- name
- x-profile-deep-dive
- version
- 1.0.0
- description
- >
X Profile Deep Dive
对 X/Twitter 博主进行深度画像分析：数据整理 → LLM 动态分类 → 摘要卡片 + 分类全集输出。
前置条件
# 一次性检查三个条件
pip3 show tweety-ns >/dev/null 2>&1 && echo "✅ tweety-ns" || echo "❌ pip3 install tweety-ns"
[ -f <WORKSPACE>/config/twitter_cookies.json ] && echo "✅ cookies" || echo "❌ cookies 缺失"
[ -d <WORKSPACE>/config/tw_session/ ] && echo "✅ session" || echo "❌ session 目录缺失"Cookies 缺失 → 提示用户通过 CDP 从 openclaw browser 提取。
预计耗时
| 阶段 | 耗时 | 说明 |
|---|---|---|
| Phase 1 数据整理 | 1-2 分钟 | tweety-ns API 调用 |
| Phase 1.5 Articles | 2-5 分钟 | 浏览器滚动，视博主文章数量而定 |
| Phase 2-3 分析+分类 | 1-3 分钟 | 视推文数量而定 |
| Phase 4-5 输出 | 1 分钟 | 文件写入+汇报 |
| 总计 | 5-11 分钟 |
确认点：开始前告知用户预计耗时，确认后再开始。
完整流程
Phase 1: 数据整理
运行脚本整理原始数据：
python3 scripts/x_profile_analyzer.py \
--handle {handle} \
--tweet-pages 8 \
--cookies <WORKSPACE>/config/twitter_cookies.json \
--output /tmp/x-profile-raw-{handle}.json参数说明：
--tweet-pages 8：默认 8 页（约 160 条推文），可根据需要调整--following-pages 1：关注列表采样 70 人（通常够用）--follower-pages 1：粉丝采样 70 人（可能因 elevated auth 失败，非关键）
脚本退出码：1=cookies missing, 2=login failed, 3=user not found
Phase 1.5: Articles 专项整理 + 外链探索
tweety-ns 的 tweet pages 可能采不全 X Articles（长文），且博主可能在外部平台有独占内容。此步骤必须执行。
1.5.1 X Articles 完整整理
用浏览器打开 x.com/{handle}/articles，完整滚动收集所有 Article：
browser navigate→x.com/{handle}/articles- 逐段滚动（每次
scrollBy(0, 1500)），每段做 snapshot 记录当前可见的 article 标题+日期+URL - 累计去重：X 使用虚拟滚动（virtual scrolling），会回收不在视口的 DOM 节点。绝不能用最后一次 snapshot 的 article 数量当总数。必须在脑中/笔记中累计所有已看到的唯一 article
- 持续滚动直到不再出现新 article（连续 2 次滚动无新增 = 到底）
- 记录总数，与 Phase 1 采到的 Articles 数量对比，补全遗漏
⚠️ 虚拟滚动陷阱（2026-03-16 教训）：
- X 的 timeline 页面使用虚拟滚动，视口外的 article 元素会被回收
document.querySelectorAll('article').length只返回当前 DOM 中的数量，不是总数- 必须逐段滚动 + 手动累计去重，这是唯一可靠的计数方式
1.5.2 外链探索
检查博主 bio 中的外部链接（博客/Substack/Medium/Newsletter/GitHub）：
- 从 Phase 1 的 profile 数据或 README 中提取 bio 链接
- 如果有博客/Newsletter → 用 browser 打开，找到长文列表页
- 对比博客长文列表 vs X Articles 列表，识别博客独占内容（博客有但 X 没有的）
- 对博客独占文章快速评估：深度原创 or 短新闻/聚合帖？主题相关度？
- 在 README.md 中增加「📎 外部平台」章节，记录博客 URL + 独占内容数量 + 推荐收藏清单
Phase 2: 数据分析
读取输出的 JSON，用 Python 提取关键统计信息（参考 data-analysis.md）：
- 推文总数、时间跨度、发帖频率
- 互动中位数（likes/retweets/views）
- 语言分布、原创 vs 转推比例
- 高互动推文 Top 10
确认点（大 V 场景）：推文 >500 条时，告知用户分析范围（如"分析最近 160 条，覆盖约 X 天"），确认是否需要扩大采样。
Phase 3: LLM 动态分类
核心步骤——不使用预设分类，而是根据推文内容动态生成分类。
- 扫描所有推文全文，识别 3-6 个主题分类
- 每个分类需要：名称（中文）、一句话描述、包含哪些推文
- 分类原则：
- 按内容主题而非形式分（不要"长文"/"短文"这种分法，除非某人确实有独特的长文系列） - X Articles（长文）优先处理：如果博主有 X Articles，先从 Phase 1.5 的完整 Articles 列表中提取，确保每篇 Article 全文都被收录到对应主题分类中。Articles 是博主最有深度的内容，不能遗漏 - 如果某人有明显的长篇深度文章（>2000字），单独分一类「深度长文」 - 每个分类至少 3 条推文，否则合并到相近分类 - 一条推文只归入一个最匹配的分类
- 对每条推文的分类排序：按 likes 降序
Phase 4: 生成输出文件
输出结构为一个目录，包含摘要卡片 + 分类全集：
collections/x-profiles/@{handle}/
├── README.md ← 摘要卡片 + 目录导航表
├── {category-1}.md ← 第一个主题分类（推文全文）
├── {category-2}.md ← 第二个主题分类
├── ...
└── network.md ← 社交网络分析README.md 格式
参考 readme-template.md。包含：
- 📂 内容全集导航表（分类名 + 数量 + 一句话说明）
- 一句话概括
- 基本信息表
- 内容风格
- 高互动推文 Top 10（一行摘要 + 链接）
- 核心话题 Top 5
- 互动圈
- 关注列表分析（兴趣图谱）
- 与我们的关联度（⭐评分）
- 趋势判断
分类文件格式
每个分类文件：
# {分类名}
> {分类描述}
共 N 条推文
---
## [X,XXX❤️ X,XXX🔁 X,XXX,XXX👁] YYYY-MM-DD
[原文链接](url)
{推文全文，原样保留，不做任何压缩或摘要}
**附带链接**: {如果有}
---关键原则：推文全文原样保留，不做压缩。
network.md 格式
参考 network-template.md。包含：
- 关注列表分类表格（Handle / 名称 / 粉丝 / 简介）
- 网络特征分析
Phase 5: 验证 + 汇报
自检：
- 所有分类文件中的推文总数 = Phase 1 整理总数（不遗漏）
- X Articles 全量收录（Phase 1.5 计数 = 分类文件中 Articles 数）
- 每个分类 ≥3 条推文
完成后向用户汇报：
- 输出目录位置和文件结构
- 几个关键发现/亮点
- 数据完整性校验：
- X Articles 总数（Phase 1.5 实际计数） vs 分类文件中收录的 Articles 数量 → 必须一致 - 如果有博客等外部平台，报告独占内容数量和推荐收藏清单 - 采样覆盖范围说明（如"最近 N 条推文，约 X 天；Articles 全量 M 篇"）
注意事项
- 调用频率：tweety-ns 保守使用，单次分析 < 5 个 API 调用
- Cookie 过期：如果登录失败（exit code 2），提示用户刷新 cookies
- t.co 链接：国内网络无法解析 t.co 短链接，推文全文已在数据中，不需要追踪外链
- Python 版本：系统 Python 3.14 可能有 SSL 兼容问题，确保 tweety-ns 对应的 httpx 版本兼容
- followers API：部分用户的 followers 数据会返回 "elevated authorization" 错误，这是非关键数据，跳过即可
下一步建议（条件触发）
画像完成后，根据结果判断是否推荐下一步。
| 触发条件 | 推荐 |
|---|---|
| 博主有高质量内容值得长期追踪 | 「这个博主值得加入 X 信息源列表。要加到 x-info-sources 吗？」 |
| 博主的某些推文/文章值得收藏 | 「有几条内容值得单独收藏，用 content-collector 存一下？」 |
| 画像发现博主的方法论可用于公众号选题 | 「这个博主的观点可以做一期公众号文章，用 wemp-ops 写？」 |