一次采集双平台分发，EXA 加 ChatGPT 的图文产线拆解

同时运营两个内容平台是什么体验。公众号长文写一篇两三个小时，再压缩成小红书笔记又是半小时起步，还没算找配图的工夫。配图还讲究版权，随手百度的图不敢用，图库里一张张挑，一篇八张，又是二十分钟。一天里的大半天，就这么交代在内容生产上。

更磨人的是重复劳动。同一件事，长文写一遍，笔记再换一种口气写一遍，写的人自己都烦。

这条产线我搭过一套完整的。RSS 自动捕捉热点标题，EXA 在全网检索素材，ChatGPT 写出两千字以上的文章，配图自动从免费图库抓，最后连小红书笔记一起生成，全部存进 Notion。实测一次运行不到五分钟，出来的是一篇图文并茂的文章加一条笔记，你要做的只剩精修。

素材引擎是整套系统的地基

写得好不好，先看喂进去的东西干不干净。这是老雷给所有内容流水线定的铁律，素材是垃圾，后面写得再流畅也是垃圾。

这次用的素材引擎叫 EXA。它跟 Google 的区别一句话能讲清，Google 是给人用的搜索引擎，EXA 是给 AI 用的。它基于 Transformer 架构做语义搜索，理解意图而不是匹配关键词，还会自动过滤 SEO 垃圾内容，每分钟都在抓互联网的新内容，支持按域名、日期、类别筛选。日期过滤在追热点时特别好使，只留最近一周的内容，写出来的东西不带陈年旧闻的味道。

它的用法也不止写作这一种，做聊天机器人的实时检索、给模型训练攒数据集、盯竞争对手的市场动态，都是它的主场。写作素材获取是其中门槛最低、见效最快的一个，所以我先从这儿用起。

自动洗垃圾这一条对写作太重要了。传统搜索给你的前十条例子，一半是关键词堆出来的营销页，模型吃了这些东西，写出来的稿子一股软文味。EXA 把这层提前洗掉了，你拿到的直接是可以进提示词的干净文本。

注册后到 Dashboard 拿 API Key，调用就是一个 POST 请求打到 api.exa.ai 的 search 接口。query 填主题，numResults 设 10，useAutoprompt 打开让 EXA 自动优化查询词，contents 里的 text 开成 true，正文直接随结果返回。素材质量不理想的时候两个旋钮，numResults 往大调，type 从 keyword 换成 auto 让它自己挑检索策略，冷门主题就换更宽泛的取词。

检索回来别急着喂模型。先加一个 Set Variable 模块，把 10 篇文章的标题、链接、正文按统一格式拼成一份素材文本，素材一、素材二这么排下去，每篇都带上来源链接。拼成一份的好处有两个，一是后面四次模型调用都只读这一份变量，改格式只改一处，二是保留来源，写出来的内容要核实出处时随时能倒回去查。

主题从哪来，留两个入口

第一个入口是 RSS 的 Get Feed Items 模块，订阅一个科技媒体的源，最新文章标题自动变成写作主题，热点到稿件的链路就通了，源换成行业博客、新闻网站都行。我接的是一个 AI 媒体的公开源，标题质量稳定，当天热点当天出稿，蹭热点的时效就是这么来的。素材从哪来决定你能不能抢到第一波热度，RSS 这步看着不起眼，其实是产线的发令枪。

第二个入口留给人工。Notion 建一个文章库，三个属性，标题自带，主题用文本字段存你想写的题目，状态设三个值，开始、已完成，还有一个素材不足。场景里加一个 Notion 的 Search Objects 模块，工作流优先用你填的自定义主题，RSS 的标题做备胎。第三个状态值是给失败留的退路，EXA 都搜不出像样素材的主题，硬写必翻车，标上素材不足跳过，回头人工处理，别让一条坏主题卡死整条产线。

四次模型调用，各干各的活

这条产线最值得抄的设计，是把模型调用拆成了四次，每次只交办一件事。

第一个写文章。提示词的硬要求是只基于提供的素材写、不得杜撰，输出两千字以上的 Markdown，逻辑清晰层次分明，语言简洁少堆术语，直接输出正文、不带开场白和结束语。不得杜撰这条是底线，素材里没有的数字和结论，模型一上头就会自己编，编出来的东西看着还挺像真的。少堆术语则是给传播让路，术语密度一高，普通读者划走只需一秒。User 消息里就两样东西，发送的主题是变量里的主题，发送的内容为那份拼接好的素材文本，边界干净，模型没有自由发挥的空间。

第二个提配图关键词。让它把文章切成 8 个部分，每部分提炼一个英文单词，注意是单词不是词组，JSON 格式吐出来。这个环节产出的不是文案，是给图库检索用的查询串，质量标准完全不同。

第三个做图文混排。把文章和 8 个图片链接一起交给它，图片按 Markdown 语法随文传入，要求按顺序分散插入正文不同位置，不得连续放两张，链接为空的直接跳过，文字和图要对得上。连续放图这个要求不是洁癖，移动端上两张图贴在一起，读者会以为进了图集，正文节奏就断了。这一步走完，产出的是一篇可以直接预览的图文完整稿。

第四个转小红书笔记。输出 JSON，标题、三百到四百字的正文带 emoji、一串话题标签、正文字数，四个字段各归各位。小红书的语感和公众号完全是两个物种，更短、更口语、自带标签体系，这个格式转换交给模型正好，长文压缩成笔记正是它擅长的归纳活。标签那串也别小看，小红书的流量分发吃标签，模型顺手埋好的话题词，比人工凭感觉加的还准。

一个模型包打四份工的写法我也试过，提示词写到后面自相矛盾，输出格式忽好忽坏。拆开之后每段提示词就十几行，稳定得多，真出了问题也知道该修哪一段。

配图关键词要往大了取

配图用的是 Pexels，高质量免版权图库，全部可以免费商用，API 注册就能拿 Key，商用项目的版权顾虑一次解决。Iterator 遍历 8 个关键词，每个关键词调一次检索接口，per_page 设 1，取最匹配的一张，8 张图分散插进文章各段落。两千字的文章配八张图，平均两三百字一图，手机上翻起来刚好是舒服的节奏，图文比就够看了。

这里有个决定成败的细节。关键词取得太具体，图库基本搜不出东西。写 GPU 算力的文章，关键词该是 computing，不是某个具体芯片型号，后者在图库里翻不出一张能用的图。取词的口诀是往前退一步，具体事物退到上位概念，芯片退到算力，直播退到购物，总能找到有图可搜的那一层。宏观概念词才有图可配，这条要写死在提示词里，让模型每部分只给通用词，泛一点不怕，就怕太窄。

交付前过三道检查

第一道，正则扫空图。Pexels 偶尔会返回空结果，文章里就会留下残缺的图片语法，看着像排版事故。保存前加一个 Text Replace 模块，用正则把空链接的图片标签整体滤掉，一行配置的事，漏了就是交付事故。

第二道，原创性边界要想清楚。这套流程不是洗稿，EXA 给的是信息，模型做的是重新组织和表达，成稿是原创的。但基于公开素材，观点和数据难免跟别人重叠，所以它的定位是初稿生产线，发布前必须有人工审核加精修。老雷的提醒是，别把初稿直接往外发，那是在赌运气。你的经验和判断加进去，稿子才从「能用」变成「是你的」。

第三道，定时触发。场景设成每天自动跑一次，配合 RSS 抓热点，库里堆几个主题就清几个，Notion 里的文章库慢慢长成你的内容资产库。你要做的只剩最后一道精修，把值得发的挑出来。

丑话说在前头，这条产线第一次搭，四个提示词都要自己磨，EXA 和 Pexels 的 Key 各申请一轮，模块之间的变量传递也要对几遍，别指望十分钟收工。可它属于那种搭一次吃很久的基建，跑顺之后每天你只投入精修的时间。

自动化把「写」的成本打到地板上，值钱的部分变成判断，判断哪篇值得发、哪里还得改。

一条产线喂饱两个平台，一份素材的功夫办两份内容的事。工具链就摆在这里，五分钟一炉，剩下的精修判断，才是你真正的护城河。老雷的建议是先定一个小的验收标准，比如连跑一周、每天一篇，七篇里挑出三篇肯发的，这条产线就算验收通过，再考虑放量。