从 overwhelmed 读者到自动化分享者：我是如何开发一款 macOS 应用来连接阅读与发布的
发布于 2026年8月20日
当我的“稍后读”列表中堆积了超过 200 篇未读文章时，我意识到保存内容已变成一种令人不堪重负的负担，而非高效的习惯。为了解决阅读与分享之间的摩擦，我开发了一款名为 Reader Chomper 的原生 macOS 应用程序，它将 Readwise Reader、大语言模型（LLM）和社交媒体 API 整合到一个单一的工作流中。
核心要点
- 数量带来的困境： 堆积数百篇未读文章会导致决策瘫痪，使得保存的内容既未被消费也未被分享。
- 通过限制进行分流： 将视图限制为仅显示 10 篇文章，能迫使人们做出有限的决策，与查看整个图书馆相比，能有效防止信息过载。
- 快速扫描的高效性： 包含三个要点、字数约 100 字的摘要，能让用户快速评估内容价值，往往无需阅读全文即可得出结论。
- 语境深度： 集成 LLM 允许用户直接在应用内与源材料对话，从而判断其相关性，无需离开当前界面。
- 无缝分享： 通过 API 自动化草稿生成和队列流程，消除了阅读与在 LinkedIn、Bluesky 等平台发布之间的障碍。
工作流：通往发布的四步法
Reader Chomper 通过四个明确的步骤运行：分流、快速扫描、深度摘要和分享。这一序列有助于决定哪些内容值得投入时间，并确保在转向下一篇文章之前，帖子已排入队列。
第一步：每次分流 10 篇
当我打开 Reader Chomper 时，它会从 Readwise Reader 的“稍后读”列表顶部精确提取 10 篇文章并停止。如果需要更多内容，我必须手动点击“刷新”。这一步是工程实现中最具挑战性的，因为 Readwise 的默认视图会一次性显示所有内容，这曾让我感到不堪重负而关闭标签页。通过将视图限制为 10 个项目，整个会话变得具有明确的边界感。我将此视为与自己的契约：阅读 10 篇文章，决定每篇的处理方式，然后认为当天的任务已完成。
第二步：执行快速扫描
点击某篇文章后，Reader Chomper 会生成一份“快速扫描”摘要：一段约 100 字的总结，包含三个无废话的要点。对于大多数文章而言，我的参与到此为止。一旦获取了这三个核心要点，我就可以决定继续或放弃。这一步让我的阅读习惯变得更加诚实；我不再自欺欺人地认为会“回头”去读那些我知道不会看的文章。现在的决策仅需约 30 秒：要么我已经获得所需信息并归档该文章，要么其中有值得深入挖掘的内容。
第三步：深度摘要与对话
如果“快速扫描”提供的三个要点仍显不足，我有两个选项可以深入互动。第一个是生成约 300 字的长摘要；第二个是我使用频率最高的方式——通过 Claude 与文章对话。例如，当我遇到一篇题为《忙碌的工程经理为何需要 DuckLake》的文章时，“快速扫描”虽然解释了 DuckLake 是什么，却未阐明它与我具体角色的关联。于是我问 Claude：“DuckLake 对工程经理有何相关性？”两秒内，我便得到了直接源自原文的语境化回答。这一功能让我能够提出许多“稍后读”类应用无法支持的具体问题。
第四步：入列待排
当某篇文章值得发布时，我点击“分享”。Reader Chomper 会生成一篇草稿，包含一段提炼核心观点的简短文案及原文链接。如果语气不够恰当，我可以点击“重新生成”或手动编辑。API 会即时处理发布，同时在 Readwise 中归档该文章，而帖子则留在队列中等待发送。
技术栈
Reader Chomper 背后的架构刻意保持简洁，依赖的都是我已在付费或使用的工具。
- SwiftUI 与原生 macOS： 我曾考虑过开发浏览器扩展或 Web 应用以加快开发速度，但我更看重性能与美学体验。原生应用启动迅速、滚动流畅，并能与 macOS 界面无缝集成。
- Readwise Reader： 它始终是我保存文章的数据源。Reader Chomper 充当了处理队列的更佳界面；任何在 Reader Chomper 中归档的文章也会同步归档至 Readwise，保持两个系统的整洁。
- 大语言模型（Anthropic 和 OpenAI）： 我交替使用两者的 API 来摘要文章并生成文案。应用角落会显示这些 API 调用的实时成本，这一小细节提醒我这些请求并非免费，也有助于我发现自己是否在不必要地频繁切换文章。
- SQLite 与 Dropbox： 文章数据、摘要和聊天记录存储在 Dropbox 文件夹内的 SQLite 文件中。这确保了数据库能在设备间同步，无需构建自定义的同步基础设施。
成果与影响
我的发布频率并未增加；我仍坚持每周在 LinkedIn 和 Bluesky 上发布两篇帖子。然而，分享内容的质量有了显著提升。过去，关注者收到的只是裸链接，需要他们点击才能理解价值；现在，他们收到的是经过提炼的观点，替他们完成了部分解读工作。AI 摘要呈现了一个核心观点，让我能基于此语境形成自己的见解。
队列中往往积压着数月的内容，这使我能在阅读高峰期集中储备帖子，而在阅读清淡期轻松维持更新。从“读到好文章”到“发布关于它的帖子”之间的时间差已被彻底抹平。我读得更深入了，因为我知道有一个地方可以安放我的观点，这也证实了这项自动化工作正在高效运转。