使用BERT模型对中文新闻摘要进行自动化生成是一个复杂的任务，但可以通过以下步骤来实现：

1. 数据准备：首先，你需要准备一个包含中文新闻标题和内容的语料库。这个语料库应该尽可能地涵盖各种类型的新闻，包括政治、经济、文化、体育等不同领域。将每个新闻标题和内容配对，并标记为训练数据。

2. 预处理：对语料库进行预处理，包括分词、去除停用词等。对于中文文本，可以使用jieba等分词工具进行分词。同时，需要为每个单词或词组分配一个唯一的ID，以便模型能够处理它们。

3. 训练BERT模型：使用预处理后的数据训练BERT模型。在训练过程中，需要设置适当的超参数，如学习率、批大小、训练轮数等。此外，还需要选择一个合适的损失函数来衡量模型预测摘要与实际摘要之间的差异。

4. 微调模型：在训练完BERT模型后，可以对其进行微调以适应新闻摘要任务。微调的过程是在原始BERT模型的基础上增加一些层或者进行一些特定的修改，以便更好地适应新闻摘要的生成。

5. 生成摘要：在微调完模型后，可以使用该模型来生成新闻摘要。给定一个新闻标题和内容，模型会生成一个简短的摘要。为了生成摘要，可以使用贪婪搜索或束搜索等算法来选择最有可能的单词序列。

6. 后处理与评估：生成的摘要需要进行后处理和评估。后处理包括去除多余的标点符号、调整句子结构等。评估可以通过人工评估或使用自动评估指标（如BLEU、ROUGE等）来进行。

在实现过程中，还需要注意以下几点：

1. 选择合适的BERT模型：根据任务需求选择合适的BERT模型，如BERT-base或BERT-large等。

2. 调整超参数：在训练和微调过程中，需要不断调整超参数以获得更好的性能。

3. 考虑其他技术：除了BERT模型外，还可以考虑使用其他技术来提高摘要的质量，如注意力机制、强化学习等。

4. 持续优化与迭代：随着语料库的扩大和技术的进步，需要不断优化和迭代模型以获得更好的性能。

总之，使用BERT模型对中文新闻摘要进行自动化生成需要准备数据、进行预处理、训练和微调模型、生成摘要以及后处理与评估等多个步骤。在实现过程中需要注意选择合适的模型、调整超参数以及考虑其他技术等因素。