agentleFS
laodao-ailaodao-ai/laodao-skills/x-research/SKILL.md

x-research

Skill0 starsChanged 33 days agoApache-2.0View on GitHub

X/Twitter搜索词调研与选题分析工具。当用户提到"X调研"、"Twitter调研"、"X上有什么讨论"、"帮我看看推特"、"X关键词"、"twitter keyword"、"海外社区讨论"、"KOL观点调研",或者用户正在做内容策划且想了解英文技术社区的讨论热度时,触发此skill。也适用于:用户想找某个技术话题的KOL和关键观点,或想知道X上什么话题正在被讨论。

10 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

X/Twitter 搜索词调研

对种子关键词进行 X/Twitter 搜索调研,发现关键人物(KOL)和热门讨论,分析话题热度和观点分布,输出结构化选题池。

X 平台特点

X 和 B站/YouTube/知乎 完全不同。它的核心价值不是"内容沉淀",而是:

维度X 的独特价值
KOL 发现找到某个话题的关键人物和意见领袖
观点捕捉捕捉最新的行业观点和争论
信号前哨某个话题在X上热议 → 几周后出现在知乎/B站
内容灵感KOL 的一条推文可以扩展成一篇知乎文章或一条B站视频
社交互动回复/引用 KOL 可以获得曝光

X 在你的内容矩阵中的角色: 不是主要发布平台,而是情报站 + 灵感源 + 互动工具。

技术限制

X 页面 JS 渲染,WebFetch 超时。依赖 WebSearch:

  • WebSearch site:x.com — 发现帖子,获取内容摘要、作者和 URL
  • 能获取:帖子内容、作者名和 handle、帖子 URL
  • 无法自动获取:点赞数、转发数、回复数
  • KOL 粉丝数需手动验证

输入

通过参数接收种子关键词(英文为主,X 以英文内容为主),格式灵活:

  • 逗号分隔:spec driven development, claude code, vibe coding
  • 或直接在对话中提供

调研流程

Phase 1: 多维度搜索

对每个种子词,做 4 次 WebSearch:

搜索 1 — 发现热门讨论和 KOL:

WebSearch: "site:x.com \"{种子词}\""

引号搜索确保精确匹配,找到直接讨论该话题的帖子。

搜索 2 — 发现近期讨论(趋势信号):

WebSearch: "site:x.com {种子词} {当前年份}"

搜索 3 — 发现争议和批评(内容灵感):

WebSearch: "site:x.com {种子词} problem OR limitation OR wrong OR overrated"

争议性内容在 X 上传播最快,也是最好的内容灵感来源。

搜索 4 — 发现实践者分享(实战信号):

WebSearch: "site:x.com {种子词} built OR shipped OR tried OR experience"

找到真正在用这个技术/方法的人,他们的分享比概念讨论更有价值。

Phase 2: KOL 识别

从 Phase 1 的搜索结果中,识别关键人物:

KOL 分类:

  • 创造者(Creators) — 工具/框架的作者(如 Boris Cherny 之于 Claude Code)
  • 布道者(Evangelists) — 持续发帖推广某个方法论的人
  • 批评者(Critics) — 公开质疑或批评的人(他们的观点是你内容的差异化素材)
  • 实践者(Practitioners) — 分享真实使用经验的人
### KOL Map: {种子词}

| # | Name | Handle | Role | Key Tweet | URL |
|---|------|--------|------|-----------|-----|
| 1 | Boris Cherny | @bcherny | Creator | Claude Code tips from the team | https://x.com/... |
| 2 | ... | @... | Evangelist | ... | ... |

关注指标(需手动验证):

  • 帖子互动量(点赞+转发 > 100 = 高影响力帖子)
  • 作者粉丝数(> 10K = KOL,> 100K = 大V)
  • 帖子是否被引用/讨论(thread 或 quote tweet)

Phase 3: 观点图谱

将搜索到的帖子按观点分类,形成话题的"观点光谱":

观点光谱: {种子词}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
支持/看好                        反对/质疑
├─ "game changer"               ├─ "overhyped"
├─ "production ready"           ├─ "looks like waterfall"
├─ "{具体观点}"                  ├─ "{具体观点}"
└─ by @handle                   └─ by @handle
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
中立/实践者视角:
├─ "works for X but not Y"
└─ by @handle

争议点就是内容金矿。 每一个争议都可以变成一条视频的标题:"SDD 是不是就是瀑布模型?让我用实验告诉你"。

Phase 4: 内容灵感提取

从观点图谱中提取可以转化为视频/文章的灵感:

#X 上的观点/讨论转化为什么内容目标平台
1"@xxx: SDD looks like waterfall"视频:SDD 和瀑布模型到底什么区别?B站+YouTube
2"@xxx: vibe coding会产生vibe debt"文章:AI写代码的"氛围债务"是什么?知乎

Phase 5: 分析判断

话题热度(基于讨论密度和KOL参与度):

  • 高:搜索结果 >15条相关帖子,有知名 KOL 参与讨论
  • 中:搜索结果 5-15条,有一些讨论
  • 低:搜索结果 <5条,话题在 X 上还很新

争议度(内容潜力信号):

  • 高:明显的支持/反对对立,多人参与辩论 → 最佳内容素材
  • 中:有一些不同观点但没有激烈争论
  • 低:大家观点一致 → 内容差异化困难

时效性:

  • 正在热议(最近1周内多条讨论)→ 立即出内容
  • 持续讨论(过去1-3个月稳定有帖子)→ 常青选题
  • 已冷却(只有旧帖子)→ 需要新角度激活

输出

输出文件

文件名格式:选题池-X-{日期}.md 默认路径:与其他调研文件同级目录(如 02-output/)。

输出格式

# X/Twitter 选题池(数据驱动)

> Research Date: {YYYY-MM-DD}
> Method: X keyword research (WebSearch site:x.com)
> Seeds: {list all seed keywords}
> Data Note: Like/repost counts need manual verification on X

---

## Overview

| Keyword | Discussion Heat | Controversy | Timeliness | Content Potential |
|---------|----------------|-------------|------------|-------------------|
| ... | High/Mid/Low | High/Mid/Low | Hot/Steady/Cold | High/Mid/Low |

---

## KOL Map

### {种子词1}

| # | Name | Handle | Role | Followers (est.) | Key Post | URL |
|---|------|--------|------|-----------------|----------|-----|
| 1 | ... | @... | Creator | — | "..." | https://x.com/... |

**Worth following:** {推荐关注的 2-3 个 handle}
**Worth engaging:** {推荐互动(回复/引用)的帖子}

---

## 观点光谱

### {种子词1}

支持/看好 反对/质疑 ├─ "{观点}" by @handle ├─ "{观点}" by @handle └─ URL └─ URL 中立/实践者: ├─ "{观点}" by @handle


---

## ★ 内容灵感(从X讨论转化)

| # | X 上的讨论/观点 | 转化形式 | 目标平台 | 标题草稿 |
|---|---------------|---------|---------|---------|
| 1 | ... | 视频 | B站+YouTube | ... |
| 2 | ... | 文章 | 知乎+公众号 | ... |
| 3 | ... | 推文thread | X | ... |

---

## 你的 X 发帖策略

基于调研结果,建议的 X 内容:

**Thread 选题(每周1-2条,每条5-10条推文):**
1. {thread 主题} — {理由}

**互动策略(每天5-10分钟):**
1. 关注 {KOL handles}
2. 对热门帖子有价值地回复(不是空洞的"great post!")
3. 引用转发时加自己的观点

**B站视频 → X 联动:**
每次发B站视频时,在X上发一条英文摘要帖(配终端截图),引导到YouTube版本。

---

## 跨平台信号

(与B站/YouTube/知乎调研数据对比)

| 话题 | X 状态 | B站 | YouTube | 知乎 | 信号 |
|------|--------|-----|---------|------|------|
| ... | 热议中 | 空白 | 空白 | 少量 | X→B站/YouTube 搬运机会 |
| ... | 冷却 | 红海 | 红海 | 饱和 | 话题已过热,不追 |

---

## Next Steps

**立即可做(5分钟/条):**
1. 关注 {3-5 个 KOL handles}
2. 回复 {1-2 条高价值帖子}

**本周可做:**
1. 写一条 X thread: {主题}

**内容联动:**
1. {B站视频} → X 英文摘要 → YouTube 链接

> X 调研建议每两周做一次。X 上的讨论节奏比其他平台快得多。

执行注意事项

  • 每个种子词 4 次 WebSearch,并行执行。
  • X 的互动数据(点赞、转发)无法自动获取,需手动验证。但帖子内容和 URL 可以获取。
  • X 搜索结果的 URL 格式:https://x.com/{handle}/status/{id}。从 URL 可以推断作者 handle。
  • KOL 识别是 X 调研的核心价值。 其他平台关注的是"什么内容有流量",X 关注的是"谁在说什么"。
  • 如果用户同时做了其他平台调研,在输出中增加跨平台信号对比。
  • X 上的内容碎片化且时效性强。调研频率应高于其他平台(每2周一次 vs 每月一次)。
  • 争议性帖子是金矿。 搜索 3(problem/limitation/wrong)的结果往往比搜索 1 更有内容转化价值。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.