wjs-x-increasing-follower

name

wjs-x-increasing-follower

description

Use when 王建硕 wants to systematically grow his X (Twitter) followers by running numbered, A/B-testable growth experiments and tracking which ones actually work. Every action gets a number, a hypothesis, a target metric, a before-state (for rollback), and a verdict. The North-Star metric is the new-follower ÷ profile-visit ratio (conversion) — every profile change is judged against it. Daily it ingests the X Analytics CSV export, scores each running experiment, and recommends keep / rollback. Triggers — "涨粉", "增加 X 粉丝", "X 涨粉实验", "follower growth", "A/B test my profile", "今天的涨粉检查", "/wjs-x-increasing-follower".

wjs-x-increasing-follower

把「涨粉」当工程做：每个改动是一个带编号的实验，有假设、有目标指标、有 before（可回滚）、有判决。不靠感觉，靠数。

Core Principle

单账号没法做平行 A/B —— 只能做时间轴上的前后对比。 所以唯一可信的北极星指标是 转化率 = 新增关注 ÷ 主页访问（ratio）：它对爆款流量免疫。一条推爆了带来一堆访问，ratio 不一定动；但 bio 改好了，每个来访的人更愿意关注，ratio 一定动。

所以指标分层（每个 action 必须声明自己被哪个指标考核）：

Action 类型	拨动的杠杆	用什么考核
profile（bio / 名字 / 头像 / banner / 置顶 / URL / 地点）	转化	ratio（北极星，抗爆款）
posting（格式 / 钩子 / 频率 / thread vs 单条）	触达	profile visits + impressions（ratio 当护栏，别把转化拖垮）
engagement（回复 / 关注别人 / 互动）	触达	new follows + visits
timing（发布时间）	触达	profile visits

诚实护栏（写死在 evaluate.py 里）： 用中位数不用均值（一天爆款骗不了判决）；够 7 天 / 够数据才下判决；同指标实验窗口重叠 → 打 confounded 标记；只给「方向性」结论，不号称因果。

回滚是一等公民。 每个 action 存了精确的 before 值，#N 永远能还原。判 ❌ rollback 先问王建硕，绝不静默改他的 bio。

数据从哪来（关键约束）

ratio 这个数 X API / xurl 拿不到 —— 只活在 Analytics 看板里。所以靠 CSV 导出： 打开 x.com/i/account_analytics → Overview → 右上角下载图标（7D/2W/4W/3M/1Y 想要哪段先选好）→ 导出 CSV → 丢进 inbox/（或直接给路径）。

When This Skill Fires

• 王建硕说「涨粉」「搞个 X 涨粉实验」「A/B 测一下我的 profile」「今天的涨粉检查」
• 跑 /wjs-x-increasing-follower
• 设了 /schedule daily /wjs-x-increasing-follower（见末尾「每日检查」）

When NOT to use

• 只是要发一条推 → /wjs-tweeting-from-articles 或直接 xurl post
• 推广 skill → /wjs-promoting-skills / /publish-skill
• 把文章分发到各平台 → /wjs-syndicating-articles

---

Workflow

所有脚本在 scripts/，状态在 state/。先 cd 到 skill 目录。

Step 1 — 吃数据（CSV → daily.jsonl）

python3 scripts/ingest-csv.py /path/to/export.csv

脚本模糊匹配列名（Profile visits / New follows / Impressions / Followers），按日期 upsert，自动算 ratio。它会打印它认的列映射 —— 看一眼对不对，不对就 --visits-col "X" --follows-col "Y"。重跑更长的导出会覆盖重叠的天，安全。

Step 2 — 出 to-do（提实验）

看 state/daily.jsonl 现状，给王建硕一份带编号的实验菜单。每条必须有：category / title / hypothesis / metric。原则：

• 一次只让少数 profile 实验在跑（同指标重叠会互相污染读数）。
• 假设要可证伪：「concrete 一行证明比模糊 tagline 转化高」✅；「让 bio 更好」❌。
• profile 类先于 posting 类 —— 转化是地基，先把来访的人接住，再去放大流量。

入账（自动分配编号，别手改 jsonl）：

python3 scripts/ledger.py add --category profile --metric ratio \
  --title "Bio: 开头一行放硬证明" \
  --hypothesis "访客看到具体成绩比看到口号更愿意关注"

实验菜单参考（按杠杆分）：

• profile/ratio：bio 重写（钩子前置 / 硬证明 / CTA「关注看 X」）、显示名加身份锚、头像换正脸高清、banner 放一句话价值主张、置顶换最强 thread、URL 指向落地页。
• posting/visits：发布格式（thread vs 单条）、首句钩子、带图 vs 纯文、话题聚焦。
• engagement/follows：固定回复某圈层、主动关注目标人群、参与热门话题。
• timing/visits：早 9 点 vs 晚 9 点、工作日 vs 周末。

state/SCOREBOARD.md 的「To-do」区就是这份清单的落地版（见 Step 6）。

Step 3 — 上线一个实验（含抓 before）

先抓 before-state（profile 字段）：

xurl "/2/users/me?user.fields=name,description,url,location,profile_image_url,pinned_tweet_id"

记下当前值。然后真正去改：

• bio / 名字 / URL / 地点 —— 可走 API（OAuth1 v1.1）：

  xurl --auth oauth1 -X POST "/1.1/account/update_profile.json?description=<urlencoded>"
  

  （name / url / location 同理。失败/没 enroll OAuth1 → 退回 App 里手改，照样记账。）
• 头像 / banner / 置顶推 —— 没有可靠公开 API，在 App / 网页里手改，skill 只负责记 before/after + 跟踪。

记账（盖上 applied 日期 + before 值）：

python3 scripts/ledger.py apply 1 \
  --before-field description --before-value "<原 bio 原文>" \
  --after-value "<新 bio>"

之后这个实验进入测量期：baseline = applied 前 window_days(默认7) 天的指标中位数；判决要等 applied 后攒够数据。

Step 4 — 每天喂数 + 重算（见也用于「每日检查」）

scripts/daily-check.sh

它会：ingest inbox/ 里的新 CSV（用完归档到 inbox/done/）→ evaluate.py --write-verdict 把方向性判决写回账本 → 重生成 SCOREBOARD.md。注意：它只写判决，不动状态 —— keep/rollback 是人的决定。

Step 5 — 判决与回滚

python3 scripts/evaluate.py          # 看每个在跑实验：baseline vs post，Δ%，verdict

判决（相对 baseline 中位数）：Δ ≥ +10% → keep；Δ ≤ -10% → rollback；之间 → flat。注意 ⚠ confounded / ⚠ thin baseline 标记，有就别太当真，延长窗口或停掉重叠实验再测。

• keep：python3 scripts/ledger.py keep 1 --note "+58% 转化"
• rollback（先问王建硕！）：确认后，用 apply 时存的 before 值还原（API 或手改），再 python3 scripts/ledger.py rollback 1 --note "转化掉了，还原 bio"（命令会打印要还原的 before 值）
• flat：保留观察，或归为「不影响」撤掉。

Step 6 — 看板

python3 scripts/scoreboard.py        # 写并打印 state/SCOREBOARD.md

四块：📈 现状（最新 ratio / 7 日中位 ratio / 粉丝数）、🧪 在跑实验（baseline/post/Δ/判决/告警）、✅ To-do 待办（proposed 清单）、📚 已结案（kept / rolled_back）。给王建硕看就发这个文件。

---

数据模型（state/）

• daily.jsonl —— 一天一行：{date, profile_visits, new_follows, ratio, impressions, followers_total}。
• actions.jsonl —— 一实验一行：{id, category, title, hypothesis, metric, window_days, before:{field,value}, after:{value}, applied, status, evaluated, verdict, notes}。状态流：proposed → active → (kept | rolled_back)。
• SCOREBOARD.md —— 生成物，人看的。

默认参数（要改就传 flag）

• 评估窗口 --window-days 默认 7 天
• keep/rollback 阈值 --threshold 默认 ±0.10（相对 ±10%）
• 下判决前最少 post 数据 --min-post-days 默认 3 天
• 回滚 永远先问，不静默

每日检查（可选调度）

/schedule daily /wjs-x-increasing-follower —— 每天调起本 skill：跑 daily-check.sh，把 SCOREBOARD.md 现状 + 任何判 ❌ rollback 的实验 发给王建硕并征求是否回滚。CSV 还是得他手动导出丢进 inbox/（ratio 数据 API 拿不到，这步绕不开）。