X 运营自动化 Skill v4.0

快速开始

触发条件： - "刷推 [时间]" - "运营推特 [时间]" - "去X上互动 [时间]"

首次运行： 自动进入 Onboarding 流程（详见 docs/onboarding.md）

后续运行： 读取配置 → 直接刷推

---

文档结构

x-engagement/
├── SKILL.md                    # 主入口（本文件）
├── docs/
│   ├── onboarding.md           # Onboarding 流程
│   ├── browser-operations.md   # 浏览器操作模块（基于 Chirp）
│   ├── comment-rules.md        # 评论规则（重要！防止错误）
│   ├── human-behavior.md       # 人类行为模拟规范
│   ├── memory-system.md        # 记忆系统设计
│   ├── cron-jobs.md            # 定时任务
│   ├── comment-generation.md   # 评论生成逻辑
│   └── natural-language-parser.md # 自然语言时间解析
├── playbooks/
│   ├── comment-strategies.md   # 评论策略（有效/无效）
│   └── changelog.md            # 策略变更记录
├── data/
│   └── engagement/
│       └── YYYY-MM-DD.json     # 每日评论数据
├── templates/
│   ├── persona.md              # Persona 模板
│   ├── config.json             # 配置模板
│   └── daily-log.md            # 每日日志模板
└── scripts/
    ├── setup-cron.sh           # 设置定时任务
    ├── check-onboarding.sh     # 检查状态
    └── daily-review.sh         # 每日复盘脚本

---

核心功能

1. Onboarding（首次运行）

5个阶段： 1. 浏览器连接 + 登录检查 2. 选择 Persona（自己或其他账号） 3. 学习 Persona（抓取100条 → 生成描述） 4. 刷推习惯配置 5. 保存配置

详见： docs/onboarding.md

---

2. 人类行为模拟

核心原则： 不追求完美，追求"足够像真人"

包含： - 随机时间生成器（正态分布） - 人类滚动模式（小/中/大滚动） - 鼠标轨迹模拟 - 频率限制 - 评论间隔（3-6分钟）

详见： docs/human-behavior.md

---

3. 记忆系统

三层记忆：

memory/daily/hotspots/
├── .onboarding_complete     # Onboarding 标记
├── .config.json             # 用户配置
├── personas/
│   └── [handle].md          # Persona 描述
├── events/                  # 重大事件（永久）
├── tables/                  # 每日热点（7天）
└── history/
    ├── comments/            # 评论历史（避免自相矛盾）
    └── daily/               # 每日日志

关键功能： - 记录每次评论内容 - 记录用户说过的话（如"昨天出去吃饭了"） - 评论前检查历史，避免矛盾

详见： docs/memory-system.md

---

4. 定时任务

每日热点总结： - 时间：每天早上10点 - 内容：抓取 Top 10 → 更新热点表格 → 推送给用户

刷推提醒（用户自定义）： - 支持自然语言设置 - 固定时间："早上9点、下午3点、晚上9点" - 随机时间："每天3次，随机时间" - 工作日/周末："工作日晚上8点，周末随机3次"

设置方法：

./scripts/setup-cron.sh

详见： docs/cron-jobs.md

---

5. 刷推流程

⚠️ 重要规则（必须遵守）：

1. 只在 Following 的 Recent 页面评论（不是 Popular）
2. 评论前检查历史（避免重复评论同一博主）
3. 记录所有评论（保存到历史文件）

详见： docs/comment-rules.md（必读！）

For You 页面： 1. 浏览（真人滚动模式） 2. 关注（根据配置条件）

Following 页面： 1. 确保是 Recent（不是 Popular） 2. 点赞（有价值的推文） 3. 评论（2小时内，使用 persona 风格） 4. 记录评论到历史（避免重复）

详见： docs/comment-generation.md

---

6. 浏览器操作（基于 Chirp）

使用 profile=openclaw： - 独立浏览器进程，100% 稳定 - 不依赖 Chrome 扩展（Browser Relay 不稳定） - 支持 DOM 操作 + 人类行为模拟

核心操作： - 点赞（带随机延迟） - 评论（使用 persona 风格） - 滚动（模拟人类） - 关注（根据条件）

Token 优化： - 避免频繁 snapshot - 使用 compact snapshot - 直接操作 DOM

详见： docs/browser-operations.md

---

使用示例

首次使用

用户: 刷推
Bot: 开始 Onboarding...
     1. 检查浏览器...
     2. 请选择 persona...
     3. 学习中...
     4. 配置刷推习惯...
     5. 完成！开始刷推...

后续使用

用户: 刷推半小时
Bot: 读取配置...
     For You: 浏览 18-30 屏，关注 6 人
     Following: 点赞 18 条，评论 6 条
     开始...

---

关键特性

特性	说明
完整 Onboarding	5阶段引导，学习 persona
人类行为模拟	随机延迟、滚动模式、频率限制
记忆系统	评论历史、用户信息、热点表格
定时任务	每日热点总结
避免矛盾	评论前检查历史记录
结构化设计	多文件组织，易于维护

---

自我进化系统

核心理念

没有记忆的AI，只是一个聪明的工具。 有记忆且能进化的AI，才是会成长的伙伴。

进化闭环

采集数据 → 分析对比 → 得出结论 → 更新规则 → 下次执行

三大机制

1. Playbook 系统 - playbooks/comment-strategies.md - 记录有效/无效策略 - playbooks/changelog.md - 记录策略变更 - Agent 可以更新自己的规则

2. 数据采集 - data/engagement/YYYY-MM-DD.json - 每日评论数据 - 记录：时间、作者、内容、结果 - 用于后续分析和优化

3. 每日复盘（22:00） - 统计今日数据 - 分析有效策略 - 更新 Playbook - 生成明日建议 - 推送报告给用户

文件结构

x-engagement/
├── playbooks/
│   ├── comment-strategies.md  # 评论策略（有效/无效）
│   └── changelog.md           # 策略变更记录
├── data/
│   └── engagement/
│       └── YYYY-MM-DD.json    # 每日评论数据
└── scripts/
    └── daily-review.sh        # 每日复盘脚本

使用示例

Agent 学习过程： 1. 发现「妙啊」评论效果好 2. 在 Playbook 中记录：「妙啊」适用于技术分享，数据支撑：2026-03-02 3. 下次刷推时读取这条规则 4. 考虑在类似推文上使用相同策略

进化效果： - Agent 越用越聪明 - 自动学习什么评论有效 - 持续优化策略 - 避免重复错误

---

必读文档

按顺序阅读：

1. docs/onboarding.md - 了解首次运行流程
2. docs/human-behavior.md - 了解人类行为模拟
3. docs/memory-system.md - 了解记忆系统
4. docs/comment-generation.md - 了解评论生成

---

版本: 4.0.0 更新: 2026-03-02 改进: 结构化设计 + 记忆系统 + 定时任务 + 人类行为规范