Make 21. 写推文不再难！128 字浓缩千字精华，轻松实现推特运营自动化

引言

做推特运营的朋友一定有过这种体验：每天要追踪大量新闻和热点，还得把几千字的内容浓缩成一条128字的推文，同时还要配上合适的图片。手动操作不仅耗时，质量还参差不齐。

我是翔宇。翔宇运营推特账号期间发现，128 字的浓缩推文比长推文的互动率高出三倍以上，关键是浓缩的质量。

我一直在思考，有没有办法让这整个流程自动化？从信息采集到内容精炼，再到配图和发布，全程不需要人工干预。经过反复测试和打磨，我终于搭建出了一套完整的推特运营自动化工作流——从 RSS 订阅抓取新闻，到128字高密度推文的生成，再到自动配图和一键发布，全部在 Make 中实现。

这套工作流最核心的亮点是我设计的"迭代总结法"：通过三轮信息压缩，在不增加字数的前提下逐步提升信息密度，让每一个字都在传递关键信息。

你将学到

• 使用 RSS 订阅源高效获取内容
• 利用 Jina 阅读器抓取网页全文内容
• 通过 Jina 分类器对内容进行智能分类
• 掌握迭代总结法——三轮压缩提升信息密度的核心技巧
• 使用 Apify 抓取谷歌图片实现自动配图
• 将推文关键词与内容存储至 Notion 的最佳实践
• IP 人设打造的方法论与 Medium 平台创收思路
• 三种写作风格调优方法（IP 风格、传统改写、自定义风格）

视频教程

本教程配套视频已发布在 YouTube，建议搭配视频一起学习效果更佳。

详细教程

工作流整体架构

整个工作流的运行逻辑非常清晰：首先通过 RSS 获取信息源，利用 Jina 阅读器抓取网页全文，再通过 Jina 分类器确保获取到完整内容。接着进入核心环节——迭代总结，分三轮对内容进行精炼，每轮引入新实体的同时保持128字的篇幅限制。最后根据推文关键词通过 Apify 抓取谷歌图片，所有结果保存到 Notion 知识库，一键即可自动发布到推特。

迭代总结法：信息密度的艺术

这是我在本期视频中最想分享的方法论。传统的摘要生成只是简单压缩，而迭代总结法的核心思路完全不同：

第一轮：提取文章核心信息，生成不超过110字的初始概要，识别关键实体。

第二轮：在保持字数不变的前提下，新增3个关键实体，融合并压缩信息，提升信息密度。

第三轮：进一步叠加实体，每个字词都传递更丰富的信息，最终生成高度浓缩的推文。

举个实际例子：一篇关于 Figure 人形机器人的长文，经过三轮迭代后生成的推文——"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、叶销、分发、遛狗等多项技能。专注通用机器人及自研电机技术续航，预计年底实现商业应用，推动机器人从 M1向 M2阶段进化，覆盖家庭商业工业领域。"——没有一个字是废话，全是实体的聚集和叠加。

这种方法特别适合当下短内容消费的趋势，不管是推特、抖音还是其他平台，用更简短的文字高效传递信息已经成为刚需。

Notion 搜索模块配置

工作流的第一个模块是 Notion 搜索。通过创作状态字段筛选，支持"开始有水印"和"开始无水印"两种状态，用 OR 条件确保匹配任一状态即可触发。

配置要点：选定正确账户，通过标题关键词匹配数据库。如果检索不到，检查是否在 Notion 中为数据库添加了 Make 集成权限。

Jina 阅读器与分段器

Jina 阅读器：通过 HTTP 模块调用 Jina 的 API，格式为 Jina 网址+目标链接。记得开启 Parse Response 选项，否则返回的 JSON 数据无法正确解析。

Jina 分段器（Tokenizer）：这是处理长文本的关键工具。将抓取到的长文按照指定 Token 数进行切分（我一般设置2000），确保每一段都能被大模型充分处理。一定要开启"创作式"选项，否则只返回 Token 数而不返回实际分段内容。

动态分段与重复器

为了让工作流能适应不同长度的文章，我设计了动态分段机制：通过一个变量模块计算文章长度除以2000再取整，得到分段数量，然后传递给重复器。这样无论是一千字还是一万字的文章，工作流都能自动调整处理策略。

深度改写的秘密：注入新信息

传统改写只停留在词语和句式层面——修改措辞、切换语态、调整连接词，本质上是表面功夫。我首创的深度改写方法核心在于注入新信息。

借用物理学的熵增原理：封闭系统最终会走向混乱，打破混沌的唯一方式就是走往更大的世界。文章改写也是同理，不能仅停留在表面调整，一定要注入新鲜血液。我通过 Perplexity 在网络上抓取与主题相关的背景信息、数据支撑和权威引用，注入到改写过程中，让内容既有深度又有新意。

Cloudinary 动态图片裁切

本期新增的配图方案——利用 Cloudinary 进行动态图片裁切，特别适合处理微信公众号图片底部的水印。通过宽高比计算拟合裁切比例，性价比极高且免费额度充足。

核心逻辑：先用正则表达式从文章中匹配图片链接，上传到 Cloudinary 后获取 URL，再通过 Replace 模块将固定部分替换为裁切参数。同时设置 Error Handler 做容错——图片上传失败时直接保留纯文本内容。

三种写作风格调优方法

方法一：IP 风格化写作。使用 Claude 3.7，以 IP 视角代入深度改写。适合 Medium 等需要个人故事的平台。技巧是在写作风格中明确指定"使用某某作者的写作风格"，并在额外需求中添加经历和关键词融入要求。

方法二：传统风格改写。使用 DeepSeek V3，直接指定写作风格，适合情感、生活赛道的公众号内容。如果大模型没有你想要的风格，可以利用它已知的名人写作风格，比如莫言、记者体等。

方法三：自定义风格写作。使用 Claude 3.7，自行定义写作风格描述（如"简洁犀利"），适合严肃领域的文章转写。信息准确度高，同时保持一定的风格特征。

延伸阅读

• Make 20. Make 工作流改造方法论：一个工作流如何变成 1000 个工作流？
• Make 22. 小红书与 Instagram 自动化运营：一键生成真实感美女图片与视频

常见问题

Q：迭代总结的轮数越多效果越好吗？
A：不一定。三轮是比较均衡的选择。轮数过多可能导致内容过度压缩而丢失可读性，但由于是自动化生成，你完全可以尝试5轮甚至10轮，找到适合自己场景的最佳轮数。

Q：Jina 分段器的 Token 数应该设置多少？
A：建议2000左右。如果想节省 Token 可以调高，但要确保每段内容足够大模型理解上下文。

Q：Notion 检索不到数据库怎么办？
A：首先确认已在 Notion 中为该数据库添加 Make 集成权限。如果是授权后新建的数据库，需要手动在数据库设置中搜索并添加 Make 集成。

总结

这期视频从推文自动化创作出发，覆盖了迭代总结法、深度改写原理、动态分段机制、Cloudinary 配图裁切、三种写作风格调优等多个核心技巧。每一个都是我在实际运营中打磨出来的方法。

如果你正在做社交媒体运营，或者想提升内容创作效率，这套工作流值得认真学习和实践。下期我将继续带来更多自动化运营的干货内容。

资源下载

• AI 编程实操课：国内版-FlowUS | 国际版-BMC
• YouTube 频道：翔宇工作流