Datasets:

Gingiris
/

gingiris-twitter-agent-ops

実戦検証済み：AI エージェントが 45 日間で @WeiYipei を 1,150 → 1,837 フォロワー（+60%）に成長させました。1 日 1 投稿、全工程を自動運営。

本スキルは system prompt に対応するあらゆる AI エージェント（Claude Code, Cursor, Trae, GPT）で利用できます。

一、システム構成の全体像

┌─────────────────────────────────────────────────────┐
│            Twitter Agent Operations                 │
├─────────────────────────────────────────────────────┤
│                                                     │
│  [1] ペルソナ調整 ──→ [2] 素材庫 ──→ [3] スケジュール │
│        │                  │               │         │
│        ▼                  ▼               ▼         │
│  [4] レッドライン   [5] 公開前チェック  [6] トラッキング │
│                                                     │
│  ───────── 週次ループ ─────────                      │
│  週報 → 振り返り → 配分調整 → 翌週スケジュール        │
│                                                     │
└─────────────────────────────────────────────────────┘

6 つのコアモジュール：

ペルソナ調整システム — エージェントに「この人らしい」文章を書かせる
素材庫の構築 — ファクトソースのデータベース、捏造ゼロ
スケジューリングシステム — 週次コンテンツカレンダー、1 日 1 投稿のリズム
レッドライン（絶対ルール） — 越えてはいけない安全ライン
公開前チェック — 三段翻訳 + 5 点セットの品質検査
データトラッキング — tweet-log + 週報 + フォロワー追跡

二、ペルソナ調整システム（Voice Guide）

なぜ必要か

AI エージェントの最大の問題は「書けない」ことではなく、「書いたものが本人らしくない」ことです。ペルソナ調整が解決するのは魂の問題であって、フォーマットの問題ではありません。

調整ステップ

Step 1：生の言語サンプルを収集する

アカウント本人のリアルな表現サンプルを集めます（最低 3 段階の「濃度」で）：

濃度	ソース	役割
濃	ブログ / 長文記事	物語の構造、価値観の表現を抽出
中	SNS のオリジナル投稿	口語感、断片的な表現を抽出
淡	ポッドキャスト / インタビュー / 会話	最も素の語り口、口癖を抽出

Step 2：鉄の掟を抽出する

サンプルから、絶対に破ってはいけない表現ルールを 3〜5 条抽出します。例：

掟 A：書き出しは必ず「私」+ 具体的な経験 / 数字 / 瞬間
掟 B：三段論法（主張→根拠→呼びかけ）の構成は禁止
掟 C：すべての投稿に「まとめ」が要るわけではない
掟 D：太字 = 信念の表明であって、要点の強調ではない

Step 3：死亡オープニングのブラックリストを作る

過去データから「インプレッションが最も低い書き出しパターン」を洗い出し、明確に禁止します：

❌ 他人の言葉の引用で始める
❌ 大上段なテーマで始める（「AI 時代の直感に反する話」）
❌ 主語のないビッグワードで始める
❌ 哲学的な名言からいきなり始める

Step 4：コンテンツタイプの配分を決める

データの実績に基づいて各タイプの比率を割り当てます：

タイプ	推奨比率	理由
長文（個人の経験 + データ + 洞察）	70%	バズが集中するゾーン
ツール / リソース投稿	20%	ブックマーク数が最多
日常の断片 / ぼやき	10%	人間味を保つ

実戦データ：「短文名言」タイプを廃止した後、週平均インプレッションが 266% 向上。

三、素材庫の構築（SOURCE-INDEX）

コア原則

データを捏造しない。ツイート内のすべての具体的な数字には、実在するソースが必須。

構築ステップ

Step 1：一次素材を収集する

アカウント本人のすべての一次コンテンツを検索可能なテキストに変換します：

ポッドキャスト / インタビュー → 全文文字起こし（whisper / 手動）
記事 / ドキュメント → markdown 形式でアーカイブ
講演 / 登壇 → 要点を抽出

Step 2：SOURCE-INDEX を構築する

重要な素材ポイントごとに注記します：

| 素材ポイント | ソース | 原文の位置 | 使用可否 |
|--------|------|----------|---------|
| オープンソース化の最初の 1 週間で 6000 Star | ep01 77 行目 | 「最初の 1 週間で 6000 個の star がついた」 | ✅ |
| 投資家 643 人 | ep06 32 行目 | 「643 人追加したはず、記憶違いでなければ」 | ✅ |

Step 3：定期的に検証する

毎週、スケジュールで引用したデータポイントが原文と一致しているか確認します。ポッドキャストや場面が違えば数字が食い違うこともある——最も信頼できるバージョンを採用し、注記を残すこと。

実戦の教訓：かつて「3 日で 6000 Star」と「1 週間で 6000 Star」を混同し、ユーザーに指摘されたことがあります。検証の結果、すべての原文が一貫して「最初の 1 週間」と述べていることを確認しました。

四、スケジューリングシステム

リズム

1 日 1 投稿（ハードルール、超過厳禁）
公開時刻：固定の時間帯（推奨は北京時間 14:00-15:00、またはターゲット層のアクティブな時間帯）

スケジュールテンプレート

毎週日曜に翌週のスケジュールを生成します：

## 月曜 ｜ [タイプ] ｜ [テーマ]
**素材ソース**：[SOURCE-INDEX の具体的な項目]
**5 点セットセルフチェック**：✅/❌
**三段翻訳セルフチェック**：✅/❌
**CTA（リプライ欄）**：[リンク]

重複排除の仕組み

各投稿のスケジュール前に tweet-log を確認します：

同じ核心的な主張を過去 30 日以内に投稿していないか？
同じデータポイントを過去 14 日以内に使っていないか？
重複している場合 → 切り口を変えるか、テーマを変える

時間帯リファレンス（3,861 件のデータ分析に基づく）

時間帯	適したコンテンツ
10〜13 時	ツール、チュートリアル、リソースの入口
17〜23 時	主力コンテンツ、見解、事例の解剖
0〜1 時	高ブックマーク系コンテンツ、開発者ツール

月間ランキングの最適順：17 時 > 23 時 > 13 時 > 11 時 > 20 時

五、レッドライン（絶対ルール）

絶対に破ってはいけないこと：

#	ルール	説明
1	データを捏造しない	すべての数字に実在するソースが必須。ソースがなければ書かない
2	1 日 1 投稿	超過投稿禁止。エージェントが勝手に頻度を変えてはいけない
3	CTA を本文に入れない	外部リンクは必ず 1 件目のリプライに置く（X のアルゴリズムは本文内リンクを 30〜90% ペナルティ）
4	データの整合	変動する数字は公開前に最新値を取得すること
5	三段翻訳	すべてのツイートは三段翻訳チェックを通すこと（後述）
6	5 点セット	すべてのツイートは 5 点セットチェックを通すこと（最低 4/5）

六、公開前チェック

チェック A：三段翻訳（内部言語から外部言語へ）

各ツイートを通読し、「お知らせ口調」がないか確認します：

#	翻訳	Before	After
1	リリース→役立ち	「新機能をリリースしました」	「この機能なら 80 ページのレポートが 3 ページの要約に変わる」
2	機能→シーン	「長文コンテキストに対応」	「業界レポートを一気に読み切り、競合の変化を見つけ出す」
3	結論→証拠	「効果は抜群です」	実際のスクショ、入出力、手順、比較を見せる

「私たちは X をリリースした / Y をアップグレードした」のような文が 1 つでもあれば → 必ず書き直すこと。

チェック B：5 点セット（強いツイート 1 本 = 小さな情報プロダクト 1 つ）

#	チェック項目	読者のどんな疑問に答えるか
1	一目で分かる価値の約束	「これは自分に何の関係がある？」
2	具体的な利用シーンが 1 つ	「いつ使うことになる？」
3	ハードルを下げる手順 / 入口	「今すぐ始められる？」
4	スクショ、数字、事例 = 証拠	「なぜ信じられる？」
5	ブックマークや拡散したくなる理由が 1 つ	「なぜ取っておく必要がある？」

4/5 を満たさない = 公開しない。戻って書き直す。

七、データトラッキング

Tweet Log（全投稿を必ず記録）

| 日付 | 時刻 | Tweet ID | タイプ+要約 | インプレッション | エンゲージメント | 備考 |

週報テンプレート

毎週生成する内容：

フォロワーの増減（始点・終点 + 日次増加数）
インプレッション Top 3 投稿の分析
コンテンツタイプ別パフォーマンス比較
翌週の戦略調整案

重要指標

指標	意味	最適化の方向
ブックマーク数	いいねより重要（信頼のシグナル）	ツール / リソース投稿は元々ブックマークが多い
インプレッション	アルゴリズムによる配信効果	書き出しが 80% を決める
エンゲージメント率	コンテンツの共感度	コメント > いいね > リポスト
フォロワー日次増加	成長の健全度	安定 > 変動

八、コンテンツ方法論リファレンス

4 つのコンテンツ原型（3,861 件のデータに基づく）

タイプ	上位 10% 入りの確率	特徴
リソース入口型	~51%	読者の代わりに入口を見つける（検索の省略）
ツールチュートリアル型	~39%	読者の代わりに複雑なものを理解する（理解の省略）
AI ツール発見型	~24%	新ツール + 具体的なタスクを見せる（試行錯誤の省略）
普通の意見表明型	~9%	アクションなしの純粋な意見（避けるべき）

4 つの「省く」モデル

コンテンツの価値は、どれだけ情報を語ったかではなく、読者の手間を何ステップ省けたかにあります：

検索を省く — 読者が情報の海から入口を探さなくて済む
理解を省く — 読者が複雑な概念を自力で推測しなくて済む
試行錯誤を省く — 読者が落とし穴を全部踏まなくて済む
表現を省く — 読者がそのまま他の人に転送できる

3 つの可視性原則

読者は「見える・クリックできる・数えられる」コンテンツをより信頼します：

原則	例	上位 10% 入りの確率
見える	スクショ、画面録画、比較図	—
クリックできる	リンク、ツール名、検索の道筋	~40%（「リンクはリプ欄」付き）
数えられる	数字、時間、コスト、ステップ数	~35%（リソース系ワード付き）

ゴールデンレングス

1 投稿の文字数	上位 10% 入りの確率
40 字以下	~7%
41〜100 字	~15%
120〜220 字	~26〜28%（ゴールデンゾーン）

テンプレート：1 文目で価値を語る → 2〜3 文目でシーンを語る → 続けて証拠か手順を示す → 最後に入口かブックマークすべき理由を渡す。

九、実戦ケース：@WeiYipei の運営データ

成長カーブ

Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← コールドスタート、模索フェーズ
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← 長文の毎日投稿を開始
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← 初のバズ投稿が誕生
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Thread + エンゲージメント戦略
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← 安定した長文アウトプット
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← Playbook 40 本の全体像で爆発

合計：1,150 → 1,837 = +687 フォロワー（+60%）、45 日間

重要な転換点

イベント	影響
「名言短文」タイプの廃止	週平均インプレッション +266%
朝 8 時の固定投稿	バズ命中率が 5% → 15%
書き出しは必ず「私」+ 具体的な経験	バズ 6 本すべてが一人称
Thread（7〜8 投稿）の大技	Thread 1 本でフォロワー 50〜100 増
Playbook 40 本の全体像	単週で +297 フォロワー

効いたもの vs 効かなかったもの

✅ 効いた	❌ 効かなかった
長文 + 実体験 + データ	哲学的名言 / 他人の引用
ツール投稿 + 週末朝 8 時	深夜投稿（インプレッション <200）
CTA をリプ欄に置く	CTA を本文に置く（30〜90% 減）
一人称の書き出し	大上段 / 説教調の書き出し
毎日 1 投稿の安定リズム	1 日 3 投稿、または 3 日間の更新停止

十、クイックスタートガイド

今すぐこの SOP を使うなら：

Day 0（準備、2〜3 時間）：

アカウント本人の代表的なコンテンツを 10 本集める
ペルソナの鉄の掟を 3〜5 条抽出する
死亡オープニングのブラックリストを作る
コンテンツタイプの配分を設定する

Day 1（素材庫、2〜4 時間）：

すべての一次コンテンツをテキスト化する
SOURCE-INDEX を構築する（重要データポイント + 出典）
使えるもの・要検証のものをマークする

Day 2（スケジュール + ルール、1 時間）：

最初の週のスケジュールを書く（7 本）
レッドラインを確認する
公開時刻を設定する

Day 3 以降（実行）：

毎日スケジュールに沿って原稿を書く
公開前に三段翻訳 + 5 点セットチェックを通す
公開後に tweet-log を記録する
毎週、週報を出して調整する

十一、よくある失敗

失敗	結果	修正方法
エージェントがデータを捏造	ユーザー / 本人にバレて信頼が崩壊	レッドライン 1 + SOURCE-INDEX の強制
超過投稿（1 日複数本）	アルゴリズムの降格 + コンテンツの希薄化	レッドライン 2 のハードリミット
すべての投稿がお知らせ調	インプレッション <300	三段翻訳チェック
名言 / 説教調	インプレッション 100〜250	死亡オープニングのブラックリスト
データを追跡しない	最適化できない	週報の仕組み
文体のドリフト	フォロワーが「本人っぽくない」と感じる	毎月、言語サンプルを見直して再調整

Install

# ClawHub
clawhub install gingiris-twitter-agent-ops

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

# または本ファイルをあなたの AI エージェントプロジェクトに直接コピー

関連リンク：

HuggingFace: https://huggingface.co/datasets/Gingiris/gingiris-twitter-agent-ops
GitHub: https://github.com/Gingiris-1031/gingiris-twitter-agent-ops
その他の playbook: https://gingiris.tools

Credits

方法論の基盤：向阳乔木「X運営成長の経験：100 から 11 万フォロワーまで」（3,861 件のデータ分析）
コンテンツ診断フレームワーク：dontbesilent/dbskill「コンテンツ制作診断」
実戦検証：@WeiYipei アカウント（Cola AI agent による運営、2026 年 4〜6 月）
著者：Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

License: MIT