用途：在 Twitter 上发现营销专业人士与增长专家，用于招聘候选人或线索挖掘。资料称 Twitter 上主动讨论本职工作的专业人士可视为被动候选人信号。
前置条件：设置 APIFY_TOKEN 环境变量；可选安装 Apify MCP 服务器。
主要输入：startUrls（Twitter 主页或推文 URL）、twitterHandles（不含 @ 的用户名）、twitterUserIds、getFollowers、getFollowing、getRetweeters、includeUnavailableUsers、maxItems（返回上限，默认无限）、customMapFunction（转换每个输出对象的 JavaScript 函数）。
工作流：第一步用 apidojo~tweet-scraper 按关键词（如 growth marketer、VP Marketing、marketing open to work、content marketing jobs）搜索推文并收集唯一用户名；第二步用 apidojo~twitter-user-scraper 补全资料；第三步过滤打分，技能确认依据 bio 关键词（growth、marketing、CMO、demand gen、content、SEO、paid media、lifecycle、GTM），候选人评分公式为技能确认 0.35、open-to-work 信号 0.30、粉丝数在 200 至 20000 间 0.20（否则 0.6）、近 30 天发推 0.15，活跃度分为 active（30 天内）、passive（30–90 天）、dormant（超 90 天）；第四步处理边界情况，如过滤疑似品牌号（粉丝超 5 万且 bio 无个人代词）、候选少于 20 时放宽条件、按粉丝与关注比小于 0.05 且推文少于 20 标记疑似机器人、地点用模糊匹配。
用法：可通过 run_actor.js 运行，示例： node scripts/run_actor.js --actor "apidojo~twitter-user-scraper" --input '{"param": "value"}' 加 --output YYYY-MM-DD_results.csv --format csv 保存为 CSV，或 --format json 保存为 JSON。也可用 Apify MCP 的 apify:run-actor，或 REST API，示例： curl -X POST "https://api.apify.com/v2/acts/apidojo~tweet-scraper/runs?token=$APIFY_TOKEN" -H "Content-Type: application/json" -d '{"searchTerms": ["growth marketer", "VP Marketing", "marketing open to work", "content marketing jobs"], "maxItems": 300}'
输出：包含优先级求职候选人表、被动候选人表及 bio 摘要等。
限制与排查：多数候选人不会公开求职信号，被动候选人可按温暖线索处理；角色词过泛需加地点或资历；如果结果全是机构或公司，需加个人代词过滤或改搜“I am a [role]”等表达。费用、价格、平台范围及效果等资料未提供。