文章链接一键出摘要：几类 AI 摘要工具的选型与自建方案

需求其实包含三个环节

“把链接发出去就得到摘要”听起来是一步，拆开看是三件事：抓取网页正文、把 HTML 清洗成纯文本、再把文本交给模型压缩。三步里任何一步出问题，结果都会打折扣：最常见的是抓不到正文（付费墙、登录墙、前端渲染），其次是正文太长被悄悄截断，最后才是模型总结得不好。

所以选工具前先想清楚：链接是公开页面还是需要登录？单篇偶尔用还是批量处理？摘要给自己看还是要交付给别人？

方案一：对话式 AI 直接贴链接

最省事的做法。多数对话产品在开启联网或读取链接后能自行抓取页面，要点有三条：先用一句话说明任务再贴 URL，避免模型把链接当普通文本忽略；给固定输出结构，减少自由发挥；要求抓取失败时明说，而不是根据标题猜。

请阅读链接中的文章，用中文输出：
1) 一句话结论
2) 3-5 条要点，保留作者的观点和限定条件
3) 文中出现的数据、时间、人名照抄原文
4) 若正文抓取失败或信息不足，请直接说明，不要根据标题推测

以长文本见长的产品适合处理几万字的报告或访谈稿；各家对链接解析、文件上传的支持范围变化较快，用之前看一眼官方最新说明。

局限也要说清楚：需要登录的页面、付费内容、纯前端渲染的站点，抓取经常失败。这时把正文复制粘贴，或另存 PDF 上传，比反复重试链接快得多。

方案二：聚合平台加固定 Prompt

在能切换多家模型的平台上，把上面的 Prompt 存成自定义机器人，之后每次只发“链接 + 一句话要求”。好处是同一篇文章可以让不同模型各总结一遍，对比谁漏掉了关键论点；坏处是链接能不能被解析取决于平台当时启用的插件，不一定每次都成功。它适合做工具选型的横向评测，不适合当稳定生产线。

方案三：浏览器插件与阅读模式

在页面上直接触发摘要，等于跳过了抓取环节：你看到的正文是什么，模型读到的就是什么。对已登录、有权限访问的内容最实用。缺点是入口分散、无法批量，也不方便统一留档。

方案四：自建流水线，批量处理

文章多、要定期跑、结果要存档时，自己搭一条流水线最稳。核心是三段：抓取、提取正文、调模型。

import os
from trafilatura import fetch_url, extract
from openai import OpenAI

url = "https://example.com/post"
html = fetch_url(url)
text = extract(html, include_comments=False, include_tables=True)

if not text or len(text) < 500:
    raise SystemExit("正文提取失败，改用粘贴正文或上传 PDF")

prompt = f"""请用中文总结下面这篇文章：
1) 一句话结论
2) 3-5 条要点，保留作者观点与限定条件
3) 数据、时间、人名照抄原文
信息不足时直接说明，不要补充原文没有的内容。

正文：
{text[:20000]}
"""

client = OpenAI(base_url=os.environ["BASE_URL"], api_key=os.environ["API_KEY"])
resp = client.chat.completions.create(
    model=os.environ["MODEL"],
    messages=[{"role": "user", "content": prompt}],
    temperature=0.3,
)
print(resp.choices[0].message.content)

几个工程细节值得注意：

• 超过上下文长度就分段摘要，再对分段结果做一次汇总，先局部后全局，比直接截断可靠。
• 抓取失败要显式报错，别把空内容送给模型，否则它会顺着标题编。
• 输出里保留原文 URL 和抓取时间，方便回溯。
• 需要定时执行、或本地访问外部接口不稳定时，可以把脚本放到一台长期在线的机器上跑。例如整台放在新加坡机房的远程 Mac，按月租用、远程连接使用，适合让这类任务挂着运行，不占用本地电脑；普通需求用本地环境或现成的云函数足够。

容易踩的坑

第三方镜像站和共享账号。 常有人推荐各种“多模型聚合”站点，价格低廉甚至免费。风险很实际：你的提问和粘贴的正文会经过不明第三方，账号与支付信息也存在隐患，服务随时可能中断，还可能违反上游平台条款。涉及内部文档、未公开稿件时不要用。稳妥做法是使用官方产品或官方 API，把密钥放在自己的环境变量里。

摘要通顺但和原文对不上。 让模型在要点后标注对应的原文句子或段落序号，人工抽查两条就能判断有没有在编。把 temperature 调低有帮助，但不能根治。

丢掉限定条件。 “某方案在特定场景下有效”被压成“某方案有效”，是摘要最常见的失真。Prompt 里明确要求保留前提、数据来源和作者的态度词，比如“可能”“部分”“在……情况下”。

隐私。 内部周报、客户资料、未发布内容，先确认所用服务的条款，必要时改用本地模型。

一份快速检查清单

• 链接能公开访问吗？不能就准备正文或 PDF。
• 抓到的正文长度正常吗，是不是只有导航栏和版权声明？
• Prompt 里写了“信息不足就说明”和“保留限定条件”吗？
• 输出带原文出处，方便核对吗？
• 需要批量或定时吗？需要就走脚本方案。
• 内容敏感吗？敏感就换合规渠道。

小结

偶尔用一次，在对话式 AI 里贴链接配一段结构化 Prompt 就够了；要做模型对比，用能切换模型的聚合平台；要批量、要留档、要无人值守，就自己搭抓取加调用的流水线。工具一直在变，判断标准不变：能不能稳定拿到正文，摘要能不能回溯到原文。