LinkedIn 帖子转 Markdown 给 AI 做摘要：2026 工作流

LinkedIn 是世界上最大的职业内容网络。长尾文章、创始人更新、热点观点帖、技术领导力 thought leadership — 2026 年资深从业者实际上的发布场所，远远超过个人博客曾经的地位。问题：LinkedIn 内容直接贴到 Claude 或 GPT-5.5 会产生 30-40% 噪声 + 「显示更多」截断内容。

本文是把 LinkedIn 内容变成 AI 真能推理的干净 Markdown 工作流。

贴 LinkedIn 到 AI 为什么失败

你复制一条 LinkedIn 帖子贴到 ChatGPT，得到：

Sundar Pichai
CEO at Google
查看个人资料
1天 • 已编辑
🔔 此人发帖时通知我
[图片]
我们今天宣布...
... 显示更多
💪 1,234 reactions
📝 156 评论
↻ 89 转发
激活以查看更大图片

三个问题：

1. 「显示更多」截断：帖子正文在 DOM 里被截断直到你点「显示更多」。标准复制粘贴只捕获截断版。
2. 互动 chrome：reaction 徽章、评论数、转发数消耗 tokens 没添加信号。
3. 个人资料 chrome：「查看个人资料」、「通知」、「联系」按钮 — 纯 UI 噪声。

Token 浪费是小问题。大问题是 AI 工具去总结那里有的内容 — 那是截断版。帖子一半根本没被分析。

干净 LinkedIn Markdown 长什么样

经过 LinkedIn 感知的提取器：

# [Sundar Pichai] 我们今天宣布...

**作者**: Sundar Pichai · CEO at Google · 发布日期 2026-06-03
**来源**: https://www.linkedin.com/posts/sundarpichai_announcement-...
**互动**: 1,234 reactions · 156 评论 · 89 转发

我们今天宣布，公司研究团队在 [话题] 上取得了重大突破。这建立在年初我们
分享的 [相关话题] 工作之上。核心洞见是：[继续 800 词]。

对 [行业] 的影响有几方面：

1. ...
2. ...
3. ...

[继续，完全展开内容]

## 顶部评论

- **Jane Doe** · VP of Engineering (👍 78): "这非常大。我们在自己的 [相关领域] 工作中看到了类似模式。"
- **John Smith** · 研究员 (👍 45): "重要警告：基准是 [特定局限] — 头条数字不能转化为..."
- ...

比原始复制粘贴小约 50%。帖子正文完整，没截断。顶部评论包含进来作为上下文。个人资料 chrome 剥离。

工作流

三条路：

路径 1：Web2MD 扩展 (交互式)

Chrome 打开 LinkedIn 帖子或文章。点 Web2MD。LinkedIn 专用提取器：

• 展开「显示更多」截断，拿到帖子完整正文
• 剥离 reaction 徽章、评论数 chrome、个人资料 UI
• 抓作者姓名、职位、发布日期、原始 URL
• 按 reaction 数排序的前 5-10 条评论
• 格式化为带正确标题的干净 Markdown

端到端：每帖约 6 秒。免费版处理日常使用，Pro 无限。

路径 2：构建研究 pipeline 的开发者

LinkedIn 官方 API 受限 — 仅限批准合作伙伴和商业用例。个人研究用：

// 在 Chrome 扩展 content script 或 bookmarklet 里
function extractLinkedInPost() {
  // 先展开「显示更多」(如果存在)
  const seeMore = document.querySelector('[aria-label="See more, visibility:"]');
  if (seeMore) seeMore.click();
  // 等等，再抽取
  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 = `# [${author}] LinkedIn 帖子\n\n${body}\n\n## 评论\n\n` +
               comments.map(c => `- **${c.author}** (${c.likes}): ${c.text}`).join('\n');
    navigator.clipboard.writeText(md);
  }, 500);
}

DOM 选择器在 LinkedIn 重设计 (~每季度) 时会坏。生产用 Web2MD 提取器有中央更新。

路径 3：批量意见领袖分析

"分析 [创始人] 这个季度发了什么"：

1. 打开他们的 LinkedIn 活动页
2. 滚动加载最近 30-50 个帖子
3. 想要的帖子开 tab
4. Web2MD 队列每个
5. 批量导出成单 Markdown 文件
6. 贴 Claude 配合成 prompt

30 帖总时间：包含阅读约 20 分钟。合并语料库：约 40k tokens。Claude 产出读单帖看不到的模式的主题分析。

真实例子：季度竞品情报

每个季度我做一次「竞品 CEO 在 LinkedIn 发什么」分析：

• 8 个竞品 × 各约 10 个实质帖 = 80 帖
• Web2MD 队列 + 批量导出：包含阅读约 30 分钟
• 合并 Markdown：约 95k tokens
• 贴 Claude，prompt：「这是 8 个竞品 CEO 在 2026 Q2 的 80 个 LinkedIn 帖。识别每个 CEO 现在主张的 3 个主题。哪里同意？哪里分歧？引用特定帖子带 URL。」

输出：8 页带引用证据的竞品景观备忘录。总工作流时间：约 75 分钟。手动版 (读所有帖子、记笔记、写主题) 要 1-2 天。

不适用的场景

• 规模化销售勘探。Web2MD 是个人用扩展。商业规模 LinkedIn 数据抽取用 LinkedIn Sales Navigator 或合作伙伴 API。
• 私密帖和 connection-gated 内容。Web2MD 读浏览器 session 里能看到的东西。登录都看不到的扩展也看不到。
• 实时监控。快照工作流。特定账号持续追踪建小型 RSS-style 轮询，结果走提取器。
• 绕过 LinkedIn 认证或速率限制。已经能看到的内容个人使用 OK；绕过平台保护不行。

与其他工作流搭配

LinkedIn 内容跟其他研究面结合获得额外价值：

• Reddit 到 Claude 管道：Reddit 装地面真实用户意见，LinkedIn 装意见领袖 framing
• YouTube 字幕：同样意见领袖的 podcast 和大会演讲
• 1M 上下文窗口填法：200 个 LinkedIn 帖约 250k tokens — 装得下
• 降低 LLM token 成本：干净 LinkedIn Markdown 比原始版省 ~50%

信号 vs 噪声笔记

LinkedIn 内容比 Reddit、podcast 字幕、Wikipedia 信号噪声比更高。促销内容和个人品牌 framing 占任何 LinkedIn 语料库相当大比例。合成时明确告诉 Claude：「识别带证据的实质主张 vs 没证据的个人品牌 framing」。干净 Markdown 让这种区分比读原始 HTML 噪声尖锐得多。

相关阅读

• 为什么 Claude 读不了 Reddit
• Reddit 到 Claude 1M 上下文：研究管道
• YouTube 字幕转 Markdown 喂给 Claude/ChatGPT
• Claude 1M 上下文窗口填法
• LinkedIn 转 Markdown — 支持站点页

安装

Web2MD Chrome 扩展商店 →

免费 3 次/天。Pro $9/月解锁无限 + 队列 + 批量导出 + 带「显示更多」展开的专用 LinkedIn 提取器。