X Profile Deep Dive

对 X/Twitter 博主进行深度画像分析：数据采集 → LLM 动态分类 → 摘要卡片 + 分类全集输出。

前置条件

tweety-ns 已安装（pip3 install tweety-ns）
Twitter cookies 存在于 <WORKSPACE>/config/twitter_cookies.json
tweety session 目录 存在于 <WORKSPACE>/config/tw_session/

首次运行前检查这三个条件。如果 cookies 缺失，提示用户通过 CDP 从 openclaw browser 提取。

完整流程

Phase 1: 数据采集

运行脚本采集原始数据：

python3 scripts/x_profile_analyzer.py \
  --handle {handle} \
  --tweet-pages 8 \
  --cookies <WORKSPACE>/config/twitter_cookies.json \
  --output /tmp/x-profile-raw-{handle}.json

参数说明：

--tweet-pages 8：默认 8 页（约 160 条推文），可根据需要调整
--following-pages 1：关注列表采样 70 人（通常够用）
--follower-pages 1：粉丝采样 70 人（可能因 elevated auth 失败，非关键）

脚本退出码：1=cookies missing, 2=login failed, 3=user not found

Phase 1.5: Articles 专项采集 + 外链探索

tweety-ns 的 tweet pages 可能采不全 X Articles（长文），且博主可能在外部平台有独占内容。此步骤必须执行。

1.5.1 X Articles 完整采集

用浏览器打开 x.com/{handle}/articles，完整滚动收集所有 Article：

browser navigate → x.com/{handle}/articles
逐段滚动（每次 scrollBy(0, 1500)），每段做 snapshot 记录当前可见的 article 标题+日期+URL
累计去重：X 使用虚拟滚动（virtual scrolling），会回收不在视口的 DOM 节点。绝不能用最后一次 snapshot 的 article 数量当总数。必须在脑中/笔记中累计所有已看到的唯一 article
持续滚动直到不再出现新 article（连续 2 次滚动无新增 = 到底）
记录总数，与 Phase 1 采到的 Articles 数量对比，补全遗漏

⚠️ 虚拟滚动陷阱（2026-03-16 教训）：

X 的 timeline 页面使用虚拟滚动，视口外的 article 元素会被回收
document.querySelectorAll('article').length 只返回当前 DOM 中的数量，不是总数
必须逐段滚动 + 手动累计去重，这是唯一可靠的计数方式

1.5.2 外链探索

检查博主 bio 中的外部链接（博客/Substack/Medium/Newsletter/GitHub）：

从 Phase 1 的 profile 数据或 README 中提取 bio 链接
如果有博客/Newsletter → 用 browser 打开，找到长文列表页
对比博客长文列表 vs X Articles 列表，识别博客独占内容（博客有但 X 没有的）
对博客独占文章快速评估：深度原创 or 短新闻/聚合帖？主题相关度？
在 README.md 中增加「📎 外部平台」章节，记录博客 URL + 独占内容数量 + 推荐收藏清单

Phase 2: 数据分析

读取输出的 JSON，用 Python 提取关键统计信息（参考 data-analysis.md）。

Phase 3: LLM 动态分类

核心步骤——不使用预设分类，而是根据推文内容动态生成分类。

扫描所有推文全文，识别 3-6 个主题分类
每个分类需要：名称（中文）、一句话描述、包含哪些推文
分类原则：
- 按内容主题而非形式分（不要"长文"/"短文"这种分法，除非某人确实有独特的长文系列）
- X Articles（长文）优先处理：如果博主有 X Articles，先从 Phase 1.5 的完整 Articles 列表中提取，确保每篇 Article 全文都被收录到对应主题分类中。Articles 是博主最有深度的内容，不能遗漏
- 如果某人有明显的长篇深度文章（>2000字），单独分一类「深度长文」
- 每个分类至少 3 条推文，否则合并到相近分类
- 一条推文只归入一个最匹配的分类
对每条推文的分类排序：按 likes 降序

Phase 4: 生成输出文件

输出结构为一个目录，包含摘要卡片 + 分类全集：

collections/x-profiles/@{handle}/
├── README.md          ← 摘要卡片 + 目录导航表
├── {category-1}.md    ← 第一个主题分类（推文全文）
├── {category-2}.md    ← 第二个主题分类
├── ...
└── network.md         ← 社交网络分析

README.md 格式

参考 readme-template.md。包含：

📂 内容全集导航表（分类名 + 数量 + 一句话说明）
一句话概括
基本信息表
内容风格
高互动推文 Top 10（一行摘要 + 链接）
核心话题 Top 5
互动圈
关注列表分析（兴趣图谱）
与我们的关联度（⭐评分）
趋势判断

分类文件格式

每个分类文件：

# {分类名}

> {分类描述}

共 N 条推文

---

## [X,XXX❤️ X,XXX🔁 X,XXX,XXX👁] YYYY-MM-DD

[原文链接](url)

{推文全文，原样保留，不做任何压缩或摘要}

**附带链接**: {如果有}

---

关键原则：推文全文原样保留，不做压缩。

network.md 格式

参考 network-template.md。包含：

关注列表分类表格（Handle / 名称 / 粉丝 / 简介）
网络特征分析

Phase 5: 汇报结果

完成后向用户汇报：

输出目录位置和文件结构
几个关键发现/亮点
数据完整性校验：
- X Articles 总数（Phase 1.5 实际计数） vs 分类文件中收录的 Articles 数量 → 必须一致
- 如果有博客等外部平台，报告独占内容数量和推荐收藏清单
- 采样覆盖范围说明（如"最近 N 条推文，约 X 天；Articles 全量 M 篇"）

注意事项

调用频率：tweety-ns 保守使用，单次分析 < 5 个 API 调用
Cookie 过期：如果登录失败（exit code 2），提示用户刷新 cookies
t.co 链接：国内网络无法解析 t.co 短链接，推文全文已在数据中，不需要追踪外链
Python 版本：系统 Python 3.14 可能有 SSL 兼容问题，确保 tweety-ns 对应的 httpx 版本兼容
followers API：部分用户的 followers 数据会返回 "elevated authorization" 错误，这是非关键数据，跳过即可