finding-software-engineers-on-twitter

在 Twitter 上寻找软件工程师

通过技术栈关键词、开放求职信号和工程社区活动，在 Twitter/X 上发掘软件工程师。Twitter 上活跃于技术社区的工程师，是很有价值的被动候选人信号。

前提条件

• 已设置 APIFY_TOKEN 环境变量
• 可选：已安装 Apify MCP 服务

输入

参数	类型	必填	默认值	说明
startUrls	数组	可选	[]	Twitter 个人资料或推文 URL
twitterHandles	数组	可选	[]	Twitter 用户名（不带 @）
twitterUserIds	数组	可选	[]	Twitter 用户 ID
getFollowers	布尔值	可选	false	提取关注者列表
getFollowing	布尔值	可选	false	提取正在关注的账号列表
getRetweeters	布尔值	可选	false	提取转发指定推文 URL 的用户
includeUnavailableUsers	布尔值	可选	false	包含不可用或已暂停的用户
maxItems	数字	可选	不限	最多返回的用户数
customMapFunction	字符串	可选	—	用于转换每个输出对象的 JavaScript 函数

工作流

Progress:
- [ ] Step 1: Search tweets by tech stack + role signals
- [ ] Step 2: Collect unique handles
- [ ] Step 3: Enrich profiles via twitter-user-scraper
- [ ] Step 4: Score candidate fit
- [ ] Step 5: Deliver candidate list

步骤 1：搜索查询

Queries: ["[TECH_STACK] engineer", "[TECH_STACK] developer", "senior [TECH_STACK]",
          "built with [TECH_STACK]", "[TECH_STACK] open to work", "[TECH_STACK] job search"]

针对开放求职筛选：添加 "looking for [TECH_STACK] role"、"[TECH_STACK] available"

推荐 — run_actor.js（自动处理等待、输出和文件保存）：

# Quick answer (prints table to chat)
node scripts/run_actor.js \
  --actor "apidojo~twitter-user-scraper" \
  --input '{"param": "value"}'

# Save as CSV
node scripts/run_actor.js \
  --actor "apidojo~twitter-user-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.csv --format csv

# Save as JSON
node scripts/run_actor.js \
  --actor "apidojo~twitter-user-scraper" \
  --input '{"param": "value"}' \
  --output YYYY-MM-DD_results.json --format json

必须在环境变量或 .env 文件中设置 APIFY_TOKEN。

如果 Apify MCP 可用：

Tool: apify:run-actor
Actor: "apidojo~tweet-scraper"
Input:
{
  "searchTerms": ["[TECH_STACK] engineer", "senior [TECH_STACK] developer", "built with [TECH_STACK]"],
  "maxItems": 300,
  "tweetLanguage": "en"
}

REST API 回退方案：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"searchTerms": ["Python engineer", "senior Python developer", "built with Python"], "maxItems": 300}'

收集结果中不重复的 author.username。

步骤 2：丰富个人资料

如果 Apify MCP 可用：

Tool: apify:run-actor
Actor: "apidojo~twitter-user-scraper"
Input: {"usernames": ["[username1]", "[username2]", "..."]}

REST API 回退方案：

curl -X POST \
  "https://api.apify.com/v2/acts/apidojo~twitter-user-scraper/runs?token=$APIFY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"usernames": ["handle1", "handle2"]}'

步骤 3：评估候选人质量

**技术栈确认：**简介或近期推文提及目标技术栈 → stack_confirmed = true

根据简介推断职位级别：

• "senior"、"staff"、"principal"、"lead"、"CTO"、"VP Eng" → 高级及以上
• "mid"、"3+ years"、"5 years" → 中级
• "junior"、"new grad"、"bootcamp" → 初级

开放求职评分：

candidate_score = (stack_confirmed ? 1 : 0) * 0.35
                + (open_to_work_signal ? 1 : 0) * 0.30
                + (followerCount in 200..20000 ? 1 : 0.6) * 0.20
                + (tweeted_in_last_30_days ? 1 : 0) * 0.15

活跃 = 过去 30 天内发过推文；被动 = 30–90 天；不活跃 = 超过 90 天

步骤 4：边缘情况

• 结果主要是开发者工具公司：过滤掉 followerCount > 50K 且简介提及公司或品牌的账号——这些很可能是开发者工具营销账号
• 按位置筛选：Twitter 简介中的位置是自由文本——使用 contains 匹配；过滤掉位置含糊或非地理位置的个人资料
• 小众技术栈的结果少于 20 个：扩大到相关语言类别（例如，“Rust” → “systems programming”），或移除职位级别筛选条件
• 机器人账号：将 follower/following ratio < 0.05 且 tweetsCount < 10 的个人资料标记为疑似机器人

输出格式

# Software Engineer Candidates: [TECH_STACK]
Profiles found: [N] | Open-to-work: [N] | Senior: [N] | Mid: [N] | Active: [N] | Date: [DATE]

## Priority: Open-to-Work Candidates
| Name | @Handle | Role Level | Location | Stack Confirmed | Followers | Last Active | Score |
|------|---------|-----------|---------|----------------|-----------|------------|-------|
| [name] | @[handle] | Senior | [city] | ✓ | [N] | [X days ago] | [0.XX] |

## Passive Candidates (Not Actively Searching)
| Name | @Handle | Role Level | Location | Stack | Followers | Score |
|------|---------|-----------|---------|-------|-----------|-------|

## Bio Highlights
Top 5 candidates — summarized bios:
1. @[handle]: "[bio excerpt]" — [tech signals]

故障排除

结果全是公司而非个人：添加 "-company -official -team -agency" 作为排除搜索词，或按简介中的第一人称代词进行筛选。 技术栈过于常见，导致结果太多：添加第二个筛选条件——位置或资历级别——将结果缩减到可管理的范围。 开放求职信号较少：大多数被动候选人不会公开表明求职意向；重点联系 passive 级别的候选人，并在个性化消息中提及他们近期发布的推文。