Menu
使用 Twitter 开源算法洞察分析和优化推文以获得最大传播范围。根据推荐系统对内容的排名方式重写和编辑用户推文，以提高参与度和可见性。
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
启动本地 VitePress 服务器，在 http://localhost:5173 预览文档站点
创建高质量 MCP（模型上下文协议）服务器的指南，使 LLM 能够通过精心设计的工具与外部服务交互。在构建 MCP 服务器以集成外部 API 或服务时使用，无论是 Python（FastMCP）还是 Node/TypeScript（MCP SDK）。
分析会议转录和录音，揭示行为模式、沟通洞察和可行的反馈。识别何时回避冲突、使用填充词、主导对话或错失倾听机会。非常适合寻求改善沟通和领导技能的专业人士。
为 Slack 创建优化动画 GIF 的工具包，包含大小约束验证器和可组合动画原语。当用户请求为 Slack 创建动画 GIF 或表情动画时使用此技能，例如"为 Slack 制作一个 X 做 Y 的 GIF"。
分析职位描述并生成定制简历，突出相关经验、技能和成就，最大化面试机会
创建有效技能的指南。当用户想要创建新技能（或更新现有技能）以扩展 Claude 的专业知识、工作流程或工具集成能力时，应使用此技能。
| name | twitter-algorithm-optimizer |
| description | 使用 Twitter 开源算法洞察分析和优化推文以获得最大传播范围。根据推荐系统对内容的排名方式重写和编辑用户推文，以提高参与度和可见性。 |
| license | AGPL-3.0（参考 Twitter 算法源代码） |
在以下情况下使用此技能：
Twitter 的推荐系统使用多个相互关联的模型：
Real-graph：预测用户之间的互动可能性
SimClusters：使用稀疏嵌入的社区发现
TwHIN：用户和帖子的知识图谱嵌入
Tweepcred：用户声誉/权威评分
Twitter 的 Unified User Actions 服务追踪显性和隐性信号：
显性信号（高权重）：
隐性信号（同样有权重）：
负面信号：
你的推文通过此管道触达用户：
候选检索 - 多个来源查找候选推文：
排名 - ML 模型根据预测参与度对候选排序：
过滤 - 移除被屏蔽的内容，应用偏好设置
投放 - 向用户展示排名后的信息流
策略：制作你的粉丝会参与的内容
优化示例：
策略：找到并深入服务对你的话题有浓厚兴趣的紧密社区
优化示例：
策略：使内容与你已建立的身份明确相关
优化示例：
策略：通过参与一致性建立声誉
优化示例：
显性信号触发器：
获得点赞：
获得回复：
获得转推：
获得书签/保存：
优化示例：
避免：
原始：
"我今天修复了一个 bug"
算法分析：
优化后：
"花了 2 小时调试，原来我漏了一个分号。最妙的是？代码检查工具没发现它。
你最尴尬的 bug 是什么？在回复中分享 👇"
为何有效：
原始：
"我们今天发布了新功能。快去看看。"
算法分析：
优化后：
"花了 6 个月开发用户最需要的功能：PDF 导出。
报告生成时间提升 10 倍。已上线。
你下一个想要什么导出格式？"
为何有效：
原始：
"我认为远程办公比办公室办公好"
算法分析：
优化后：
"热门观点：远程办公适合异步任务但扼杀创意协作。
我们现在是混合模式：远程专注深度工作日，办公室协作日。
你团队的平衡是什么？真心好奇什么有效。"
为何有效：
在以下情况下使用此技能：
在以下情况下不使用此技能，直接使用 Claude：
