：

• 相比人工阅读，机器处理仅需数分钟（取决于文件长度）

---

适用场景

推荐使用的用户

• 金融从业者/研究员 - 每天阅读大量研报获取关键信息
• OpenAI受限用户 - 需要高质量中文长文本处理能力
• Notion重度用户 - 希望构建自动化知识库闭环

可能不适合的情况

• 对API、JSON、HTTP请求完全无概念的零基础用户
• 超大扫描件处理者（>50MB的图片PDF）

---

常见问题

为什么选择Kimi而不是OpenAI？

Kimi支持128K+超长上下文，中文处理能力强，国内可直接访问，API成本相对较低，适合处理长篇中文文档。

Kimi API有什么限制？

文件存储上限100个，超过会报错。必须在工作流中配置删除步骤，处理完成后及时清理文件。

为什么需要Text Parser清洗数据？

PDF解析出的原始文本常包含换行符、特殊字符，直接放入JSON会破坏数据结构导致API报错，必须用正则表达式清洗。

Notion上传文件有什么限制？

Notion免费版仅支持5MB文件上传，超大PDF需要通过Google Drive绕道触发。

---

下一步

学会了基础工作流后，你可以尝试：

• 添加OCR模块处理扫描版PDF
• 集成多语言翻译功能
• 添加批量处理队列
• 设置定时任务自动处理新文件

有问题欢迎在评论区留言交流！