ReadPo 是一款 AI 驱动的读写助手，官方描述为「专为知识创作者设计」，基于「主题阅读」法，聚合 Google 新闻、X、RSS 等内容源，帮用户批量收集和筛选资讯，再结合 RAG 技术把精华内容转化为文章、海报、视频等作品，并支持自定义 Prompt 与多模型。
它的工作方式和「打开一个 AI 对话框让它写」完全不同：先解决读什么，再解决怎么写。下面按实际操作顺序拆解这条流程。
官方把这种方法称为「主题阅读」，和随手搜索的关键词用法有本质区别：关键词搜索的产出是一堆链接，筛选成本全在你自己身上，同一主题也很难形成持续积累；主题阅读是先定一个长期关注的方向，再让内容源持续往这个方向汇入素材。
第一步：定一个主题
主题的颗粒度决定了后续所有环节的效果。太宽泛，比如「人工智能」，汇入的内容会杂乱到无法处理；太窄，比如某个具体产品的某个功能更新，素材量又撑不起持续创作。
一个实用的做法是选你有持续输出计划、且信息源相对稳定的方向。主题定下来之后，它就成为后续收集和筛选的筛选器——不属于这个主题的内容不进，属于的才留。
第二步：接入内容源
官方描述为「聚合 Google 新闻、X、RSS 等内容源」。这三类源覆盖了不同的信息特征。
RSS 是结构化最好的来源，站点主动推送更新，适合跟踪固定的媒体、博客或行业站点。Google 新闻覆盖范围广、时效性强，适合抓行业动态和事件。X 的优势在于信息的一手性和速度，很多从业者的判断和讨论首先出现在这里，但噪音也最大，需要更强的筛选。
第三步：批量筛选，而不是逐条读
官方描述为「帮用户批量收集和筛选资讯」。这一步是整套流程里最省时间的部分。
传统做法的瓶颈就在这里：订阅了几十个源，每天推送上百条，逐条点开看根本看不完，最后只能凭标题猜哪条值得读。批量筛选指的是先用机器做一轮粗筛，把明显无关的、重复的、低信息量的内容剔除，人只需要处理剩下的部分。
第四步：把精华转成作品
官方描述为「结合 RAG 技术将精华内容转化为文章、海报、视频等作品」。RAG 指的是检索增强生成，做法是先从你提供的资料里检索出相关片段，再让模型基于这些片段生成内容。
这个机制对创作场景的意义在于，生成的内容有来源依托，而不是全靠模型自身的知识。写行业分析时，引用的是你收集的原文材料，而不是模型凭印象复述的东西。内容的可信度因此高出一截。
第五步：自定义 Prompt 与多模型
自定义 Prompt 让你把固定的写作要求沉淀下来，比如固定的结构、固定的语气、固定的字数范围，不用每次重新描述。多模型则意味着不同环节可以选不同的模型——筛选类任务和创作类任务对模型的要求不一样，能换模型就有调整空间。
常见坑
主题定得太泛，素材会堆成垃圾场；内容源加了太多又不清理，噪音会越来越大；把机器筛选当成最终判断，容易错过有价值的小众信息。生成环节也不能直接采用产出，RAG 能保证内容有来源，但不能保证模型没有误读来源。
小结
- ReadPo 是 AI 驱动的读写助手，官方定位为专为知识创作者设计。
- 流程基于「主题阅读」法，先定主题再持续积累素材。
- 官方描述聚合 Google 新闻、X、RSS 等内容源，支持批量收集与筛选。
- 官方称结合 RAG 技术把精华内容转化为文章、海报、视频等作品。
- 支持自定义 Prompt 与多模型，适合把固定写作要求沉淀成配置。
- RAG 保证内容有来源依托，但仍需人工核对事实，避免模型误读原始材料。