categorizing-bsky-accounts

对 Bluesky 账号进行分类

获取 Bluesky 账号数据，并提取关键词供 Claude 按主题分类。脚本会将账号上下文（简介 + 帖子）压缩为简介 + 关键词，然后由 Claude 进行智能分类。

前置条件

需要： extracting-keywords skill（提供 YAKE 虚拟环境 + 领域停用词）

分析器会将关键词提取工作交给 extracting-keywords skill，该 skill 提供：

• 优化后的 YAKE 安装，依赖项精简
• 领域专用停用词：英语（574）、AI/ML（1357）、生命科学（1293）
• 支持 34 种语言

核心工作流

当用户请求分析 Bluesky 账号时：

1. 确保已设置关键词提取 - 使用 Skill 工具调用 extracting-keywords skill，确保 YAKE 虚拟环境存在（如果本次会话中已调用，则跳过）

2. 确定输入模式，根据用户的请求选择：

   • 关注列表 → 使用 --following handle
   • 粉丝 → 使用 --followers handle
   • 账号列表 → 使用 --handles "h1,h2,h3"
   • 提供了文件 → 使用 --file accounts.txt

3. 配置参数：

   • --accounts N - 要分析的账号数（默认：100，最大：100）
   • --posts N - 每个账号的帖子数（默认：20，最大：100）
   • --stopwords [en|ai|ls] - 选择领域专用停用词：
     • en：英语（通用）
     • ai：AI/ML 领域（推荐用于科技类账号）
     • ls：生命科学（适用于生物医学/研究类账号）
   • --exclude "pattern1,pattern2" - 跳过垃圾账号/机器人账号

4. 运行脚本 - 将简单文本格式的结果输出到 stdout：

   @handle1.bsky.social (Display Name)
   Bio text here
   Keywords: keyword1, keyword2, keyword3
   
   @handle2.bsky.social (Another Name)
   Bio text here
   Keywords: keyword4, keyword5, keyword6
   

5. 对账号分类 - Claude 根据简介 + 关键词按主题对账号进行分类

快速开始

使用 AI/ML 停用词分析关注列表：

python scripts/bluesky_analyzer.py --following austegard.com --stopwords ai

分析粉丝：

python scripts/bluesky_analyzer.py --followers austegard.com

分析指定账号：

python scripts/bluesky_analyzer.py --handles "user1.bsky.social,user2.bsky.social,user3.bsky.social"

从文件读取：

python scripts/bluesky_analyzer.py --file accounts.txt --stopwords ai

过滤机器人账号：

python scripts/bluesky_analyzer.py --following handle --exclude "bot,spam,promo" --stopwords ai

参数

输入模式（选择一种）

--handles "h1,h2,h3" 以逗号分隔的 Bluesky 账号列表

--following HANDLE 分析 HANDLE 关注的账号

--followers HANDLE 分析关注 HANDLE 的账号

--file PATH 从文件读取账号（每行一个）

分析选项

--accounts N 要分析的账号数（1-100，默认：100）

--posts N 每个账号要获取的帖子数（1-100，默认：20）

--stopwords [en|ai|ls] 用于提取关键词的停用词（默认：en）

• en：英语停用词（574 个词项）- 通用
• ai：AI/ML 领域停用词（1357 个词项）- 面向科技类账号
• ls：生命科学停用词（1293 个词项）- 面向生物医学/研究类账号

--exclude "word1,word2" 跳过简介/帖子中含有这些关键词的账号

输出格式

脚本会输出简单文本格式，供 Claude 处理：

@alice.bsky.social (Alice Smith)
AI researcher working on LLM alignment and safety
Keywords: alignment, safety research, interpretability, llm evaluation

@bob.bsky.social (Bob Johnson)
Full-stack developer building web applications
Keywords: react, typescript, node.js, api design, postgresql

@carol.bsky.social (Carol Williams)
Biotech researcher studying CRISPR applications
Keywords: crispr, gene editing, therapeutics, clinical trials

然后 Claude 会根据简介 + 关键词对账号进行分类，不使用硬编码规则。

常见工作流

检查你的关注列表

python scripts/bluesky_analyzer.py --following your-handle.bsky.social --stopwords ai

Claude 会按主题对账号进行分类，并找出你关注对象的规律。

查找某个主题的专家

python scripts/bluesky_analyzer.py --following alice.bsky.social --stopwords ai

向 Claude 提问：“这些账号中哪些是机器学习研究人员？”或“哪些人专注于气候科技？”

分析精选列表

cat > accounts.txt << 'EOF'
expert1.bsky.social
expert2.bsky.social
expert3.bsky.social
EOF

python scripts/bluesky_analyzer.py --file accounts.txt --stopwords ls

过滤机器人账号

python scripts/bluesky_analyzer.py --following handle --exclude "bot,spam,promo,follow back" --stopwords ai

技术详情

关键词提取

使用 YAKE 虚拟环境，将任务交给 extracting-keywords skill：

• 停用词选项（--stopwords）：
  • en：英语（574 个词项）- 通用
  • ai：AI/ML 领域（1357 个词项）- 过滤技术噪声和机器学习套话
  • ls：生命科学（1293 个词项）- 过滤研究方法和临床术语
• N-gram：1-3 个词
• 去重：阈值为 0.9
• 关键词数量：每个账号取前 10 个
• 性能：与英语停用词相比，使用领域停用词的额外开销约为 5%

API 速率限制

Bluesky API 限制：

• 每 5 分钟 3000 次请求
• 每小时 5000 次请求

分析器通过内置延迟遵守这些限制。

分类算法

脚本的作用：

1. 获取账户数据（简介 + 帖子）
2. 提取关键词以压缩上下文
3. 以简单格式输出简介 + 关键词

Claude 的作用：

1. 阅读每个账户的简介 + 关键词
2. 根据主题智能分类（不使用硬编码规则）
3. 对账户分组、识别模式并回答用户问题

这种 Agentic 模式比硬编码关键词匹配更加灵活。

故障排除

“没有可分析的账户”

• 确认账号句柄格式正确（包含域名：handle.bsky.social）
• 检查账户是否存在，以及是否有公开的关注对象/关注者

“用于提取关键词的内容不足”

• 账户的帖子很少（少于 5 条）
• 帖子非常短
• 尝试增大 --posts 参数

速率限制错误

• 减小 --accounts 参数
• 在批次之间增加延迟
• 检查 Bluesky API 状态

导入错误

• 确认 extracting-keywords 技能可用
• 检查 YAKE 虚拟环境是否存在：/home/claude/yake-venv/bin/python -c "import yake"
• 确认 Python 版本为 3.8 或更高：python3 --version

与其他技能集成

内置集成：

• extracting-keywords：自动将关键词提取任务委派给此技能优化过的 YAKE 虚拟环境，并使用特定领域的停用词

分类输出

根据账户的简介 + 关键词对账户进行分组，依据判断而非固定分类体系——类别和数量 取决于数据中的实际内容，而非模板。