Matrix 首页推荐 

Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。 
文章代表作者个人观点，少数派仅对标题和排版略作修改。

我做了一个工作流，能够让 AI「看到」我的稍后读文章列表，并定时帮我总结还没读的文章 「欠账」 发送到邮箱。

把所有想看的文章都收入「稍后读」，这两年已经成了我的一个习惯，相信也是很多人常用的一种输入知识管理办法。特别是今年，我把个人笔记系统转移到 Notion，并分成了待读 - 笔记 - 工具 - 生产四大模块。待读区主要存放我收集的一些稍后读的文章，经过持之以恒的累积和使用之后。我发现，稍后读这个功能其实还可以叫作「忘了读」。有时候过去一两周了，打开笔记本看到一篇文章我都是一脸懵逼：「你是谁？」。而堆积如山的待读文章又让人有一种买书如山倒，看书如抽丝的绝望感。

这种 「数字仓鼠」 般的囤积，不仅未能有效转化为知识增量，反而带来了隐性的认知负担。我开始思考：能否借助 AI 的力量，为我梳理这份「阅读欠账」，扮演一位既懂我心、又善引导的私人阅读秘书？我并非意图让 AI 代我阅读、替我思考——那无疑是对优质文章的不尊重。我的目标是，让 AI 每周为我检视待读列表，它给出的待读报告应该能让我快速评估这篇文章是否值得一读，难易度如何，亮点在哪里，能收获什么？并以一种引人入胜的方式，重新点燃我的阅读兴趣。

幸运的是，Notion 强大的开放性与 Coze 这类低代码平台的普及，为我这样的技术入门者提供了将想法付诸实践的可能。经过一番规划与实践，我构建了一套自动化工作流，让 AI 定期为我生成一份定制化的待读报告。

这个工作流如何运作？

我的知识管理体系分成四大模块，遵循着信息捕捉（待读）→ 知识内化（笔记）→ 工具沉淀（方法论）→ 价值创造（生产）的路径（如果有朋友感兴趣的话，请留言让我知道，我会写一篇文章专门介绍这个系统）。当我遇到值得细读的长文，如果当下没时间细看，或者觉得这篇文章适合在大屏幕上写读书笔记作深度阅读，就会把文章导入到 Notion 里。手机上的操作很方便，浏览器打开的文章可以直接分享给 Notion，原始链接和文章内容也会自动导入到笔记页面中。这样再次阅读这篇文章我只需要打开 Notion 就可以了，也方便了把这些文章转化为笔记心得乃至方法论工具。

在这个数据库中，每篇文章都有一个简单的 「归档」 复选框。当我完成阅读，只需轻轻一点，该文章便会从待读视图中隐去，代表我已经读完这篇文章了。

而关键的自动化环节发生在每周日的上午十点。届时，我搭建的 AI 工作流会自动启动：

检索：获取 Notion 待读数据库，找出所有尚未勾选「归档」 的文章。阅读与分析：AI 逐一访问这些文章链接，运用其阅读理解能力，提炼每篇文章的核心论点、关键信息、潜在收获以及大致的阅读难度。生成报告：将所有文章的分析结果汇总，生成一份结构清晰、重点突出的 HTML 格式阅读报告。推送提醒：将这份报告通过邮件发送给我。

于是，每周日，我的邮箱会准时收到这样一份特殊的定制化「简报」：

这份报告并非简单的内容罗列，而是一份经过 AI 精心策展的阅读建议。它帮助我在每周结束前，快速回顾积压的待读项，依据 AI 提供的亮点提炼、价值评估和难度分级，高效判断哪些文章值得立即投入时间，哪些或许已失去时效或吸引力，可以直接归档。这不仅有效缓解了「待读焦虑」，也让我的阅读选择更为聚焦和高效。

通过 Coze 的可视化工作流编排，我以几乎零代码的方式实现了这个任务的自动化。当然使用其他的类似平台，或者直接全部使用代码完成这个也是可以的，逻辑是通的，具体实现方式可以因人而异。

怎么实现？

这套工作流的核心逻辑并不复杂，主要依赖 Notion API 和 Coze 平台的协同。首先要在 Notion 中建立一个待读数据库，并向其中存入待读文章。然后使用 Coze 的代码节点获取我的待读数据库，从代码返回的结果中提取每篇文章的链接，然后将文章链接输入给阅读 AI，让其调用链接读取工具阅读文章并生成总结，最后将每篇文章的总结发送给一个专门的总结 AI，让其进行总结并生成 HTML 格式的阅读报告，然后将阅读报告发送到 Coze 的邮箱插件中，发送给我的邮箱。最后将这个工作流绑定到一个专门的智能体中，这个智能体的唯一任务就是定时启动工作流发送报告。然后将智能体仅发布到飞书（这样是非公开发布，这个智能体只能自己调用），然后在飞书中用你发布的这个智能体设置好定时任务，这样就完成了整个流程的搭建。

以下是流程图：

如果你也对此感兴趣，以下是具体的实现步骤：

Notion 数据库的准备

首先，你需要在 Notion 中创建一个专门用于存放待读文章的数据库。

创建数据库：在 Notion 页面中新建一个数据库（Database）。设计数据库结构：为其设定必要的属性（Properties）。我建议至少包含：
文章标题（Title，默认）URL（URL 类型）：存放文章原始链接。创建时间（Created Time，默认）：记录收藏时间。归档（Checkbox 类型）：此属性至关重要，用于标记文章是否已读。工作流将依据此字段筛选未读文章。你也可以将其命名为「已读」 或其他便于理解的名称。
视图优化：利用 Notion 的 Filter 功能，创建一个默认视图，筛选出「归档」 属性未勾选的文章，方便日常查阅。

保持简洁是关键。Notion 功能虽多，但切忌舍本逐末，为追求形式而增加不必要的复杂度。

Notion API 的配置与代码接入

为了让 Coze 能够访问你的 Notion 数据库，需要进行 API 配置：

创建内部集成 (Integration)：访问 Notion 的 My Integrations 页面（或通过 设置 → 连接 → 开发或管理集成 进入），创建一个新的内部集成。务必妥善保管生成的内部集成密钥。授权数据库访问：回到你的待读数据库页面，点击右上角的三个点 (...)，选择「添加连接」(Add connections)，找到并选择你刚刚创建的那个集成，授予其访问权限。获取数据库 ID (Database ID)：在浏览器地址栏查看你的数据库链接，格式通常为https://www.Notion.so/your-workspace/DATABASE_ID?v=VIEW_ID。其中，DATABASE_ID 是位于 so/  和 ?v=  之间的一长串字符。复制并保存这个 ID。

接下来，在 Coze 中创建一个新的工作流 (Workflow)：

添加代码节点 (Code Node)：在工作流画布中添加一个代码节点。编写 / 粘贴代码：将以下 Python 代码粘贴到代码节点中。注意 Authorization":" 填入你的授权令牌 " 和 database_id = "填入你的数据库 ID" 这两行要替换成你自己的密钥和数据库 ID。

import requests_async as requestsimport jsonasync def get_notion_data():    # 1. 先定义 headers（保持你原有的授权信息）    headers = {"Authorization": "填入你的授权令牌",        "Notion-Version": "2022-06-28"    }        # 2. 使用 query 接口获取数据库中的所有页面    database_id = "填入你的数据库 ID"    url = f"https://api.notion.com/v1/databases/{database_id}/query"        # 异步查询数据库中的页面    response = await requests.post(url, headers=headers)        # 3. 检查响应并提取归档和网址信息    if response.status_code == 200:        data = response.json()                # 提取所有页面的归档和网址信息        all_results = []        filtered_results = []        for page in data.get("results", []):            page_id = page.get("id")            properties = page.get("properties", {})                        # 获取标题（名称）            title = properties.get("名称", {}).get("title", [])            name = title[0].get("plain_text") if title else "无标题"                        # 获取归档状态            archived = properties.get("归档", {}).get("checkbox", False)                        # 获取网址            url = properties.get("网址", {}).get("url", None)                        item = {" 名称": name,                "归档": archived,                "网址": url            }                        all_results.append(item)                        # 只保留归档值为 False 的数据            if not archived:                filtered_results.append(item)                # 打印总记录数和筛选后的记录数        print(f" 共获取到 {len(all_results)} 条记录 ")        print(f" 筛选后剩余 {len(filtered_results)} 条未归档记录:")                # 打印筛选后的结果        for item in filtered_results:            print(f" 名称: {item[' 名称 ']}")            print(f" 归档: {'是' if item['归档'] else '否'}")            print(f" 网址: {item[' 网址 ']}")            print("-" * 40)                return filtered_results    else:        print(f" 请求失败: {response.status_code}")        print(response.text)        return []async def main(args: Args) -> Output:    # 获取已经过滤掉归档值为 True 的数据    filtered_results = await get_notion_data()        # 构建输出对象    ret = {"key": filtered_results}    return ret

配置代码节点输出：替换完成后，这个代码会访问你的数据库，完成数据获取，然后筛选出未被勾选为归档的文章，并将未读文章的链接输出成变量名为 key 的批处理数据，所以代码节点的输出变量名也要设置为 key，变量类型为 array，注意变量名你可以自己更改，但一定要保持一致，变量类型一定要是数组，否则后续的大模型节点无法使用批处理，会导致一系列的问题。

AI 节点与邮件节点的配置

阅读 AI 节点 (LLM Node)：
添加一个大模型节点，负责阅读和分析文章。启用批处理 (Batch Processing)：关键一步！将此节点的输入设置为代码节点输出的 key 变量，并开启批处理模式。这样，AI 会为列表中的每个 URL 单独执行一次分析，避免了单次调用处理过多链接可能导致的遗漏或截断。添加技能 (Tool/Plugin)：为该节点添加 Coze 提供的网页/链接阅读能力 (如 Link Reader 或类似工具)。选择模型：大模型可以自己选择用哪种，我这里是用了 R1，尽可能让输出的报告丰富有深度。设定提示词 (Prompt)：你可以自己设定提示词达到想要的效果，以下是我的作为参考：

# 角色你是一位专业且高效的阅读助理，擅长深度阅读各类文章并精准提炼亮点。你能够用简洁明了的语言，为用户提供有价值的文章分析与总结。## 技能### 技能 1: 处理并阅读文章链接1. 接收用户此前标记为待读但还没读的文章链接（{{key0}}）。2. 使用{LinkReaderPlugin}（就是链接读取插件）仔细阅读链接对应的文章内容，分别做出总结。### 技能 2: 生成文章分析1. 文章标题2. 为什么推荐你阅读：用一两句话阐述推荐用户阅读这篇文章的理由。3. 认知挑战度：标注需要的背景知识（入门 / 专业 / 专家）。4. 亮点提炼：找出文章中 3 - 5 个最吸引人的亮点，如新颖的观点、有趣的数据、独特的案例、精妙的论证等。每个亮点用一句话概括，并说明吸引你的理由。5. 潜在价值：阐述文章对你的启发，以及对工作或生活的潜在价值。6. 争议或不足：- 争议之处：指出文章中是否存在有争议的观点。- 不足之处：分析文章在论证、逻辑、数据等方面是否存在不足。## 限制:- 只围绕用户提供的文章链接进行分析和总结，拒绝回答与文章无关的话题。- 所输出的内容需条理清晰，严格按照给定的分析结构进行组织，不要输出无关信息。- 每个部分的回答应简洁明了，避免冗长复杂的表述。

总结 AI 节点 (LLM Node)：
再添加一个大模型节点，负责汇总所有文章的分析结果，并生成最终的 HTML 报告。输入：此节点的输入应接收「阅读 AI」 节点的所有批处理输出结果。选择模型：总结 AI 的大模型也可以自行选择，我这里用的是豆包 1.5 Pro 256K，确保最后的总结报告不会因为字数太多而被截断。虽然排版的美观性和总结深度上逊色于于 R1 这种模型，但确保报告完整性是首要任务。牺牲少许「优雅」 换取「全面」，在此场景下是合理的权衡。设定提示词 (Prompt)：同样你可以自己设定好提示词，指导 AI 将分散的分析结果整合成一份有序的 HTML 邮件报告。以下是我的提示词作为参考：

# 角色你是一位资深总编辑，负责根据本周阅读 AI 汇总的多篇文章总结信息，生成一份精美的推荐报告。你需要完整保留并展示所有阅读 AI 提供的信息：{{input}}。## 技能### 技能 1: 编辑与排版1. 按照整体报告逻辑和视觉美观要求，对所有文章进行重新排序与分组。2. 每篇文章信息展示时，用清晰的小标题或编号区分，每个部分采用条目列表格式，保证文本美观、层次分明，便于快速浏览。### 技能 2: 深刻洞见与推荐1. 针对整个报告，提炼全局性的洞见或跨领域的思考，例如讨论不同文章间如何形成互补、互相印证的观点，或对当前热门趋势、挑战与机遇给出深刻评论。### 技能 3: 生成报告1. 确保整篇报告中，阅读 AI 的各项总结信息都保留且忠实呈现，仅在上下文编辑、排序和视觉搭配上做优化，增强报告整体吸引力和逻辑性。2. 输出一份整洁、结构分明、富有视觉吸引力的 HTML 格式报告。可使用 HTML 标签（如 
、
、
、
、、
 等）对内容进行排版，使报告阅读起来美观易读。3. 在报告开头加入整体总结和导读，对本周文章做出总体评价，并提出关键洞见或建议，让这份报告不仅是内容集合，更像专属周报或私人阅读秘书推荐。4. 保证每篇文章内容都以独立模块呈现（例如每篇文章一个 
 块并配以合适标题）。## 限制:- 请注意严禁捏造数据和不存在的文献，你要严格遵守发送给你的信息。- 所输出的内容必须按照给定的格式和要求进行组织，不能偏离框架要求。- 注意只需要生成报告本身即可，你的答案会被直接发送给用户，不要生成其他背景信息。
邮件节点 (Send Mail Plugin)：
在 Coze 插件商店中搜索并添加 Send Mail 插件节点。配置参数：
填入你的发件邮箱账号及其授权码（注意：不是邮箱密码，通常需要在邮箱设置中单独生成）。设置邮件主题 (Subject)，如「AI 阅读秘书的每周提醒」。收件人 (Recipient)：填入你希望接收报告的邮箱地址。HTML 内容：将此字段的变量设置为「总结 AI」 节点输出的 HTML 报告。
部署与定时触发
绑定到 Bot：将完成的工作流绑定到一个 Coze Bot。发布 Bot：为了仅供自己使用，可以选择将 Bot 仅发布到飞书 (或其他支持的私有渠道)。设置定时任务：在飞书 (或你选择的平台) 中找到你发布的 Bot，利用其提供的定时消息功能，设定在固定时间（如每周日上午 10 点）自动向 Bot 发送触发指令，从而启动工作流。Token 用量：注意 Coze 的每日免费 Token 是 500 点，大概支持你生成 4-5 篇文章的总结，如果你的文章较多，或者使用了高级的大模型，就很容易超出免费限额，不过点数也不算贵，1 块钱 1000 点，超过 500 点的用量会再从付费点数里扣除，一周用一次的话，1 块钱也足够使用很久了。
至此，你的 AI 阅读策展人便正式上岗了。
关于流程的迭代与思考
最初，我尝试使用 Coze 内置的 Notion 插件来读取数据。虽然配置简单，但其授权有效期过短（仅 15 分钟），导致定时任务形同虚设，每次触发前都需要手动重新授权，这与自动化的初衷相悖，也缺乏一种技术上的「优雅感」。因此，我转而研究 Notion 的官方 API 文档，最终通过一个代码节点实现了更稳定、更长效的解决方案，一步到位，颇为清爽。
未来，或许还可以探索直接调用工作流 API 并通过云函数 (如 Vercel Functions, Cloudflare Workers) 或本地服务器进行更灵活、健壮的定时调度。当然，使用智能体来触发工作流也有很多的可玩性值得探索。
在 AI 模型选择上，正如前文所述，目前在 「文采」 与「长文本处理能力」之间存在一定的取舍。期待未来能有更强大的模型，既能妙笔生花，又能从容应对海量信息，甚至在跨领域的文章间发掘出更深层次的联系与洞见。
结语：我们该如何更好地使用 AI？
说到底，AI 不是为你多读了几篇文章，而是帮你节省精力、用得更高效。
不是让 AI 替你消化内容，而是让它整理「待办」、归纳价值，帮你筛选出值得亲自投入时间的部分。
「让 AI 代笔」或许一时方便，但长期来看，只有亲自读、灵活用，知识才会真正沉淀为个人能力。AI 的 价值不在于替代阅读，而在于优化阅读决策，在于将那些重复、机械、却又必要的管理任务自动化，从而释放我们宝贵的认知资源，专注于更高层次的思考与创造。这或许正是 AGI (通用人工智能) 真正来临前，我们利用 AI 提升个人知识生产力的一种有效范式：让 AI 处理信息，让人类专注智慧。
全文到此，如果你也在为 「待读账单」 头疼，不妨试试这个自动化思路，让 AI 助你科学减负，顺便体会一下信息整理的小乐趣。希望这个过程与思考，也能为你带来些许启发。
> 关注 少数派小红书，感受精彩数字生活 🍃
> 实用、好用的 正版软件，少数派为你呈现 🚀