Hugging Face's logo

Datasets:
Gingiris
/
gingiris-twitter-agent-ops

Tasks:
Text Generation
Languages:
English
Chinese
Japanese
Size:
n<1K
Tags:
twitter
x-twitter
social-media
ai-agent
automation
content-marketing
License:
Dataset card Files
xet
 Community
gingiris-twitter-agent-ops / README.md
Gingiris's picture
Gingiris
Add JSON-LD (SoftwareApplication + FAQPage) for GEO
e4cd127 verified
preview code
|
Raw
History Blame Contribute Delete
16.2 kB
metadata 
license: mit
language:
  - en
  - zh
  - ja
  - ko
pretty_name: >-
  Twitter/X Agent Operations SOP — AI Ghostwriter That Sounds Like You (+60% in
  45 Days)
tags:
  - twitter
  - x-twitter
  - social-media
  - ai-agent
  - automation
  - content-marketing
  - growth
  - audience-building
  - scheduling
  - analytics
  - persona
  - sop
  - content-strategy
task_categories:
  - text-generation
size_categories:
  - n<1K

Twitter/X Agent Operations — AI 自动运营完整 SOP

🌍 Language / 语言: 中文 | English | 日本語 | 한국어

实战验证：一个 AI agent 在 45 天内将 @WeiYipei 从 1,150 → 1,837 粉丝（+60%），日均发布 1 条，全程自动化运营。

本 skill 适用于任何支持 system prompt 的 AI agent（Claude Code, Cursor, Trae, GPT）。

一、系统架构概览 

┌─────────────────────────────────────────────┐
│          Twitter Agent Operations           │
├─────────────────────────────────────────────┤
│                                             │
│  [1] 人设校准 ──→ [2] 素材库 ──→ [3] 排期  │
│       │                │              │     │
│       ▼                ▼              ▼     │
│  [4] 红线规则   [5] 发布检查   [6] 追踪    │
│                                             │
│  ───────── 每周循环 ─────────               │
│  周报 → 复盘 → 调整权重 → 下周排期         │
│                                             │
└─────────────────────────────────────────────┘

六大模块：

  1. 人设校准系统 — 让 agent 写出"像这个人"的内容
  2. 素材库建设 — 事实来源数据库，杜绝编造
  3. 排期系统 — 每周内容日历，1 条/天节奏
  4. 红线规则 — 不可违反的安全底线
  5. 发布前检查 — 三次翻译 + 五件套质检
  6. 数据追踪 — tweet-log + 周报 + 粉丝追踪

二、人设校准系统（Voice Guide）

为什么需要

AI agent 最大的问题不是"不会写"，而是"写出来不像这个人"。人设校准解决的是灵魂问题，不是格式问题。

校准步骤

Step 1：采集原始语料

收集账号主人的真实表达样本（至少 3 种浓度）：

浓度 来源 作用
浓 公众号/长文 提炼叙事结构、价值观表达
中 社交媒体原帖 提炼口语感、碎片化表达
淡 播客/访谈/对话 提炼最真实的语气、口头禅

Step 2：提炼铁律

从语料中提炼 3-5 条不可违反的表达铁律。例如：

铁律 A：开头必须是「我」+ 具体经历/数字/瞬间
铁律 B：禁止三段论（论点→论据→号召）结构
铁律 C：不是每条都要有"总结"
铁律 D：粗体 = 信念表达，不是重点标注

Step 3：建立死亡开头黑名单

从历史数据中找出"展示量最低的开头模式"并明确禁止：

❌ 引用他人话语开头
❌ 大命题式开头（"AI时代一个反直觉的事"）
❌ 无主语大词开头
❌ 哲理金句直接开头

Step 4：定义内容类型权重

根据数据表现分配各类型占比：

类型 推荐占比 原因
长文（个人经历+数据+洞察） 70% 爆款集中区
工具/资源帖 20% 书签数最高
生活碎片/吐槽 10% 维持人味

实战数据：废弃"短文金句"类型后，周均展示量提升 266%。

三、素材库建设（SOURCE-INDEX）

核心原则

不编造数据。所有推文中的具体数字必须有真实来源。

建设步骤

Step 1：采集一手素材

将账号主人的所有一手内容转化为可检索的文本：

  • 播客/访谈 → 全文转录（whisper / 手动）
  • 文章/文档 → markdown 格式存档
  • 演讲/分享 → 要点提取

Step 2：建立 SOURCE-INDEX

每个关键素材点标注：

| 素材点 | 来源 | 原文位置 | 是否可用 |
|--------|------|----------|---------|
| 开源第一周 6000 Star | ep01 第77行 | "第一个星期我们就6000个star" | ✅ |
| 643 个投资人 | ep06 第32行 | "我们应该加了643个，就是我没有记错" | ✅ |

Step 3：定期核实

每周检查排期中引用的数据点是否与原文一致。不同播客/场合说的数字可能有出入——取最可靠的版本并标注。

实战教训：曾因"三天 6000 Star"与"一周 6000 Star"混淆被用户指出。核实后确认所有原文统一说"第一周"。

四、排期系统

节奏

  • 1 条/天（硬规则，不可超发）
  • 发布时间：固定时段（推荐 14:00-15:00 北京时间，或目标受众活跃时段）

排期模板

每周日生成下周排期：

## 周一 ｜ [类型] ｜ [主题]
**素材来源**：[SOURCE-INDEX 中的具体条目]
**五件套自检**：✅/❌
**三次翻译自检**：✅/❌
**CTA（评论区）**：[链接]

去重机制

每条排期前检查 tweet-log：

  • 同一核心论点是否在过去 30 天发过？
  • 同一数据点是否在过去 14 天用过？
  • 如果重复 → 换角度或换主题

时间窗口参考（基于 3,861 条数据分析）

时段 适合内容
10-13 点 工具、教程、资源入口
17-23 点 重点内容、观点、案例拆解
0-1 点 高收藏内容、开发者工具

月内排名最优：17 点 > 23 点 > 13 点 > 11 点 > 20 点

五、红线规则

绝对不可违反：

# 规则 说明
1 不编造数据 所有数字必须有真实来源，无来源宁可不写
2 1 条/天 不超发。agent 不得擅自调整频率
3 CTA 不放正文 外部链接必须放第 1 条 reply（X 算法惩罚正文链接 30-90%）
4 数据对齐 动态数字必须发前拉取最新值
5 三次翻译 每条推文必须通过三次翻译检查（见下文）
6 五件套 每条推文必须通过五件套检查（至少 4/5）

六、发布前检查

检查 A：三次翻译（从内部语言到外部语言）

每条推文通读一遍，确认没有"公告式表达"：

# 翻译 Before After
1 发布→帮助 "我们上线新功能" "这个功能能帮你把80页报告变成3页提炼"
2 能力→场景 "支持长上下文" "一次性读完行业报告并找出竞品变化"
3 结论→证据 "效果很好" 放真实截图、输入输出、步骤、对比

如果推文中有任何一句像"我们发布了 X / 我们升级了 Y"→ 必须改写。

检查 B：五件套（一条强内容 = 一个小型信息产品）

# 检查项 解决读者的什么问题
1 第一眼能看懂的价值承诺 "这和我有什么关系"
2 一个具体使用场景 "我什么时候会用到"
3 降低门槛的步骤/入口 "我现在能不能开始"
4 截图、数字、案例 = 证据 "我凭什么相信"
5 一个值得收藏或转发的理由 "我为什么要留着它"

不满足 4/5 = 不发，回去改。

七、数据追踪

Tweet Log（每条必记） 

| 日期 | 时间 | Tweet ID | 类型+摘要 | 展示量 | 互动 | 备注 |

周报模板

每周生成：

  • 粉丝变化（起止 + 日增）
  • 展示量 Top 3 帖子分析
  • 内容类型表现对比
  • 下周策略调整建议

关键指标

指标 含义 优化方向
收藏数 比点赞更重要（信任信号） 工具/资源帖天然高收藏
展示量 算法分发效果 开头决定 80%
互动率 内容共鸣度 评论 > 点赞 > 转发
粉丝日增 增长健康度 稳定 > 波动

八、内容方法论参考

四类内容原型（基于 3,861 条数据）

类型 进入前10%概率 特征
资源入口型 ~51% 替读者找到入口（省搜索）
工具教程型 ~39% 替读者理解复杂事物（省理解）
AI工具发现型 ~24% 展示新工具+具体任务（省试错）
普通表达型 ~9% 纯观点无行动（避免）

四省模型

内容的价值不在于你说了多少信息，而在于你帮读者少走了几步路：

  1. 省搜索 — 读者不用在信息海里找入口
  2. 省理解 — 读者不用自己猜复杂概念
  3. 省试错 — 读者不用把坑全踩一遍
  4. 省表达 — 读者可以直接把这条转给别人

三个可见原则

读者更愿意相信可见、可点、可量化的内容：

原则 示例 进入前10%概率
可见 截图、录屏、对比图 —
可点 链接、工具名、搜索路径 ~40%（带"地址见评论"）
可算 数字、时间、成本、步骤 ~35%（带资源词）

黄金长度

单帖字数 进入前10%概率
≤40 字 ~7%
41-100 字 ~15%
120-220 字 ~26-28%（黄金区间）

模板：第一句讲价值 → 第二三句讲场景 → 接着给证据或步骤 → 最后给入口或收藏理由。

九、实战案例：@WeiYipei 运营数据

增长曲线 

Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← 冷启动，摸索阶段
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← 开始日更长文
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← 首条爆款出现
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Thread + 互动策略
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← 稳定长文输出
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← 40套Playbook全景图爆发

总计：1,150 → 1,837 = +687 粉丝（+60%），45 天

关键转折点

事件 影响
废弃"金句短文"类型 周均展示 +266%
固定早8点发布 爆款命中率从 5% → 15%
开头必须「我」+ 具体经历 6条爆款全部第一人称
Thread（7-8帖）大招 单条 Thread 涨粉 50-100
40套Playbook全景图 单周 +297 粉丝

什么有效 vs 什么无效

✅ 有效 ❌ 无效
长文+真实经历+数据 哲理金句/引用他人
工具帖+周末早8点 凌晨发布（展示<200）
CTA放评论区 CTA放正文（砍30-90%）
第一人称开头 大命题/说教体开头
每天1条稳定节奏 一天3条或断更3天

十、快速启动指南

如果你现在要用这个 SOP：

Day 0（准备，2-3小时）：

  1. 收集账号主人的 10 篇代表性内容
  2. 提炼 3-5 条人设铁律
  3. 建立死亡开头黑名单
  4. 设定内容类型权重

Day 1（素材库，2-4小时）：

  1. 把所有一手内容转为文本
  2. 建立 SOURCE-INDEX（关键数据点+出处）
  3. 标注哪些可用、哪些需核实

Day 2（排期+规则，1小时）：

  1. 写第一周排期（7条）
  2. 确认红线规则
  3. 设定发布时间

Day 3 起（执行）：

  1. 每天按排期写稿
  2. 发前过三次翻译 + 五件套检查
  3. 发后记录 tweet-log
  4. 每周出周报 + 调整

十一、常见错误

错误 后果 修复
Agent 编造数据 用户/主人发现后信任崩塌 红线1 + SOURCE-INDEX 强制
超发（一天多条） 算法降权 + 内容稀释 红线2 硬限制
每条都像公告 展示量<300 三次翻译检查
金句/说教体 展示量100-250 死亡开头黑名单
不追踪数据 无法优化 周报机制
风格漂移 粉丝感觉"不像TA了" 每月回看语料重校准

Install 

# ClawHub
clawhub install gingiris-twitter-agent-ops

# skills.sh
npx -y skills add Gingiris-1031/gingiris-twitter-agent-ops

# 或直接复制本文件到你的 AI agent 项目中

相关链接：

Credits

  • 方法论基础：向阳乔木「X运营增长经验：从100到11万关注」（3,861条数据分析）
  • 内容诊断框架：dontbesilent/dbskill「内容创作诊断」
  • 实战验证：@WeiYipei 账号（Cola AI agent 运营，2026年4-6月）
  • 作者：Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

License: MIT