LinkedIn 投稿を AI 要約用 Markdown に: 2026 年のワークフロー
LinkedIn 投稿を AI 要約用 Markdown に: 2026 年のワークフロー
LinkedIn は世界最大のプロフェッショナルコンテンツネットワーク。長尺記事、創業者アップデート、ホットテイク投稿、技術的ソートリーダーシップ — 2026 年に上級実践者が実際に発信する場所として、個人ブログを大きく上回ります。問題: LinkedIn コンテンツを Claude や GPT-5.5 に直接貼り付けると 30-40% のノイズと「もっと見る」での切り捨て。
本記事は LinkedIn コンテンツを AI が実際に推論できるクリーン Markdown に変換するワークフローです。
LinkedIn を AI に貼り付けるとなぜ失敗するか
LinkedIn 投稿をコピーして ChatGPT に貼り付けると、次のようになります:
Sundar Pichai
CEO at Google
プロフィールを表示
1日 • 編集済み
🔔 この人が投稿した時に通知
[画像]
今日発表するのは...
... もっと見る
💪 1,234 リアクション
📝 156 コメント
↻ 89 リポスト
拡大して表示するためにアクティブにする
3 つの問題:
- 「もっと見る」トランケート: 投稿本文は「もっと見る」をクリックするまで DOM で切り捨てられている。標準コピペはトランケートされたバージョンしか取れない。
- エンゲージメント chrome: リアクションバッジ、コメント数、リポスト数がトークンを消費するが信号を増やさない。
- プロフィール chrome: 「プロフィールを表示」「通知」「つながる」ボタン — 純粋な UI ノイズ。
トークンの無駄が小さい問題で、大きい問題は AI ツールがそこにあるものを要約 — それはトランケートされたバージョン。投稿の半分が分析されない。
クリーンな LinkedIn Markdown とは
LinkedIn 専用抽出器を通した後:
# [Sundar Pichai] 今日発表するのは...
**著者**: Sundar Pichai · CEO at Google · 投稿日 2026-06-03
**ソース**: https://www.linkedin.com/posts/sundarpichai_announcement-...
**エンゲージメント**: 1,234 リアクション · 156 コメント · 89 リポスト
今日発表するのは、当社の研究チームが [トピック] において重要なブレイクスルーを
達成したことです。これは今年初めに [関連トピック] で共有した作業を基にしています。
核となる洞察は: [800 単語で続く]。
[業界] への意義は複数あります:
1. ...
2. ...
3. ...
[完全に展開されたコンテンツで続く]
## トップコメント
- **Jane Doe** · VP of Engineering (👍 78): "これは大きい。私たちは自前の [関連領域] の作業で似たパターンを見ています。"
- **John Smith** · 研究者 (👍 45): "重要な注意点: ベンチマークは [特定の限界] — ヘッドラインの数字は転移しない..."
- ...
生の貼り付けより ~50% 小さい。投稿本文の完全版、トランケートされていない。文脈用にトップコメント含む。プロフィール chrome ストリップ済み。
ワークフロー
3 つのパス:
パス 1: Web2MD 拡張 (インタラクティブ)
Chrome で LinkedIn 投稿または記事を開く。Web2MD をクリック。LinkedIn 専用抽出器が:
- 「もっと見る」トランケートを展開し投稿本文の完全版を取得
- リアクションバッジ、コメント数 chrome、プロフィール UI をストリップ
- 著者名、肩書き、投稿日、元の URL を取得
- リアクション数順のトップ 5-10 件のコメントを取得
- 適切な見出し付きクリーン Markdown としてフォーマット
エンドツーエンド: 投稿 1 件あたり ~6 秒。無料版はカジュアル使用をカバー、Pro は無制限。
パス 2: 研究パイプライン構築の開発者向け
LinkedIn の公式 API は制限的 — 承認パートナーと商用ユースケース向けのみ。個人研究には:
// Chrome 拡張のコンテンツスクリプトまたはブックマークレットで
function extractLinkedInPost() {
// 最初に「もっと見る」が存在すれば展開
const seeMore = document.querySelector('[aria-label="See more, visibility:"]');
if (seeMore) seeMore.click();
// 待ってから抽出
setTimeout(() => {
const author = document.querySelector('.update-components-actor__title')?.innerText;
const body = document.querySelector('.update-components-text')?.innerText;
const comments = Array.from(document.querySelectorAll('.comments-comment-item'))
.slice(0, 10)
.map(c => ({
author: c.querySelector('.comments-post-meta__name')?.innerText,
text: c.querySelector('.comments-comment-item__main-content')?.innerText,
likes: c.querySelector('.comments-comment-social-bar__action-button')?.innerText,
}));
const md = `# [${author}] LinkedIn 投稿\n\n${body}\n\n## コメント\n\n` +
comments.map(c => `- **${c.author}** (${c.likes}): ${c.text}`).join('\n');
navigator.clipboard.writeText(md);
}, 500);
}
DOM セレクタは LinkedIn のリデザイン (~四半期ごと) で壊れる。本番使用には Web2MD の抽出器が中央で更新。
パス 3: バルクソートリーダーシップ分析
「[創業者] が今四半期発信したものを分析」のために:
- 彼らの LinkedIn アクティビティページを開く
- スクロールして最近の 30-50 件の投稿をロード
- 取得したい各投稿をタブで開く
- Web2MD で各々をキュー
- 一括 Markdown ファイルにエクスポート
- Claude に合成プロンプト付き貼り付け
30 件の投稿の合計時間: 読み込み含めて ~20 分。合計コーパス: ~40k tokens。Claude は一つ一つの投稿を読むだけでは見えないパターンを浮き彫りにするテーマ分析を生成。
実例: 四半期競合インテリジェンス
毎四半期、私は「競合 CEO が LinkedIn でどんなことを発信しているか」分析を実施:
- 8 競合 × 各 ~10 件の実質的投稿 = 80 件の投稿
- Web2MD キュー + 一括エクスポート: 読み込み含めて ~30 分
- 合計 Markdown: ~95k tokens
- Claude にプロンプト「これらは 8 競合 CEO の 2026 Q2 の 80 件の LinkedIn 投稿。各 CEO が現在唱える 3 つのテーマを特定。どこで合意し、どこで disagree するか? 特定の投稿を URL 付きで引用。」付き貼り付け
出力: 8 ページの引用エビデンス付き競合景観メモ。合計ワークフロー時間: ~75 分。手動版 (全投稿読み、ノート取り、テーマ書き出し) は 1-2 日だった。
このワークフローに不適なケース
- スケールでのセールスプロスペクティング。Web2MD は個人使用拡張。商用スケールの LinkedIn データ抽出には LinkedIn Sales Navigator やパートナー API を使う。
- プライベート投稿と connection-gated コンテンツ。Web2MD はブラウザセッションで見えるものを読む。ログインしても見えないものは拡張も読めない。
- リアルタイムモニタリング。スナップショットワークフロー。特定アカウントの継続トラッキングには小さな RSS-style ポーラーを作り抽出器を通す。
- LinkedIn の認証やレート制限の回避。既に見えるコンテンツの個人使用は OK; プラットフォーム保護の回避は NG。
他のワークフローとの組み合わせ
LinkedIn コンテンツは他の研究面と組み合わせるとさらに価値:
- Reddit-to-Claude パイプライン: ユーザーの ground-truth 意見に Reddit、ソートリーダーフレーミングに LinkedIn
- YouTube トランスクリプト: 同じソートリーダーのポッドキャストとカンファレンス講演
- 1M コンテキストウィンドウの埋め方: 200 件の LinkedIn 投稿は約 250k tokens — 余裕で入る
- LLM token コスト削減: クリーン LinkedIn Markdown は生のものより ~50% コスト削減
信号とノイズについての注
LinkedIn コンテンツは Reddit、ポッドキャストトランスクリプト、Wikipedia より信号対ノイズ比が高い。プロモーションコンテンツと個人ブランドフレーミングはどんな LinkedIn コーパスでも大きな割合を占める。合成時には Claude に明示的にプロンプト: 「エビデンスを伴う実質的主張 vs エビデンスなしの個人ブランドフレーミングを特定」。クリーン Markdown はこの区別を生 HTML ノイズを読むよりはるかに鋭くする。
クイックウィン
既に Web2MD を使っているなら、LinkedIn 投稿を開いて拡張をクリック。出力を手動コピーと比較 — 違いがこの記事の主題。
dev ワークフローには上記の DOM 抽出アプローチで動くが四半期ごとに壊れる。そのメンテナンスを避けるには拡張を使う。
関連記事
- なぜ Claude は Reddit を読めないのか
- Reddit から Claude 1M コンテキスト: 研究パイプライン
- YouTube トランスクリプトを Claude/ChatGPT 用 Markdown に
- Claude の 1M コンテキストウィンドウの埋め方
- LinkedIn を Markdown に変換 — サポートサイトページ
インストール
無料 3 回/日。Pro $9/月で無制限 + キュー + 一括エクスポート + 「もっと見る」展開付き専用 LinkedIn 抽出器。