mcpField
X
x-research

x-research

github.com/rohunvora生产力1.2k349 次安装36 周前更新
代码仓库

关于 x-research

x-research 是围绕 X/Twitter 的 Agent 式研究技能,面向需要从社交媒体搜索与整理信息的人。它支持迭代查询、追踪讨论串和深入链接内容,并可汇总为带来源的简报。

主要功能

  1. 01按关键词和条件搜索帖子
  2. 02获取用户资料与完整讨论串
  3. 03维护账号关注列表并检查更新
  4. 04缓存搜索结果并估算 API 成本
  5. 05将结果保存为 Markdown 或 JSON
  6. 06整合发现并生成来源简报

适用场景

  1. 01研究 X 上的某个主题或趋势
  2. 02跟进专家账号和相关讨论串
  3. 03检查关注账号是否发布重要内容
  4. 04整理带引用的研究简报

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/rohunvora/x-research-skill --skill x-research

安装后在 Claude Code 中输入/x-research确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

.gitignore
README.md
CHANGELOG.md
x-search.ts
data/
.gitkeep
watchlist.example.json
data/cache/
.gitkeep
lib/
format.ts
api.ts
cache.ts
references/
x-api.md

详细介绍

X 研究

面向 X/Twitter 的通用 Agentic 研究。将任何研究问题拆解为有针对性的搜索,迭代优化搜索条件,跟进讨论串,深入查看链接内容,并综合整理成附有来源的简报。

有关 X API 的详细信息(端点、运算符、响应格式),请阅读 references/x-api.md。

CLI 工具

所有命令都从此技能目录运行:

cd ~/clawd/skills/x-research
source ~/.config/env/global.env
搜索
bun run x-search.ts search "<query>" [options]

选项:

  • --sort likes|impressions|retweets|recent — 排序方式(默认:likes)
  • --since 1h|3h|12h|1d|7d — 时间筛选(默认:最近 7 天)。也接受分钟(30m)或 ISO 时间戳。
  • --min-likes N — 按最低点赞数筛选
  • --min-impressions N — 按最低展示次数筛选
  • --pages N — 要获取的页数,1-5(默认:1,每页 100 条推文)
  • --limit N — 要显示的最多结果数(默认:15)
  • --quick — 快速模式:1 页、最多 10 条结果、自动过滤噪声(-is:retweet -is:reply)、1 小时缓存、费用摘要
  • --from <username> — from:username 的简写
  • --quality — 过滤低互动推文(≥10 个赞,事后筛选)
  • --no-replies — 排除回复
  • --save — 将结果保存到 ~/clawd/drafts/x-research-{slug}-{date}.md
  • --json — 原始 JSON 输出
  • --markdown — 适用于研究文档的 Markdown 输出

除非查询中已包含 -is:retweet,否则会自动添加该条件。所有搜索都会显示预估 API 费用。

示例:

bun run x-search.ts search "BNKR" --sort likes --limit 10
bun run x-search.ts search "from:frankdegods" --sort recent
bun run x-search.ts search "(opus 4.6 OR claude) trading" --pages 2 --save
bun run x-search.ts search "$BNKR (revenue OR fees)" --min-likes 5
bun run x-search.ts search "BNKR" --quick
bun run x-search.ts search "BNKR" --from voidcider --quick
bun run x-search.ts search "AI agents" --quality --quick
个人资料
bun run x-search.ts profile <username> [--count N] [--replies] [--json]

获取特定用户的近期推文(默认不包含回复)。

讨论串
bun run x-search.ts thread <tweet_id> [--pages N]

根据根推文 ID 获取完整的对话讨论串。

单条推文
bun run x-search.ts tweet <tweet_id> [--json]
关注列表
bun run x-search.ts watchlist                       # Show all
bun run x-search.ts watchlist add <user> [note]     # Add account
bun run x-search.ts watchlist remove <user>          # Remove account
bun run x-search.ts watchlist check                  # Check recent from all

关注列表存储在 data/watchlist.json 中。可用于心跳集成,以检查重要账号是否发布了重要内容。

缓存
bun run x-search.ts cache clear    # Clear all cached results

生存时间为 15 分钟。避免重复获取相同查询的结果。

研究循环(Agentic)

进行深入研究(而非仅快速搜索)时,请遵循以下循环:

1. 将问题拆解为查询

使用 X 搜索运算符,将研究问题转化为 3-5 个关键词查询:

  • 核心查询:直接针对主题的关键词
  • 专家观点:使用 from: 指定已知专家
  • 痛点:使用 (broken OR bug OR issue OR migration) 等关键词
  • 积极信号:使用 (shipped OR love OR fast OR benchmark) 等关键词
  • 链接:使用 url:github.com 或 url: 指定域名
  • 减少噪声:-is:retweet(自动添加),必要时添加 -is:reply
  • 加密货币垃圾内容:如果加密货币主题被垃圾内容淹没,则添加 -airdrop -giveaway -whitelist
2. 搜索并提取

通过 CLI 运行每个查询。每次搜索后评估:

  • 是有价值的信息还是噪声?调整运算符。
  • 是否有值得专门通过 from: 搜索的关键人物?
  • 是否有值得通过 thread 命令跟进的讨论串?
  • 是否有值得用 web_fetch 深入查看的链接资源?
3. 跟进讨论串

当推文互动量很高或是讨论串的起始推文时:

bun run x-search.ts thread <tweet_id>
4. 深入查看链接内容

当推文链接到 GitHub 仓库、博客文章或文档时,使用 web_fetch 获取内容。优先查看符合以下条件的链接:

  • 被多条推文引用
  • 来自高互动量推文
  • 直接指向与问题相关的技术资源
5. 综合整理

按主题归纳发现,而不是按查询归纳:

### [Theme/Finding Title]

[1-2 sentence summary]

- @username: "[key quote]" (NL, NI) [Tweet](url)
- @username2: "[another perspective]" (NL, NI) [Tweet](url)

Resources shared:
- [Resource title](url) — [what it is]
6. 保存

使用 --save 标志,或手动保存到 ~/clawd/drafts/x-research-{topic-slug}-{YYYY-MM-DD}.md。

优化启发

  • 噪声太多? 添加 -is:reply,使用 --sort likes,缩小关键词范围
  • 结果太少? 使用 OR 扩大范围,移除限制性运算符
  • 加密货币垃圾内容? 添加 -$ -airdrop -giveaway -whitelist
  • 只看专家观点? 使用 from: 或 --min-likes 50
  • 关注实质内容而非热门观点? 使用 has:links 搜索

心跳集成

心跳时,可以运行 watchlist check,查看重要账号是否发布了值得关注的内容。只有确实有趣或可采取行动的内容才通知 Frank;不要报告常规推文。

文件结构

skills/x-research/
├── SKILL.md           (this file)
├── x-search.ts        (CLI entry point)
├── lib/
│   ├── api.ts         (X API wrapper: search, thread, profile, tweet)
│   ├── cache.ts       (file-based cache, 15min TTL)
│   └── format.ts      (Telegram + markdown formatters)
├── data/
│   ├── watchlist.json  (accounts to monitor)
│   └── cache/          (auto-managed)
└── references/
    └── x-api.md        (X API endpoint reference)

评论

支持 Markdown