browsing-bluesky

浏览 Bluesky

通过公共 API 和实时 firehose 访问 Bluesky 内容。支持可选身份验证，以获取个性化信息流。包含用于分类的账户分析。

实现

将技能目录添加到路径并导入：

import sys
sys.path.insert(0, '/path/to/skills/browsing-bluesky')  # or use .claude/skills symlink path
from browsing_bluesky import (
    # Core browsing
    search_posts, get_user_posts, get_profile, get_feed_posts, sample_firehose,
    get_thread, get_quotes, get_likes, get_reposts,
    get_followers, get_following, search_users,
    # Trending
    get_trending, get_trending_topics,
    # Account analysis
    get_all_following, get_all_followers, extract_post_text,
    extract_keywords, analyze_account, analyze_accounts,
    # Authentication utilities
    is_authenticated, get_authenticated_user, authenticated_identity,
    clear_session
)

身份验证（可选）

身份验证可启用个性化信息流（例如 Paper Skygest），这类信息流需要知道请求者是谁。

设置

1. 在 Bluesky 创建应用密码：Settings → Privacy and Security → App Passwords
2. 设置环境变量：

   export BSKY_HANDLE="yourhandle.bsky.social"
   export BSKY_APP_PASSWORD="xxxx-xxxx-xxxx-xxxx"
   

使用哪个账户读取

系统可识别两组凭据，它们的唯一区别是前缀：

凭据对	身份
MUNINN_BSKY_HANDLE / MUNINN_BSKY_APP_PASSWORD	muninn — 优先使用
BSKY_HANDLE / BSKY_APP_PASSWORD	owner — 未设置 Muninn 凭据对时使用

BSKY_IDENTITY=muninn|owner 可直接指定其中一个身份，且不会用其他凭据对替代指定的凭据：如果请求 muninn，但未设置 Muninn 凭据对，则会读取公共内容，而不会悄悄改用所有者账户。无法识别的值会引发错误。

这一点很重要，因为已启动的容器同时持有两组凭据。直到 2026-08-28，未加前缀的凭据对优先使用，因此所有经过身份验证的读取——包括下方的信息流，以及影响所有信息流的静音、屏蔽和标签器——返回的都是账户所有者的内容，输出中却没有任何提示。这个技能文档声明为只读，但实际持有的应用密码带有所有者账户的写入权限。对于仅配置了文档所述 BSKY_* 凭据对的机器，则没有任何变化。

行为

• 透明：所有函数在有无凭据时的行为都相同
• 自动：存在凭据时，会尽可能添加身份验证标头
• 优雅降级：身份验证失败时会静默回退到公共访问。拼写错误的 BSKY_IDENTITY 属于配置错误，而非身份验证失败，会引发错误
• 安全：令牌仅缓存在内存中，不会记录日志或持久化

检查身份验证状态

if is_authenticated():
    print(f"Logged in as: {get_authenticated_user()}")
else:
    print("Using public access")

# Which pair answered — a handle alone does not say whether it was chosen
# or simply the only one set.
authenticated_identity()   # {'identity': 'muninn', 'handle': ..., 'did': ...}

# Clear session if needed (e.g., switching accounts or identities)
clear_session()

研究工作流

调查主题

使用 search_posts()，并采用与 bsky.app 高级搜索匹配的查询语法：

• 基本词语：event sourcing
• 精确短语："event sourcing"
• 用户筛选：from:acairns.co.uk，或使用 author= 参数
• 日期筛选：since:2025-01-01，或使用 since= 参数
• 话题标签、提及、域名链接：#python mentions:user domain:github.com

将查询语法与函数参数结合，以执行复杂搜索。

监控用户

1. 使用 get_profile(handle) 获取个人资料以了解背景（简介、关注者数量、帖子数量）
2. 使用 get_user_posts(handle, limit=N) 获取近期帖子
3. 如需查找用户发布的特定主题内容，请使用 search_posts(query, author=handle)

发现热门趋势

推荐工作流——先调用趋势 API，再用 firehose 深入分析：

1. 快速扫描热门主题（约 500 个令牌）

topics = get_trending_topics(limit=10)
# Returns: {topics: [{topic, display_name, description, link}, ...],
#           suggested: [...]}

2. 获取包含帖子数量和参与者的详细趋势

trends = get_trending(limit=10)
for t in trends:
    print(f"{t['display_name']} — {t['post_count']} posts ({t['status']})")
# Each trend includes: topic, display_name, link, started_at,
#   post_count, status, category, actors

3. 针对选定的趋势进行探索

posts = search_posts(trend["topic"], limit=25)

4. 可选：使用 Firehose 监控传播速度或发现长尾趋势

前提条件：每个会话安装一次 Node.js 依赖项：

cd /home/claude && npm install ws https-proxy-agent 2>/dev/null

data = sample_firehose(duration=30)  # Full firehose sample
data = sample_firehose(duration=20, filter="python")  # Filtered sample

返回包含以下键的字典：

• window：{startTime, endTime, durationSeconds} — 采样时间范围
• stats：{totalReceived, totalPosts, postsPerSecond, filter, languages} — 数量指标和语言分布
• topWords：[[word, count], ...] — 前 50 个词语（count >= 3）
• topPhrases：[[bigram, count], ...] — 前 30 个二元词组（count >= 2）
• topTrigrams：[[trigram, count], ...] — 前 20 个三元词组（count >= 2）
• entities：[[entity, count], ...] — 前 25 个用户句柄/话题标签（count >= 2）
• samplePosts：[{text, altTexts, hasImages}, ...] — 前 50 条匹配的帖子

阅读 Feed 和列表

get_feed_posts() 接受：

• 列表 URL：https://bsky.app/profile/austegard.com/lists/3lankcdrlip2f
• Feed URL：https://bsky.app/profile/did:plc:xxx/feed/feedname
• AT-URI：at://did:plc:xxx/app.bsky.graph.list/xyz

此函数会自动从 URL 中提取 AT-URI。

探索话题串

获取帖子的完整话题串上下文，包括父帖和回复：

thread = get_thread("https://bsky.app/profile/user/post/xyz", depth=10)
# Returns: {post: {...}, parent: {...}, replies: [...]}

查找引用帖子

查找引用特定帖子的帖子：

quotes = get_quotes("https://bsky.app/profile/user/post/xyz")
for q in quotes:
    print(f"@{q['author_handle']}: {q['text'][:80]}")

分析互动情况

获取与帖子互动的用户：

likes = get_likes(post_url)
reposts = get_reposts(post_url)

# Accepts both URLs and AT-URIs
likes = get_likes("at://did:plc:.../app.bsky.feed.post/...")

读取嵌入图片

每篇解析后的帖子都包含一个 images 字段，这是一个列表，其中每张嵌入图片对应一个 {alt, url, transcription} 字典。旧版 image_alts: list[str] 字段仍予以保留（仅包含非空的 alt 文本）。

当 alt 文本缺失且图片内容很重要时，可通过任意帖子获取函数（get_user_posts、search_posts、get_feed_posts、get_thread、get_quotes）的 transcribe 参数选择启用模型转录：

# Routine/bulk work (zeitgeist, inbox review, news scans) —
# gemini-2.5-flash-lite is the recommended default. Cheapest production
# model anywhere ($0.10/$0.40 per 1M tokens), ~95% accuracy on dense
# screenshots in May 2026 benchmarks:
posts = get_user_posts("ayourtch.bsky.social", limit=40, transcribe="gemini-lite")

# Token-perfect transcription, still cheap:
posts = get_user_posts(..., transcribe="gemini-flash")

# Frontier model with thinking_level=minimal — for cases where the image
# content needs reasoning, not just transcription:
posts = get_user_posts(..., transcribe="gemini-3.5-flash")

# Anthropic single-vendor option (note: empirically weaker prompt-following
# than Gemini on dense transcription — Haiku tends to summarize rather
# than transcribe):
posts = get_user_posts(..., transcribe="haiku")

# Interactive sessions where image is part of the active task and you want
# conversation context to inform interpretation (only available on Anthropic):
thread = get_thread(post_url, transcribe="opus")

# Default (no transcription) — current behavior preserved:
posts = get_user_posts("ayourtch.bsky.social", limit=40)

所有调用方都遵循同一策略：不会转录 alt 文本非空的图片（作者已经描述了图片内容，应予以信任）。只有 alt 文本缺失或为空的图片才会发送给模型。网络或 API 故障会使 transcription 保持为 None；调用方会静默降级。

成本/质量实测数据（2026 年 5 月，n=3 张内容密集的终端截图，每张各运行一次——样本量较小，仅供参考）：

别名	延迟	$/张图片	和弦 Token 召回率
gemini-lite	~8s	~$0.001	95%
gemini-flash	~10s	~$0.003	100%
gemini-3.5-flash	~10s	~$0.014	100%
haiku	~7s	~$0.008	18%（生成摘要）
opus	~20s	~$0.12	91%

haiku 和 opus 两行数据是在 Haiku 4.5 和 Opus 4.7 上测得的。这些别名目前解析为 claude-haiku-5-5 和 claude-opus-5-5；尚未重新测量这两行数据。

haiku / opus 别名需要 ANTHROPIC_API_KEY（或 /mnt/project/claude.env 中的 API_KEY）；gemini-* 别名则需要 /mnt/project/proxy.env 中的 CF AI Gateway 凭据。只有设置了该参数才会触发转录，因此没有相关凭据的调用方可以改用其他别名，或关闭此功能。

探索社交关系图

浏览关注者/关注关系：

followers = get_followers("handle.bsky.social")
following = get_following("handle.bsky.social")

# Returns list of actor dicts with handle, display_name, did, description, etc.

查找用户

按姓名、账号名或简介搜索用户：

users = search_users("machine learning researcher")
for u in users:
    print(f"{u['display_name']} (@{u['handle']}): {u['description'][:100]}")

API 端点说明

• 公共 AppView：使用 https://api.bsky.app/xrpc/ 进行无需身份验证的读取
• PDS：使用 https://bsky.social/xrpc/ 发送经过身份验证的请求
• 趋势：app.bsky.unspecced.getTrends（丰富）和 app.bsky.unspecced.getTrendingTopics（轻量）
• Firehose：wss://jetstream1.us-east.bsky.network/subscribe
• 端点路由会自动完成——经过身份验证的请求发送到 PDS，公共请求发送到 AppView
• 速率限制存在，但对读取操作较宽松

返回格式

所有 API 函数都会返回结构化字典，包含：

• uri：AT 协议标识符
• text：帖子内容
• created_at：ISO 时间戳
• author_handle：用户账号名
• author_name：显示名称
• likes、reposts、replies：互动计数
• links：从帖子 facets 中提取的完整 URL（帖子文本会将 URL 截断为“...”）
• image_alts：嵌入图片的 alt 文本
• url：帖子在 bsky.app 上的直接链接

个人资料函数返回：handle、display_name、description、followers、following、posts、did

账号分析

分析账号，以便按主题进行分类。获取个人资料和帖子，提取关键词，并返回结构化数据，供 Claude 进行分类。

分析用户的社交网络

# Analyze accounts you follow
results = analyze_accounts(following="yourhandle.bsky.social", limit=50)

# Analyze your followers
results = analyze_accounts(followers="yourhandle.bsky.social", limit=50)

# Analyze specific handles
results = analyze_accounts(handles=["user1.bsky.social", "user2.bsky.social"])

单个账号分析

analysis = analyze_account("user.bsky.social")
# Returns: {handle, display_name, description, keywords, post_count, followers, following}

关键词提取选项

停用词参数可过滤特定领域的噪声：

• "en"：英语（通用，默认）
• "ai"：AI/ML 领域（过滤技术套话）
• "ls"：生命科学（过滤研究方法内容）

results = analyze_accounts(following="handle", stopwords="ai")

需要：用于提取关键词的 extracting-keywords 技能和 YAKE venv。

筛选账号

results = analyze_accounts(
    following="handle",
    exclude_patterns=["bot", "spam", "promo"]  # Skip accounts matching these
)

分页获取关注对象／关注者

对于超出 get_following／get_followers 的 100 个上限的大型账号列表：

all_following = get_all_following("handle", limit=500)  # Handles pagination
all_followers = get_all_followers("handle", limit=500)

账号分析输出

每个经过分析的账号都会返回：

{
    "handle": "user.bsky.social",
    "display_name": "User Name",
    "description": "Bio text here",
    "keywords": ["keyword1", "keyword2", "keyword3"],
    "post_count": 20,
    "followers": 1234,
    "following": 567
}

Claude 会使用简介和关键词，按主题对账号进行分类，而无需硬编码规则