找选题写笔记全交给 Make，小红书日更产线从新闻到成品

做小红书的人应该都体会过那种感觉。你守着一个垂直领域，每天新闻素材多到看不完，可真要把素材变成一篇能发的笔记，标题、正文、标签全得自己抠，一篇抠下来一两个小时就没了。喊着要日更，日更个两三天就断。

卡住你的不是没素材，是素材和成品之间那段纯手工的活。这段活把人的执行力一点点磨掉，账号就这么荒了。

这篇拆一条我跑通过的产线，用 Make 把「新闻进、笔记出」整条链路自动化。Inoreader 负责盯新闻源，Jina Reader 负责把网页扒成干净文本，ChatGPT 按小红书的格式写笔记，成品自动落进 Notion 数据库。你要做的只剩一件事，每天打开 Notion，挑中意的直接发。设置一次，长期有效。

为什么拿新闻资讯类账号开刀？因为它是所有内容类型里最流程化的一种，选题来自新闻更新，素材是现成的文章，格式有固定套路，每个环节都能被模块替代。跑通这一种，你就摸到了自动化内容生产的门道，再往别的品类迁移就是换个提示词的事。

这条线也不挑行业。做金融的抓金融新闻，做产品的盯产品资讯，做科研的订阅 Nature 和 Science，换几个关键词，同一套系统换个领域照跑。

先看全局，四个阶段一根线

整条产线就四个阶段。

新闻获取，Inoreader 订阅你领域的 RSS 源，把散落在各个媒体的更新聚到一个文件夹。这一步是地基，RSS 的好处是标准、稳定、无人值守，媒体一更新你这边就有数据，不用你满网去追。网页抓取，Jina Reader 把新闻链接转成纯文本，标签和广告全剥掉，只留干净的正文。笔记生成，ChatGPT 按小红书的格式输出结构化内容，标题、正文、标签一次成型。知识库保存，成品自动写进 Notion。

四个阶段在 Make 里串成一条场景，跑起来无人工干预，Notion 里的资讯库每天自己长出新笔记。你要盯的只有收尾那一环，打开库挑稿子。下面按搭建顺序一层层说。

圈源和抓全文，两步打地基

新闻源用 Inoreader 来圈，它是个 RSS 订阅管理工具，干的活是把分散在各个媒体的新闻源汇总到一个地方。操作很轻，注册登录之后，搜索框输入你的领域关键词，比如 Artificial Intelligence，语言中英文都支持，从推荐列表里挑几个质量高的订阅源，统一放进一个文件夹，文件夹直接用领域名命名。这个文件夹就是后面 Make 抓取数据的统一入口，不同领域建不同文件夹，互不干扰，以后要开第二个赛道，复制这套结构就行。成本也给你交个底，免费版足够跑通全流程，规则过滤那些高级功能要收费，但订阅和分组这两个基础动作完全不受影响。

源圈好之后别急着生成，这里有个很多人会踩的坑。Inoreader 返回的内容通常只是摘要，几十到几百个字。拿摘要去生成笔记，模型手里没料，出来的东西干巴巴几句话，像一份压缩过头的缩写，根本撑不起一篇笔记。生成质量的上限，是被喂进去的素材质量决定的。

所以要加一步，用 Jina Reader API 把整篇网页扒下来。它的本事是把任何网页转成干净的纯文本，HTML 标签、广告、导航栏全部剥掉，只留正文。模型拿到的输入是一篇完整文章，写出来的笔记才有细节、有信息量、有可读性。

Make 里加一个 HTTP 模块，请求方式选 POST，地址填 Jina 的 API 地址、后面拼接新闻链接。三个请求头挨个配，Accept 写 application/json，让返回保持 JSON 格式。Authorization 写 Bearer 加你的 API 密钥，注册账号自动就有。X-No-Cache 设 true，每次现抓不读缓存。输出格式选 JSON，把 Parse response 打开。

Jina 这个环节的价值一句话讲完，它把你的信息源范围从「订阅了的媒体」扩展到「整个互联网」，只要有 URL 就能拿到内容。老雷给个提醒，X-No-Cache 这个开关别省，资讯类内容要的就是时效，读了缓存等于拿到旧闻。

提示词决定笔记的生死，两轮消息加一个 JSON

ChatGPT 这一步是整条线的灵魂，加 OpenAI 模块选创建对话，消息要拆成两轮发。

System 消息定角色。告诉它是一个小红书笔记撰写专家，任务是把新闻转写成爆款笔记。关键约束写死，正文 300 到 400 字，用表情符号增强趣味，标题简洁有力，输出 JSON 格式，字段四个，标题、正文、标签、字数。

User 消息传内容，把 HTTP 模块抓到的新闻标题和正文传进去。

为什么拆两轮？目的是避免单次输入过长影响输出质量，角色定义和内容分开走，模型对约束的遵守会稳定得多。高级设置里再把返回格式设成 JSON，输出结构就不容易漂，后面解析环节不会动不动报错。

为什么要较真 JSON 这个格式，因为它是给机器读的。ChatGPT 返回一段结构化的字符串，下一段链路的 Parse JSON 模块才能把它拆成独立字段，标题归标题、正文归正文、标签归标签，Notion 落库的时候各就各位。要是模型自由发挥，这次给你一段散文下次给你一段列表，后面的映射全乱套。结构化输出是自动化链路的通用语言，格式一稳，全链路就稳。

给要交付这条线的工程师一句实在话，System 提示词别一次写到位就不管了，先跑二十条，人工看看笔记的味对不对，表情符号是不是滥用，再回头调约束。提示词是这套系统里唯一需要养的部分。

两道过滤器，一道省钱一道保质量

产线光会跑不行，还得知道什么活不该干。这套流程里加了两层过滤，位置很有讲究。

先交代一下背景，Make 这类自动化平台按操作数计费，链条上每跑一个模块都算一次。垃圾数据如果不拦，后面每一步都在替它烧钱，还污染你的知识库。

第一道放在 HTTP 和 ChatGPT 之间。抓回来的文本长度小于 3000 字符就跳过，不送生成。为什么定这个数？网页抓取失败、被反爬挡住、内容要登录才能看，这几种情况的共同特征就是文本短得可怜。送过去生成，产出的必然是垃圾笔记，还白烧一次模型调用。

过滤器是自动化产线的成本阀门，不放垃圾进去，也不让垃圾出来。

第二道放在 ChatGPT 和 Notion 之间。生成的笔记字数不在 300 到 500 区间的，跳过不入库。这道保证进知识库的每条笔记都符合小红书的发布体量，你后面挑选的时候不用再做二次筛选。

两道加起来，操作数花在真素材上，知识库里全是合格品，这就是过滤的价值。过滤条件在 Make 里用条件模块实现，不写一行代码。

落库和上线，一份清单收尾

模型输出之后还有一道工序，加 Parse JSON 模块，把 ChatGPT 返回的 JSON 字符串拆成独立字段，标题、正文、标签、字数各自独立，后面映射才能直接取用。

Notion 提前建好数据库，四个字段。标题用 Title 类型，新闻链接用 URL，笔记内容用 Text，发布时间用 Date。

Make 里加 Notion 模块，选创建数据库条目，字段映射对着接。标题来自 JSON 解析，链接来自 HTTP 模块，内容把正文和标签拼接起来存，时间取 Inoreader 的发布时间。

跑通之后的效果，是一个自动更新、无人工干预的垂直领域资讯库。里面每条记录都是一篇能直接发的笔记，带原文链接可溯源，你想核实随时点得回去。库里笔记攒多了，你还能按发布时间、按领域文件夹翻历史存货，找到热点二次利用。

给要落地这套系统的工程师一份上线路径。一，Inoreader 建文件夹圈源，确认订阅源每天有更新量。二，Make 场景的模块按顺序接，每个模块单独测试运行，确认输出再连下一个。三，两道过滤器用条件模块实现，阈值先按 3000 字符和 300 到 500 字跑一周，再按自己领域的正文长度微调。四，Notion 字段类型建库时就定死，中途改类型映射会断。

几个高频疑问顺手答了。有的网页抓不到内容怎么办，那正是第一道过滤器存在的意义，自动跳过不影响整体流程。能不能生成别的平台格式，改 System 提示词就行，把小红书笔记换成别的平台文体，调整字数和格式要求，链路其他部分一个字不用动。

回到那个最累的环节。选题、阅读、写作、排版这套流程里，机器能接管的是从新闻到成品的全部体力活，留给人的只剩一件事，挑选和把关。每天固定十分钟，滑一遍 Notion 库，把最好的几篇搬去发布，十分钟就能维持一个账号的日更。老雷的建议是，把刷素材省下来的时间花在判断哪篇值得发上，这才是人该站的位置。产线替你干活，你替产线做主。