x-research

用途

X Research 是一个面向 X/Twitter 的通用型智能体研究工具。它用于把任意研究问题拆解为多个定向搜索，迭代优化查询，追踪推文线程，深入挖掘推文中链接的内容，并综合成一份带来源的简报。

主要能力

搜索：按关键词查询 X，支持排序（likes、impressions、retweets、recent）、时间过滤（1h、3h、12h、1d、7d，也接受分钟或 ISO 时间戳）、最低点赞数、最低曝光数、分页（1-5 页，每页 100 条）、结果数量限制、快速模式、指定用户、质量过滤、排除回复、保存结果、JSON 或 Markdown 输出。
用户资料：抓取指定用户的近期推文（默认排除回复）。
线程：按根推文 ID 抓取完整对话线程。
单条推文：按推文 ID 获取单条推文。
监控列表：查看、添加、移除、检查监控账号，数据存储在 data/watchlist.json，可用于心跳集成。
缓存：15 分钟 TTL，避免重复抓取相同查询。

使用方式

所有命令在该技能目录下运行：

cd ~/clawd/skills/x-research
source ~/.config/env/global.env

搜索：

bun run x-search.ts search "<query>" [options]

选项包括：

--sort likes|impressions|retweets|recent — 排序顺序（默认：likes）
--since 1h|3h|12h|1d|7d — 时间过滤（默认：最近 7 天）。也接受分钟（30m）或 ISO 时间戳。
--min-likes N — 按最低点赞数过滤
--min-impressions N — 按最低曝光数过滤
--pages N — 抓取页数，1-5（默认：1，每页 100 条推文）
--limit N — 最多显示结果数（默认：15）
--quick — 快速模式：1 页，最多 10 条结果，自动噪声过滤（-is:retweet -is:reply），1 小时缓存，显示成本摘要
--from <username> — 查询中 from:username 的简写
--quality — 过滤低互动推文（≥10 点赞，事后过滤）
--no-replies — 排除回复
--save — 保存结果到 ~/clawd/drafts/x-research-{slug}-{date}.md
--json — 原始 JSON 输出
--markdown — 用于研究文档的 markdown 输出

除非查询已包含 -is:retweet，否则会自动添加。所有搜索都会显示预估 API 成本。

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

用户资料：

bun run x-search.ts profile <username> [--count N] [--replies] [--json]

线程：

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

单条推文：

bun run x-search.ts tweet <tweet_id> [--json]

监控列表：

bun run x-search.ts watchlist                       # 显示全部
bun run x-search.ts watchlist add <user> [note]     # 添加账号
bun run x-search.ts watchlist remove <user>          # 移除账号
bun run x-search.ts watchlist check                  # 检查所有账号的近期推文

缓存：

bun run x-search.ts cache clear    # 清除所有缓存结果

研究循环（智能体）

进行深度研究（而非快速搜索）时，遵循以下循环：

将问题拆解为查询：把研究问题转化为 3-5 个使用 X 搜索操作符的关键词查询，包括核心查询、专家声音（from: 指定已知专家）、痛点（如 broken OR bug OR issue OR migration）、正面信号（如 shipped OR love OR fast OR benchmark）、链接（url:github.com 或 url: 特定域名）、降噪（-is:retweet 自动添加，必要时加 -is:reply）、加密垃圾信息过滤（如加密话题泛滥时加 -airdrop -giveaway -whitelist）。
搜索并提取：通过 CLI 运行每个查询，评估信号或噪声，调整操作符，判断值得专门搜索的关键声音、值得用 thread 命令追踪的线程、值得用 web_fetch 深入挖掘的链接资源。
追踪线程：当推文互动量高或是线程发起者时，运行 bun run x-search.ts thread <tweet_id>。
深入挖掘链接内容：当推文链接到 GitHub 仓库、博客文章或文档时，用 web_fetch 抓取。优先处理被多条推文引用、来自高互动推文、直接相关于问题的技术资源。
综合：按主题而非查询分组，格式为：

### [主题/发现标题]

[1-2 句摘要]

- @username: "[关键引用]" (NL, NI) [Tweet](url)
- @username2: "[另一视角]" (NL, NI) [Tweet](url)

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

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

优化启发式

噪声太多？添加 -is:reply，使用 --sort likes，缩小关键词。
结果太少？用 OR 拓宽，移除限制性操作符。
加密垃圾信息？添加 -$ -airdrop -giveaway -whitelist。
只要专家观点？使用 from: 或 --min-likes 50。
要实质内容而非热门观点？用 has:links 搜索。

心跳集成

在心跳时，可运行监控列表检查，查看关键账号是否发布了值得注意的内容。仅在真正有趣或可操作时才标记，不要报告常规推文。

文件结构

skills/x-research/
├── SKILL.md           (本文件)
├── x-search.ts        (CLI 入口点)
├── lib/
│   ├── api.ts         (X API 封装：search、thread、profile、tweet)
│   ├── cache.ts       (基于文件的缓存，15 分钟 TTL)
│   └── format.ts      (Telegram + markdown 格式化器)
├── data/
│   ├── watchlist.json  (要监控的账号)
│   └── cache/          (自动管理)
└── references/
    └── x-api.md        (X API 端点参考)

适用场景

实时观点、开发者讨论、产品反馈、文化话题、突发新闻和专家意见的检索。
对特定话题进行深度研究并生成带来源的简报。
监控关键账号的发布动态。

限制

需要 X API 访问，所有搜索会显示预估 API 成本。
缓存 TTL 为 15 分钟。
分页最多 5 页，每页 100 条推文。
关于收费、价格、平台支持等更多细节，资料暂未提供。