gingiris-twitter-agent-ops: X ghostwriter SOP

# Twitter/X Agent Operations — AI 自动运营完整 SOP > 🌍 **Language / 语言**: [中文](#twitterx-agent-operations--ai-自动运营完整-sop) | [English](references/en/README.md) | [日本語](references/ja/README.md) | [한국어](references/ko/README.md) > **实战验证**：一个 AI agent 在 45 天内将 @WeiYipei 从 1,150 → 1,837 粉丝（+60%），日均发布 1 条，全程自动化运营。 > > 本 skill 适用于任何支持 system prompt 的 AI agent（Claude Code, Cursor, Trae, GPT）。 --- ## 一、系统架构概览 ``` ┌─────────────────────────────────────────────┐ │ Twitter Agent Operations │ ├─────────────────────────────────────────────┤ │ │ │ [1] 人设校准 ──→ [2] 素材库 ──→ [3] 排期 │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ [4] 红线规则 [5] 发布检查 [6] 追踪 │ │ │ │ ───────── 每周循环 ───────── │ │ 周报 → 复盘 → 调整权重 → 下周排期 │ │ │ └─────────────────────────────────────────────┘ ``` **六大模块**： 1. **人设校准系统** — 让 agent 写出"像这个人"的内容 2. **素材库建设** — 事实来源数据库，杜绝编造 3. **排期系统** — 每周内容日历，1 条/天节奏 4. **红线规则** — 不可违反的安全底线 5. **发布前检查** — 三次翻译 + 五件套质检 6. **数据追踪** — tweet-log + 周报 + 粉丝追踪 --- ## 二、人设校准系统（Voice Guide） ### 为什么需要 AI agent 最大的问题不是"不会写"，而是"写出来不像这个人"。人设校准解决的是**灵魂问题**，不是**格式问题**。 ### 校准步骤 #### Step 1：采集原始语料 收集账号主人的真实表达样本（至少 3 种浓度）： | 浓度 | 来源 | 作用 | |------|------|------| | 浓 | 公众号/长文 | 提炼叙事结构、价值观表达 | | 中 | 社交媒体原帖 | 提炼口语感、碎片化表达 | | 淡 | 播客/访谈/对话 | 提炼最真实的语气、口头禅 | #### Step 2：提炼铁律 从语料中提炼 3-5 条不可违反的表达铁律。例如： ``` 铁律 A：开头必须是「我」+ 具体经历/数字/瞬间 铁律 B：禁止三段论（论点→论据→号召）结构 铁律 C：不是每条都要有"总结" 铁律 D：粗体 = 信念表达，不是重点标注 ``` #### AI 腔黑名单（v4 强制执行） AI 写出来的内容有固定的"腔调"——读者能感知到，哪怕说不清楚为什么。每个语言都有自己的 AI 腔特征，需要针对目标语言单独建立黑名单。 **如何识别 AI 腔**：把草稿发给真实读者，问"这读起来像真人写的吗？"；或者把帖子和账号主人过去的原帖并排对比，找出"TA绝对不会这么说"的地方。 **建立黑名单的方法**： 1. 收集账号主人反馈过"太 AI"的样本，提取共同特征 2. 对照目标语言中 AI 生成文本的高频词汇模式 3. 每次发现新的 AI 腔词汇/句式，就加入黑名单，持续迭代 **中文黑名单示例**（适用于中文账号，供参考）： 禁用词汇（发布前必查）： - 深度、赋能、加速、颠覆、系统性 - 值得关注的是、不可忽视的是 - 一个重要的洞察是、核心在于 - 充分、全面、持续、有效、显著 - 底层逻辑、本质上、赋予意义 - 道理特别简单（后接解释） 禁用句式： 1. 「不是……而是……」**空转对比**（禁的是两边都是抽象名词、无具体事件的版本） - ❌ 空转（禁用）：「这不是投放渠道，而是风险转移机制。」→ 两边都是名词，换成空白一样读不懂发生了什么 - ✅ 真实区分（可用）：「不是会议纪要！是直接的转录。」→ 纠正一个具体的误解 - ✅ 有场景的对比（可用）：「我们还在死磕付费广告，竞品早就跑通联盟渠道了。」→ 描述真实差异 - 判断标准：把「不是」和「而是」两边换成空白，如果读完还是什么事都没讲清楚，就是空转，禁用 2. 「道理特别简单/本质上……」归纳型开场 3. 三段论列举（首先/其次/最后） 4. 假设总结句「如果你也……可以试试……」 5. 工整四字结构密集出现 **AI 腔 5 步自查**（每条发前必过，适用于任何语言）： 1. 有没有目标语言的"高频 AI 词"？→ 换成口语替代 2. 有没有「不是……而是……」**空转对比**（两边是抽象名词，无场景支撑）？→ 改成场景描述；有真实具体区分的可以保留 3. 有没有归纳型开场句（"本质上……""核心在于……"后跟解释）？→ 删掉那句，直接说结果 4. 开头到结尾是否是「论点-论据-结论」三段式？→ 改成「事件-展开-感悟浮出来」 5. 通读一遍，有没有「账号主人不会这么说」的地方？→ 找出来改掉 #### Step 3：建立死亡开头黑名单 从历史数据中找出"展示量最低的开头模式"并明确禁止： ``` ❌ 引用他人话语开头 ❌ 大命题式开头（"AI时代一个反直觉的事"） ❌ 无主语大词开头 ❌ 哲理金句直接开头 ``` #### Step 4：定义内容类型权重 根据数据表现分配各类型占比： | 类型 | 推荐占比 | 原因 | |------|---------|------| | 长文（个人经历+数据+洞察） | 70% | 爆款集中区 | | 工具/资源帖 | 20% | 书签数最高 | | 生活碎片/吐槽 | 10% | 维持人味 | **实战数据**：废弃"短文金句"类型后，周均展示量提升 266%。 --- ## 三、素材库建设（SOURCE-INDEX） ### 核心原则 **不编造数据。所有推文中的具体数字必须有真实来源。** ### 建设步骤 #### Step 1：采集一手素材 将账号主人的所有一手内容转化为可检索的文本： - 播客/访谈 → 全文转录（whisper / 手动） - 文章/文档 → markdown 格式存档 - 演讲/分享 → 要点提取 #### Step 2：建立 SOURCE-INDEX 每个关键素材点标注： ```markdown | 素材点 | 来源 | 原文位置 | 是否可用 | |--------|------|----------|---------| | 开源第一周 6000 Star | ep01 第77行 | "第一个星期我们就6000个star" | ✅ | | 643 个投资人 | ep06 第32行 | "我们应该加了643个，就是我没有记错" | ✅ | ``` #### Step 3：定期核实 每周检查排期中引用的数据点是否与原文一致。**不同播客/场合说的数字可能有出入——取最可靠的版本并标注。** **实战教训**：曾因"三天 6000 Star"与"一周 6000 Star"混淆被用户指出。核实后确认所有原文统一说"第一周"。 --- ## 四、排期系统 ### 节奏 - **1 条/天**（硬规则，不可超发） - **同天最多 2 条，间隔 ≥ 4 小时**（含主推 + CTA reply；连发被读者感知为 AI，影响信任感） - 发布时间：固定时段，**首推晚 8 点（北京时间 20:00）**——命中夜间高峰，2 小时互动窗口价值最高；次选上午 10:30 左右；或根据目标受众所在时区调整 > **X 算法冷启动窗口**：新帖发出后 2 小时是 Thompson 采样关键窗口。算法偏好「高 fav / 低曝光」比值——同等内容质量下，在活跃时段发布命中冷启动槽概率最高。发布后可主动在其他渠道提到，引第一波互动。 ### 排期模板 每周日生成下周排期： ```markdown ## 周一 ｜ [类型] ｜ [主题] **素材来源**：[SOURCE-INDEX 中的具体条目] **发布时间**：晚 8 点（目标受众时区）—— X 算法冷启动最优窗口 **五件套自检**：✅/❌ **三次翻译自检**：✅/❌ **CTA（评论区）**：[链接] ``` ### 去重机制 每条排期前检查 tweet-log： - 同一核心论点是否在过去 30 天发过？ - 同一数据点是否在过去 14 天用过？ - 如果重复 → 换角度或换主题 ### 时间窗口参考（基于 3,861 条数据分析） | 时段 | 适合内容 | |------|----------| | 10-13 点 | 工具、教程、资源入口 | | 17-23 点 | 重点内容、观点、案例拆解 | | 0-1 点 | 高收藏内容、开发者工具 | 月内排名最优：17 点 > 23 点 > 13 点 > 11 点 > 20 点 --- ## 五、红线规则 ### 绝对不可违反： | # | 规则 | 说明 | |---|------|------| | 1 | 不编造数据 | 所有数字必须有真实来源，无来源宁可不写 | | 2 | **同天最多 2 条，间隔 ≥ 4 小时** | 含主推 + CTA reply；连发被读者感知为 AI，影响信任感 | | 3 | CTA 不放正文 | 外部链接必须放第 1 条 reply（X 算法的通用规则：正文链接被惩罚 30-90% 曝光）| | 4 | 数据对齐 | 动态数字必须发前拉取最新值 | | 5 | 三次翻译 | 每条推文必须通过三次翻译检查（见下文）| | 6 | 五件套 | 每条推文必须通过五件套检查（至少 4/5）| | 7 | **AI 腔每发必查** | 发布前必过 5 步 AI 腔自查（见二节黑名单）| > **为什么不能超发**：X 算法对每条帖子独立评估（不是账号级），但多条快速发布会降低每条帖子进入探索槽的机会。质量 > 数量，fav/impression 比值低会被降权。 --- ## 六、发布前检查 ### 检查 A：三次翻译（从内部语言到外部语言） 每条推文通读一遍，确认没有"公告式表达"： | # | 翻译 | Before | After | |---|------|--------|-------| | 1 | 发布→帮助 | "我们上线新功能" | "这个功能能帮你把80页报告变成3页提炼" | | 2 | 能力→场景 | "支持长上下文" | "一次性读完行业报告并找出竞品变化" | | 3 | 结论→证据 | "效果很好" | 放真实截图、输入输出、步骤、对比 | **如果推文中有任何一句像"我们发布了 X / 我们升级了 Y"→ 必须改写。** ### 检查 B：五件套（一条强内容 = 一个小型信息产品） | # | 检查项 | 解决读者的什么问题 | |---|--------|------------------| | 1 | 第一眼能看懂的价值承诺 | "这和我有什么关系" | | 2 | 一个具体使用场景 | "我什么时候会用到" | | 3 | 降低门槛的步骤/入口 | "我现在能不能开始" | | 4 | 截图、数字、案例 = 证据 | "我凭什么相信" | | 5 | 一个值得收藏或转发的理由 | "我为什么要留着它" | **不满足 4/5 = 不发，回去改。** --- ## 七、数据追踪 ### Tweet Log（每条必记） ```markdown | 日期 | 时间 | Tweet ID | 类型+摘要 | 展示量 | 互动 | 备注 | ``` ### 周报模板 每周生成： - 粉丝变化（起止 + 日增） - 展示量 Top 3 帖子分析 - 内容类型表现对比 - 下周策略调整建议 ### 关键指标 | 指标 | 含义 | 优化方向 | |------|------|---------| | 收藏数 | 比点赞更重要（信任信号） | 工具/资源帖天然高收藏 | | 展示量 | 算法分发效果 | 开头决定 80% | | 互动率 | 内容共鸣度 | 评论 > 点赞 > 转发 | | 粉丝日增 | 增长健康度 | 稳定 > 波动 | --- ## 八、内容方法论参考 ### 四类内容原型（基于 3,861 条数据） | 类型 | 进入前10%概率 | 特征 | |------|-------------|------| | 资源入口型 | ~51% | 替读者找到入口（省搜索） | | 工具教程型 | ~39% | 替读者理解复杂事物（省理解） | | AI工具发现型 | ~24% | 展示新工具+具体任务（省试错） | | 普通表达型 | ~9% | 纯观点无行动（避免） | ### 四省模型 内容的价值不在于你说了多少信息，而在于你帮读者少走了几步路： 1. **省搜索** — 读者不用在信息海里找入口 2. **省理解** — 读者不用自己猜复杂概念 3. **省试错** — 读者不用把坑全踩一遍 4. **省表达** — 读者可以直接把这条转给别人 ### 三个可见原则 读者更愿意相信可见、可点、可量化的内容： | 原则 | 示例 | 进入前10%概率 | |------|------|-------------| | 可见 | 截图、录屏、对比图 | — | | 可点 | 链接、工具名、搜索路径 | ~40%（带"地址见评论"）| | 可算 | 数字、时间、成本、步骤 | ~35%（带资源词）| ### 黄金长度 | 单帖字数 | 进入前10%概率 | |---------|-------------| | ≤40 字 | ~7% | | 41-100 字 | ~15% | | **120-220 字** | **~26-28%（黄金区间）** | **模板**：第一句讲价值 → 第二三句讲场景 → 接着给证据或步骤 → 最后给入口或收藏理由。 --- ## 九、实战案例：@WeiYipei 运营数据 ### 增长曲线 ``` Week 1 (4/24-4/28): 1,150 → 1,155 (+5) ← 冷启动，摸索阶段 Week 2 (4/28-5/05): 1,155 → 1,180 (+25) ← 开始日更长文 Week 3 (5/05-5/12): 1,180 → 1,250 (+70) ← 首条爆款出现 Week 4 (5/12-5/18): 1,250 → 1,380 (+130) ← Thread + 互动策略 Week 5 (5/18-6/01): 1,380 → 1,540 (+160) ← 稳定长文输出 Week 6 (6/01-6/08): 1,540 → 1,837 (+297) ← 40套Playbook全景图爆发 ...（持续运营） 截至 8/03: 1,837 → 3,687 ← 持续日更 + 策略迭代 ``` **阶段总结：1,150 → 1,837 = +687 粉丝（+60%），45 天（第一阶段）** **累计（截至 2026-08-03）：1,150 → 3,687 = +2,537 粉丝，@WeiYipei** ### 关键转折点 | 事件 | 影响 | |------|------| | 废弃"金句短文"类型 | 周均展示 +266% | | 固定早8点发布 | 爆款命中率从 5% → 15% | | 开头必须「我」+ 具体经历 | 6条爆款全部第一人称 | | Thread（7-8帖）大招 | 单条 Thread 涨粉 50-100 | | 40套Playbook全景图 | 单周 +297 粉丝 | ### 什么有效 vs 什么无效 | ✅ 有效 | ❌ 无效 | |--------|--------| | 长文+真实经历+数据 | 哲理金句/引用他人 | | 工具帖+周末早8点 | 凌晨发布（展示<200）| | CTA放评论区 | CTA放正文（砍30-90%）| | 第一人称开头 | 大命题/说教体开头 | | 每天1条稳定节奏 | 一天3条或断更3天 | --- ## 十、快速启动指南 ### 如果你现在要用这个 SOP： **Day 0（准备，2-3小时）**： 1. 收集账号主人的 10 篇代表性内容 2. 提炼 3-5 条人设铁律 3. 建立死亡开头黑名单 4. 设定内容类型权重 **Day 1（素材库，2-4小时）**： 1. 把所有一手内容转为文本 2. 建立 SOURCE-INDEX（关键数据点+出处） 3. 标注哪些可用、哪些需核实 **Day 2（排期+规则，1小时）**： 1. 写第一周排期（7条） 2. 确认红线规则 3. 设定发布时间 **Day 3 起（执行）**： 1. 每天按排期写稿 2. 发前过三次翻译 + 五件套检查 3. 发后记录 tweet-log 4. 每周出周报 + 调整 --- ## 十一、常见错误 | 错误 | 后果 | 修复 | |------|------|------| | Agent 编造数据 | 用户/主人发现后信任崩塌 | 红线1 + SOURCE-INDEX 强制 | | 超发（一天多条） | 算法降权 + 内容稀释 | 红线2 硬限制 | | 每条都像公告 | 展示量<300 | 三次翻译检查 | | 金句/说教体 | 展示量100-250 | 死亡开头黑名单 | | 不追踪数据 | 无法优化 | 周报机制 | | 风格漂移 | 粉丝感觉"不像TA了" | 每月回看语料重校准 | --- ## Install ``` # ClawHub clawhub install gingiris-twitter-agent-ops # skills.sh npx -y skills add Gingiris-1031/gingiris-twitter-agent-ops # 或直接复制本文件到你的 AI agent 项目中 ``` **相关链接**： - HuggingFace: https://huggingface.co/datasets/Gingiris/gingiris-twitter-agent-ops - GitHub: https://github.com/Gingiris-1031/gingiris-twitter-agent-ops - 更多 playbook: https://gingiris.tools --- ## Credits - 方法论基础：向阳乔木「X运营增长经验：从100到11万关注」（3,861条数据分析） - 内容诊断框架：dontbesilent/dbskill「内容创作诊断」 - 实战验证：@WeiYipei 账号（Cola AI agent 运营，2026年4-6月） - 作者：Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools --- *License: MIT*