千字新闻拧成128字推文，三轮压缩比一次摘要强在哪

先说一条实测出来的账。我们自己运营推特账号期间对比过，同样的事件、同样的发布节奏，压到 128 字的高密度推文，互动率比长推文高出三倍以上。短内容平台上注意力就是这么分配的，字越少，每个字越值钱。

值钱归值钱，产出它的过程特别熬人。每天盯着订阅源筛新闻，点开长文读完，压成一条短推，再找一张配图，手动跑一套下来个把小时就没了，质量还时好时坏。热点更不等人，你压推文的功夫，话题已经凉了一半，配图再耗半小时，发出去的时机就全错了。

后来我们把整条链搬进了 Make，RSS 进，带图的推文出，人只管收尾扫一眼。整条线的走法是，Notion 里把任务状态一点，工作流从 RSS 拉新闻，Jina Reader 抓全文，切段喂给大模型做三轮压缩，再按推文关键词搜配图，结果连同关键词一起存回 Notion。下面按交付顺序把每一站拆开讲。

摘要是压薄，浓缩是压实

这条产线的灵魂是一个我们叫它迭代总结法的东西，跟传统摘要的思路正好拧着。

传统摘要是丢信息换长度，模型挑自以为重要的留下，其余全砍，压得越狠丢得越多。迭代总结法反着来，字数锁死，信息往里堆，分三轮压完。

第一轮，提取文章核心信息，生成不超过 110 字的初始概要，顺手把关键实体圈出来，公司名、产品名、数字、时间点。第二轮，字数保持不变，往里新增三个关键实体，让模型把新旧信息融合再压缩，密度抬一档。第三轮继续叠实体，压到 128 字以内，每个词都得带信息，虚词连接词能删全删。有个细节要盯住，每一轮的字数都不能放开，一轮松口，模型立刻退回丢信息换长度的老路，前面的轮次就白压了。

拿实测过的一条成品感受一下。一篇讲 Figure 人形机器人的长文，三轮压完是这句，「Figure 突破博士动力空翻专利，推出高智能人形机器人，掌握咖啡拉花、分发、遛狗等多项技能，专注通用机器人及自研电机技术，预计年底实现商业应用」。一条里塞进了专利突破、产品发布、技能演示、商业化时间表四层事实，没有一个是过渡句。

这套玩法不挑平台，推特能用，抖音文案能用，任何在短篇幅里抢注意力的地方都能用，它压的是信息密度，不是某个平台的格式。

摘要删信息，浓缩堆密度，两个动作方向相反，别指望一个提示词顺便都做了。

喂进去的料，先要切得匀

整条线的入口是 Notion 的搜索模块，按创作状态字段筛任务。我们设了「开始有水印」和「开始无水印」两个状态，条件用 OR 连着，匹配到任何一个就往下走，后面的模块只管干活。这个设计让加不加图变成任务的一个字段，不用为两种姿势复制两条工作流。

压缩的前提是模型把长文吃透，这半条线的关键词是切段。

新闻从 RSS 进来，HTTP 模块直接调 Jina Reader，调用格式就是 Jina 的阅读域名加目标链接，记得把 Parse Response 打开，不然拿回来的是没法解析的原始返回。抓回来的内容偶尔会缺斤少两，中间加一道分类器判断，确认是完整正文再往下走，宁可在这一步多花一次调用，也别让半篇文混进压缩环节。

长文到手再过 Jina 的分段器，按 Token 数切块，我们定的是一段 2000，这里有个容易翻车的选项，创作式模式必须开，不开它只返回每段多少 Token，不返回内容，等于白切。段长这个参数也别拍脑袋，调大是省 Token，但每段得足够模型看清上下文，切太碎压缩就开始丢事实，2000 左右是实测下来比较稳的中位值。

想让这条线千字万字都能接，就把分段做成动态的。用一个变量模块算文章长度除以 2000 再向上取整，得数传给 Repeater，一段一段把全文铺满，来多大的文章都接得住。

有个权限坑提前交代。Notion 那边检索不到数据库，九成是没给 Make 的集成授权，尤其是授权之后新建的库，要手动到数据库设置里把 Make 集成加进去，这一步藏得深，第一次搭基本都会在这儿卡一把。

改写不注入新信息，就是把词换皮

压缩之外，这条线上还有一类活是改写，把一篇现成的文章变成另一个平台可用的版本。多数人让模型干这件事，拿回来的东西把措辞换了一遍，句式换了一遍，信息量一分没涨，一眼就是机器洗稿。

我们的做法是先注入再改写。借物理里熵增那个理，封闭系统只会越来越乱，想让它有序，就得从外面灌进新的东西。文章同理，改写前先用 Perplexity 抓一圈主题相关的背景信息、数据支撑和权威引用，把这些新鲜料注进去，改出来的东西才有增量。验收也简单，改写稿里要是找不出一条原文没有的信息，这次改写就是失败的，不管句子捋得多顺。

风格上分三个档位，按平台选。要人格化强的，用 Claude 3.7 走 IP 风格，技巧是把要求写实，指定用某某作者的写作风格，再在额外需求里写明把哪些经历和关键词揉进正文，Medium 这类吃个人故事的平台特别认这一套。情感生活类赛道图省事的，DeepSeek V3 直接指定现成风格就够用，莫言体、记者体这类模型都认得，成本还低。严肃领域求准的，还是 Claude 3.7，自己一句话定义风格，比如简洁犀利，信息准确度优先，风格特征点到为止。老雷的建议是别贪，一个账号锁定一个档位跑熟，别这周文艺下周犀利，把人设跑散了。

配图落库，收尾也有讲究

推文压好了，配图这条支线不复杂但有几个细节。

图源用 Apify 按推文关键词抓谷歌图片，关键词就是压缩时圈出来的实体，命中率高。抓回来的图经常带着底部的水印或者杂边，我们接了一道 Cloudinary 动态裁切，用正则从文章里匹配图片链接，上传到 Cloudinary 拿到新地址，再用 Replace 模块把链接里的固定部分替换成裁切参数，按宽高比把底部那一条裁掉。不在源头挑图而是统一过一道裁切，是因为图源根本不可控，与其挑到眼花，不如把工序固定下来，这步免费额度充足，性价比很高。

容错要写上，图片上传这类环节挂了很正常，Error Handler 兜住，图没了就保留纯文本继续跑，别让一张图卡死整条产线。

成品推文连同关键词存进 Notion，状态一改就进发布队列，推文和图自动发出去，从新闻发生到推文上线，人不碰一个字。这个库跑几个月下来就是你的素材资产，哪条互动好哪条扑了，翻一翻就有数，下一批选题从高互动的实体里挑，命中率高得多。

轮数不是越多越好

交付前被问最多的问题是，三轮之后还能不能再压，十轮是不是密度更高。

实测下来三轮是个均衡点。轮数往上加，密度确实还能抬，但可读性开始掉，实体堆太密读起来像绕口令，互动反而往下走。这条线是自动化的，轮数就是个参数，你可以自己拿五轮十轮各跑一批对比，找到自家账号的甜点位，别迷信任何一个固定值。要对比就把一次性摘要和三轮压缩放在一起跑同一篇文章，发出去各挂一周，互动数据会告诉你差距。

老雷给大家提个醒，验收这类产线别只看推文通不通顺。抽三条成品出来做三件事，数字数是不是真在限制以内，圈一遍实体看密度够不够，回原文对一遍关键事实有没有被压丢。三样都过，这条线才敢挂到正式账号上。

短内容这个趋势不用再论证了，推特在压，抖音在压，所有信息流都在把注意力切成更小的口子，谁能在更少的字里装下更多的信息，谁就抢到了那几秒钟。这条线搭起来不难，一个下午的活，换来的是每天省下一小时的手工浓缩。你今晚就可以从订阅源里挑一篇攒了很久没读的长文，把三个提示词轮着跑一遍，压出来的那条推文会替你判断这条线值不值得搭。