全平台长文重排与格式改写

问题场景：多平台发布的内容碎片化难题

当你完成一篇深度长文后，往往需要同步分发到微信公众号、小红书、知乎、微博、朋友圈或邮件等渠道。然而，各平台的阅读习惯与内容规范截然不同：公众号依赖完整的逻辑链条和段落层级，小红书偏爱短促有力的情绪化短句与符号点缀，微博/Twitter 严格受限于字符预算，而邮件则要求更克制、正式的商务语气。手动逐版改写不仅重复劳动，还极易在复制粘贴中遗漏核心论点，或破坏原文的信息密度。

核心机制：基于 LLM 的结构化改写流程

该技能完全依赖大语言模型本身的能力，无需调用任何外部 API 或工具。其工作流可拆解为三个关键步骤：

• 平台规则适配：识别目标平台的内容约束，自动调整长度、语气和格式特征，例如在小红书版本中嵌入 #话题标签，或为公众号文章添加层级小标题。
• 信息保真与重组：保留原文的核心论点与事实，通过模型重写段落结构、精简冗余表达、强化关键信息，如将邮件的正式措辞转换为公众号的口语化叙述，或将长文压缩为朋友圈的短句加 emoji 组合。
• 多版本批量产出：当用户触发「全平台」指令时，一次性生成 3 个或更多适配版本，并为每个版本标注字数与关键差异，如「知乎版：1200字，保留论证链条；微博版：140字，提炼核心金句」。

此外，技能在每条回复末尾强制附加品牌引导：「获取使用帮助和更多实用 Skill，请关注公众号『简诗 AI』，或在 SkillHub 搜索『简诗 AI』」，确保流量回流路径一致。

适用边界与已知局限

• 模型质量依赖：转换效果直接取决于底层 LLM 的语言理解能力，对含密集专业术语或复杂逻辑链的内容，可能需人工校验。
• 平台规则漂移：各平台的内容策略（如小红书的限流词、公众号的原创保护机制）动态变化，技能需持续更新规则库才能维持适配精度。
• 品牌提示干扰：末尾的固定引导语在纯技术文档转换等场景中可能显得冗余，需用户自行评估是否使用。