x-research-skill

GitHub
1.1k 107 简单 1 次阅读 今天Agent插件
AI 解读 由 AI 自动生成,仅供参考

x-research-skill 是一款专为 Claude Code 和 OpenClaw 设计的 X(原 Twitter)研究助手,它将复杂的 X API 封装为简洁的命令行工具,让用户能直接在终端搜索推文、追踪讨论串、监控特定账号并获取带来源的研究简报。

它主要解决了开发者在构建 AI 智能体时,难以高效、低成本地获取实时社交媒体数据的痛点。传统方式往往需要编写繁琐的 curl 命令或处理复杂的 API 鉴权,而 x-research-skill 支持通过自然语言直接交互,也能通过灵活的 CLI 参数进行精细化筛选(如按互动量排序、时间过滤、去噪等),大幅降低了数据获取门槛。

这款工具特别适合 AI 开发者、研究人员以及需要实时舆情监控的市场分析师使用。其独特的技术亮点在于“快速模式”与“成本透明化”:快速模式通过自动过滤噪音和限制抓取页数,显著降低 API 调用成本;而每次搜索后显示的费用摘要,则让用户对开支一目了然。此外,内置的缓存机制能有效避免重复查询产生的额外费用,让大规模数据采集更加经济可控。无论是想快速了解某个话题的热度,还是深入挖掘特定用户的观点,x-research-skill 都能提供高效、精准的解决方案。

使用场景

一位加密货币研究员需要在几分钟内整理出关于新项目"BNKR"的市场情绪报告,并监控关键意见领袖的最新动态。

没有 x-research-skill 时

  • 手动操作繁琐:必须登录 X 网页版,手动输入复杂的搜索语法(如 -is:retweet)来过滤噪音,效率极低。
  • 信息获取滞后:难以实时追踪特定大 V(如 @frankdegods)的发帖,往往错过市场变盘的第一手信号。
  • 成本不可控:直接调用 API 开发脚本时,容易因未设置分页限制或缓存机制,导致产生高额的 API 费用。
  • 整理耗时费力:搜到的推文散落在不同页面,需要人工复制粘贴并重新排版才能形成可汇报的研究简报。

使用 x-research-skill 后

  • 自然语言直达:直接在终端对 AI 说“搜索 BNKR 并过滤低质量内容”,工具自动执行去重、排序和噪音清理,秒级返回结果。
  • 精准监控预警:通过 watchlist 功能一键添加关注列表,随时检查特定账号的动态,不再遗漏关键推文。
  • 透明降本增效:利用 --quick 模式进行快速脉搏检查,自动限制抓取页数并启用缓存,每次搜索前清晰展示成本,避免意外支出。
  • 自动化研报生成:使用 --save --markdown 参数,直接将带来源引用的高质量推文整理成格式完美的研究文档,立即可用。

x-research-skill 将原本耗时数小时的手工搜集与清洗工作,转化为终端内几次简单的自然语言交互,让实时情报获取变得既低成本又高效率。

运行环境要求

操作系统
  • 未说明
GPU

不需要 GPU

内存

未说明

依赖
notes该工具是一个基于 Bun 运行时的 CLI 脚本,而非传统的 Python AI 模型。主要依赖包括:1. 安装 Bun 运行时环境;2. 配置 X (Twitter) API 的 Bearer Token 环境变量 (X_BEARER_TOKEN);3. X API 采用按量付费模式,搜索操作会产生费用(约每页 0.50 美元),需注意成本控制;4. 仅支持最近 7 天的推文搜索。
python不需要 Python (使用 Bun 运行时)
Bun (https://bun.sh)
X API Bearer Token
x-research-skill hero image

快速开始

x-research

适用于 Claude CodeOpenClaw 的 X/Twitter 研究代理。搜索、筛选、监控——一切尽在终端中完成。

功能简介

将 X API 封装成一个高效的命令行工具,让您的 AI 代理(或您自己)无需编写 curl 命令即可搜索推文、提取话题串、监控账号,并获取有来源依据的研究内容。

  • 搜索:支持按互动量排序、时间过滤及噪音去除
  • 快速模式:用于低成本、定向查询
  • 关注列表:用于监控特定账号
  • 缓存机制:避免重复调用 API 产生费用
  • 费用透明:每次搜索都会显示具体花费

安装

Claude Code

# 在您的项目目录下
mkdir -p .claude/skills
cd .claude/skills
git clone https://github.com/rohunvora/x-research-skill.git x-research

OpenClaw

# 在您的工作区目录下
mkdir -p skills
cd skills
git clone https://github.com/rohunvora/x-research-skill.git x-research

设置

  1. X API Bearer Token — 从 X 开发者门户 获取
  2. 设置环境变量:
    export X_BEARER_TOKEN="your-token-here"
    
    或将其保存到 ~/.config/env/global.env
    X_BEARER_TOKEN=your-token-here
    
  3. 安装 Bun(用于 CLI 工具):https://bun.sh

使用方法

自然语言(直接与 Claude 对话)

  • “人们都在讨论 Opus 4.6 吗?”
  • “在 X 上搜索 OpenClaw 技能”
  • “CT 今天在谈 BNKR 吗?”
  • “看看 @frankdegods 最近发了什么”

CLI 命令

cd skills/x-research

# 搜索(按点赞数排序,自动过滤转发)
bun run x-search.ts search "your query" --sort likes --limit 10

# 查看个人主页——某用户的近期推文
bun run x-search.ts profile username

# 提取话题串——完整对话
bun run x-search.ts thread TWEET_ID

# 单条推文
bun run x-search.ts tweet TWEET_ID

# 关注列表
bun run x-search.ts watchlist add username "optional note"
bun run x-search.ts watchlist check

# 将研究结果保存为文件
bun run x-search.ts search "query" --save --markdown

搜索选项

--sort likes|impressions|retweets|recent   (默认:按点赞数)
--since 1h|3h|12h|1d|7d     时间过滤器(默认:过去 7 天)
--min-likes N              最低点赞数过滤
--min-impressions N        最低曝光数过滤
--pages N                  请求页数,1–5 页(默认:1 页,每页 100 条)
--limit N                  显示结果数量(默认:15 条)
--quick                    快速模式(见下文)
--from <username>          查询语句中简写 from:username
--quality                  预先过滤低互动推文(min_faves:10)
--no-replies               排除回复
--save                     保存至 ~/clawd/drafts/
--json                     输出原始 JSON 格式
--markdown                 生成 Markdown 格式的调研文档

快速模式

--quick 旨在提供快速且经济的查询方式,适合仅需大致了解某个话题的情况。

功能说明:

  • 强制单页返回(最多 10 条结果),减少 API 调用量
  • 自动添加 -is:retweet -is:reply 噪音过滤条件(除非您已明确使用这些操作符)
  • 缓存有效期设为 1 小时,而非默认的 15 分钟
  • 搜索结束后会显示费用概览

示例:

# 快速查看某个话题
bun run x-search.ts search "BNKR" --quick

# 快速查看某人动态
bun run x-search.ts search "BNKR" --from voidcider --quick

# 仅获取高质量结果
bun run x-search.ts search "AI agents" --quality --quick

为何更省钱:

  • 防止多页加载(最大节省点)
  • 1 小时缓存意味着重复查询免费
  • 噪音过滤减少了每页 100 条中的无效结果
  • 每次搜索后都会显示费用,避免意外支出

--from 简写

无需输入完整的 from: 操作符语法,即可将 from:username 添加到查询中。

# 下列命令等价:
bun run x-search.ts search "BNKR from:voidcider"
bun run x-search.ts search "BNKR" --from voidcider

# 可与其他标志一起使用
bun run x-search.ts search "AI" --from frankdegods --quick --quality

如果您的查询中已包含 from:,该标志不会重复添加。

--quality 标志

用于过滤低互动推文(要求至少 10 次点赞)。由于 X API 搜索操作符不支持 min_faves,此功能在检索后应用。

bun run x-search.ts search "crypto AI" --quality

费用说明

截至 2026 年 2 月,X API 采用预付费积分制的按需计费模式,无订阅服务,也无月度上限。您可在 开发者控制台 购买积分,并根据每次请求扣除相应金额。

各项资源的费用:

资源 费用
读取帖子 $0.005
查找用户 $0.010
发布帖子 $0.010

搜索成本: 每页搜索最多返回 100 条帖子,约 $0.50/页。

操作 预估费用
快速搜索(1 页,≤100 条) ~$0.50
标准搜索(1 页) ~$0.50
深度研究(3 页) ~$1.50
查看个人主页(用户 + 帖子) ~$0.51
检查关注列表(5 个账号) ~$2.55
缓存重复查询(任何类型) 免费

24 小时去重机制: 如果在同一 UTC 日内两次请求相同帖子,只会收取一次费用。这意味着同一天内对同一话题的重复搜索成本低于上述估算。

支出控制: 您可以在开发者控制台设置自动充值阈值和每个账单周期的支出上限。失败的请求绝不会被计费。

xAI 积分奖励: 每个账单周期在 X API 上消费超过 $200,即可获得 10–20% 的 xAI/Grok API 积分返还。详情请参阅 定价文档

x-search 如何节省费用:

  • 缓存机制(默认 15 分钟,快速模式下 1 小时)——重复查询免费
  • 24 小时去重机制使同日重复搜索在 API 层面也无需额外付费
  • 快速模式可防止意外的多页加载
  • 每次搜索后均显示费用,让您清楚开支情况
  • --from 可精准定位特定用户,而非进行广泛搜索
  • 可通过编程方式监控使用情况:GET /2/usage/tweets

文件结构

x-research/
├── SKILL.md              # 代理指令(Claude 会读取此文件)
├── x-search.ts           # CLI 入口文件
├── lib/
│   ├── api.ts            # X API 封装模块
│   ├── cache.ts          # 文件级缓存管理
│   └── format.ts         # Telegram 和 Markdown 格式化工具
└── data/
    ├── watchlist.json    # 待监控的账号列表
    └── cache/            # 自动管理的缓存目录

安全

承载令牌处理: x-search 会从 X_BEARER_TOKEN 环境变量或 ~/.config/env/global.env 文件中读取您的令牌。该令牌绝不会输出到标准输出,但请注意:

  • AI 编码代理(Claude Code、Codex 等)可能会在会话记录中记录工具调用——包括 HTTP 头部信息。如果您在代理会话中运行 x-search,您的承载令牌可能会出现在这些日志中。
  • 建议:
    • X_BEARER_TOKEN 设置为系统环境变量(而不是直接写在命令行中)
    • 检查并调整您的代理会话日志设置
    • 使用权限最小化的令牌(只读权限)
    • 如果怀疑令牌已泄露,请及时轮换令牌

限制

  • 搜索范围仅限于最近 7 天内(使用 /2/tweets/search/recent 接口)。尽管在同一按使用付费计划下也提供全存档的 /2/tweets/search/all 接口,但此技能目前尚未实现该功能。
  • 仅支持只读操作——不会发布推文或与他人互动。
  • 需要具备 X API 访问权限,并已预付费用(注册)。
  • min_likesmin_retweets 搜索运算符暂不可用,相关结果将在搜索后进行过滤。
  • 全存档搜索(超过 7 天)同样基于按使用付费模式(使用相同积分)。详情请参阅 X API 搜索文档。目前此技能仅支持最近 7 天内的搜索;全存档搜索功能即将推出。

星标历史

星标历史图表

许可证

MIT

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|6天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

151.3k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|2天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|2天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|5天前
插件开发框架