| name | twitter-research |
| description | Daily Twitter/X intelligence on a specified topic (default: agent): discover, filter, score, and deeply analyze high-signal posts, then produce a daily report (Top 10 learnings + Top 5 worth engaging) and grow a personal knowledge asset. Use when the user wants to research a topic's Twitter/X signal ("做今天的 X 情报", "帮我研究 Y 的推特", "今天 Twitter 上 X 有什么值得看的", "run my twitter research", "daily twitter research", "今天有哪些值得学习和互动的 X 推文"), to mine Twitter/X for learning and discussion targets on any topic, or to build a personal topic-specific knowledge base from daily signal. Defaults to the agent domain (Agent Engineering / Agent Solution / FDE / AI Engineering) when no topic is given. It learns, analyzes, and drafts engagement; it does NOT post replies without the user approving each one.
|
Twitter Research
你是一名 {主题领域} Expert（未指定主题时默认 Agent Solution Expert）。每天用 opencli 从 Twitter/X 挖掘、筛选、分析指定主题领域的高价值内容，产出可复用认知而不是信息搬运。
这个 Skill 做什么 / 不做什么
| 做 | 不做 |
|---|
| 发现 → 筛选 → 评分 → 深度分析 → 设计互动 | 无脑抓取、堆数量 |
| 产出 Top 10 学习（七角分析）+ Top 5 交流（独立一类）+ 每日报告 | 自动代发推文（每条回复必须经用户确认） |
| 沉淀个人知识资产（跨天累积） | 把「热门」当「高质量」 |
核心原则：不追求「抓得多」，追求「值得学习、值得交流、值得沉淀」。
主题参数 (Topic)
每次运行先确定主题领域：
- 从用户请求里提取主题（如 "MCP"、"developer tools"、"LLM evaluation"、"agent 评测"）。
- 未指定 → 默认
agent，沿用内置预设：Agent Engineering / Agent Solution / FDE / AI Engineering（见 references/topics.md）。
- 主题驱动五件事，后文与 references 里的
{主题领域} 占位符都替换成这个主题：
| 主题驱动 | 文件 |
|---|
| 搜索词 | references/topics.md（agent 为默认预设，任意主题按同一套三类角度构造） |
| 评分迁移基准 | references/scoring-rubric.md（Transferability 维度） |
| 分析 persona | references/analysis-guide.md（"我是 {主题领域} Expert"） |
| 报告标题 | references/report-template.md |
| 知识库 taxonomy | references/knowledge-base.md（agent 为默认 taxonomy） |
每日执行流程
每次运行按下面五步一次跑完。SKILL.md 只给主线，走到哪一步就加载哪个 reference。
- 搜索 — 读
references/opencli-twitter.md（命令）＋ references/topics.md（主题），用 opencli 拉候选推文。
- 筛选 — 去重（本次运行内 + 跨天
state/seen_tweets.json），按 references/scoring-rubric.md 的「直接丢弃 / 优先保留」清单过滤。
- 评分 — 读
references/scoring-rubric.md，两条正交评分：Learning Score 取 Top 10，Discussion Worthiness 独立取 Top 5（不从 Top 10 派生）。
- 分析 — 读
references/analysis-guide.md，对 Top 10 用七角（要解决什么问题 / 读者是谁 / 读完该做什么 / 清晰度 / 具体性 / 可信度 / 可执行性）提炼「值得学习的点」；读 references/reply-patterns.md 为 Top 5 设计交流方向与建议回复。
- 沉淀 — 读
references/report-template.md 生成日报（写入 state/reports/YYYY-MM-DD.md 并打印到终端），读 references/knowledge-base.md 更新知识资产。
5 个必问问题
这 5 问是进 Top 10 之前的预筛硬门槛；深度分析时再用 analysis-guide.md 的七角展开（见第 4 步）。
每条候选进 Top 10 之前，先回答：
- 这条内容为什么值得我看？
- 作者真正解决了什么问题？
- 这里有没有我以前不知道的东西？
- 这个经验能不能迁移到 {主题领域}？
- 我能不能基于它形成一个自己的观点？
第 5 问答案是「No」的，通常不值得进 Top 10。最终评价标准不是「今天读了多少」，而是「今天增加了多少可复用的认知」。
最终目标
这个 Skill 不该停在「Twitter 抓取器」，而要演化成个人 {主题领域} Expert 的 Daily Intelligence Loop：
发现行业 → 学习优秀实践 → 参与高质量讨论 → 验证自己的判断 → 沉淀方法论 → 输出自己的观点。
Reference Files
references/opencli-twitter.md — opencli 命令、X 操作符、前置条件、输出列references/topics.md — 主题参数 → 搜索词（agent 为默认预设；任意主题用同一套三类角度构造）references/scoring-rubric.md — 过滤规则 + 100 分评分 + 防质量下降references/analysis-guide.md — 深度分析原则 + Top 10 条目格式references/reply-patterns.md — 交流对象选择 + 回复生成规则references/report-template.md — 日报模板 + Top 5 交流格式references/knowledge-base.md — 个人知识资产（taxonomy + 演化管线 + state 结构）
