> 🌍 **Language**: [中文](../../SKILL.md) | [English](../en/README.md) | [日本語](../ja/README.md) | [한국어](../ko/README.md)

# Twitter/X Agent Operations — AI 자동 운영 완전 SOP

> **실전 검증**: AI 에이전트가 45일 만에 @WeiYipei를 1,150 → 1,837 팔로워(+60%)로 성장시켰습니다. 하루 1개 게시, 전 과정 자동 운영.
>
> 이 스킬은 system prompt를 지원하는 모든 AI 에이전트(Claude Code, Cursor, Trae, GPT)에서 사용할 수 있습니다.

---

## 1. 시스템 아키텍처 개요

```
┌─────────────────────────────────────────────────────┐
│            Twitter Agent Operations                 │
├─────────────────────────────────────────────────────┤
│                                                     │
│  [1] 페르소나 교정 ──→ [2] 소스 라이브러리 ──→ [3] 스케줄링 │
│        │                    │                  │    │
│        ▼                    ▼                  ▼    │
│  [4] 레드라인 규칙   [5] 게시 전 점검   [6] 트래킹     │
│                                                     │
│  ───────── 주간 루프 ─────────                       │
│  주간 리포트 → 회고 → 비중 조정 → 다음 주 스케줄       │
│                                                     │
└─────────────────────────────────────────────────────┘
```

**6대 핵심 모듈**:
1. **페르소나 교정 시스템** — 에이전트가 "그 사람답게" 쓰도록 만들기
2. **소스 라이브러리 구축** — 팩트 소스 데이터베이스, 날조 원천 차단
3. **스케줄링 시스템** — 주간 콘텐츠 캘린더, 하루 1개 리듬
4. **레드라인 규칙** — 절대 어겨선 안 되는 안전선
5. **게시 전 점검** — 3중 번역 + 5종 세트 품질 검사
6. **데이터 트래킹** — tweet-log + 주간 리포트 + 팔로워 추적

---

## 2. 페르소나 교정 시스템 (Voice Guide)

### 왜 필요한가

AI 에이전트의 가장 큰 문제는 "못 쓰는 것"이 아니라 "쓴 글이 그 사람 같지 않은 것"입니다. 페르소나 교정이 해결하는 건 **영혼의 문제**이지, **형식의 문제**가 아닙니다.

### 교정 단계

#### Step 1: 원본 말뭉치 수집

계정 주인의 실제 표현 샘플을 수집합니다(최소 3가지 '농도'로):

| 농도 | 출처 | 역할 |
|------|------|------|
| 진함 | 블로그 / 장문 글 | 서사 구조, 가치관 표현 추출 |
| 중간 | 소셜 미디어 원본 게시물 | 구어체 감각, 단편적 표현 추출 |
| 옅음 | 팟캐스트 / 인터뷰 / 대화 | 가장 진짜 같은 말투, 입버릇 추출 |

#### Step 2: 철칙 추출

말뭉치에서 절대 어겨선 안 되는 표현 철칙 3~5개를 추출합니다. 예:

```
철칙 A: 첫 문장은 반드시 「나」 + 구체적 경험/숫자/순간
철칙 B: 삼단논법(주장→근거→호소) 구조 금지
철칙 C: 모든 글에 "정리 멘트"가 필요한 건 아니다
철칙 D: 굵은 글씨 = 신념의 표현이지, 핵심 강조용이 아니다
```

#### Step 3: 죽은 오프닝 블랙리스트 구축

과거 데이터에서 "노출수가 가장 낮은 오프닝 패턴"을 찾아 명확히 금지합니다:

```
❌ 타인의 말 인용으로 시작
❌ 거대 담론형 오프닝 ("AI 시대의 반직관적인 사실 하나")
❌ 주어 없는 거창한 단어로 시작
❌ 철학적 명언으로 바로 시작
```

#### Step 4: 콘텐츠 유형별 비중 정의

데이터 성과에 따라 각 유형의 비율을 배분합니다:

| 유형 | 권장 비중 | 이유 |
|------|---------|------|
| 장문(개인 경험+데이터+인사이트) | 70% | 히트작이 집중되는 구간 |
| 도구/리소스 게시물 | 20% | 북마크 수 최고 |
| 일상 조각/푸념 | 10% | 사람 냄새 유지 |

**실전 데이터**: "짧은 명언" 유형을 폐기한 후, 주 평균 노출수가 266% 상승했습니다.

---

## 3. 소스 라이브러리 구축 (SOURCE-INDEX)

### 핵심 원칙

**데이터를 날조하지 않는다. 트윗 속 모든 구체적 숫자에는 실제 출처가 있어야 한다.**

### 구축 단계

#### Step 1: 1차 자료 수집

계정 주인의 모든 1차 콘텐츠를 검색 가능한 텍스트로 변환합니다:

- 팟캐스트/인터뷰 → 전문 전사(whisper / 수동)
- 글/문서 → markdown 형식으로 아카이빙
- 강연/발표 → 핵심 포인트 추출

#### Step 2: SOURCE-INDEX 구축

핵심 자료 포인트마다 다음과 같이 표기합니다:

```markdown
| 자료 포인트 | 출처 | 원문 위치 | 사용 가능 여부 |
|--------|------|----------|---------|
| 오픈소스 첫 주 6000 Star | ep01 77번째 줄 | "첫 주에 우리는 6000개의 star를 받았다" | ✅ |
| 투자자 643명 | ep06 32번째 줄 | "643명을 추가했을 거예요, 제 기억이 맞다면" | ✅ |
```

#### Step 3: 정기 검증

매주 스케줄에서 인용한 데이터 포인트가 원문과 일치하는지 확인합니다. **팟캐스트나 자리에 따라 말한 숫자가 다를 수 있습니다 — 가장 신뢰할 수 있는 버전을 채택하고 표기해 두세요.**

**실전 교훈**: "3일 만에 6000 Star"와 "1주일에 6000 Star"를 혼동해 사용자에게 지적받은 적이 있습니다. 검증 결과 모든 원문이 일관되게 "첫 주"라고 말한 것을 확인했습니다.

---

## 4. 스케줄링 시스템

### 리듬

- **하루 1개**(하드 룰, 초과 게시 불가)
- 게시 시간: 고정 시간대(권장: 베이징 시간 14:00-15:00, 또는 타깃 독자의 활동 시간대)

### 스케줄 템플릿

매주 일요일에 다음 주 스케줄을 생성합니다:

```markdown
## 월요일 ｜ [유형] ｜ [주제]
**자료 출처**: [SOURCE-INDEX의 구체적 항목]
**5종 세트 셀프 체크**: ✅/❌
**3중 번역 셀프 체크**: ✅/❌
**CTA (댓글란)**: [링크]
```

### 중복 제거 메커니즘

각 게시물 스케줄링 전에 tweet-log를 확인합니다:
- 같은 핵심 논점을 지난 30일 안에 게시한 적이 있는가?
- 같은 데이터 포인트를 지난 14일 안에 사용한 적이 있는가?
- 중복이라면 → 각도를 바꾸거나 주제를 바꾼다

### 시간대 참고 (3,861개 트윗 데이터 분석 기반)

| 시간대 | 적합한 콘텐츠 |
|------|----------|
| 10~13시 | 도구, 튜토리얼, 리소스 입구 |
| 17~23시 | 핵심 콘텐츠, 관점, 사례 분석 |
| 0~1시 | 북마크가 잘 되는 콘텐츠, 개발자 도구 |

월간 순위 최적: 17시 > 23시 > 13시 > 11시 > 20시

---

## 5. 레드라인 규칙

### 절대 어겨선 안 되는 것:

| # | 규칙 | 설명 |
|---|------|------|
| 1 | 데이터 날조 금지 | 모든 숫자에 실제 출처 필수. 출처가 없으면 차라리 쓰지 않는다 |
| 2 | 하루 1개 | 초과 게시 금지. 에이전트가 임의로 빈도를 조정할 수 없다 |
| 3 | CTA를 본문에 넣지 않는다 | 외부 링크는 반드시 첫 번째 reply에 (X 알고리즘은 본문 링크를 30~90% 페널티) |
| 4 | 데이터 정합성 | 변동하는 숫자는 게시 전 최신 값을 가져와야 한다 |
| 5 | 3중 번역 | 모든 트윗은 3중 번역 점검을 통과해야 한다 (아래 참고) |
| 6 | 5종 세트 | 모든 트윗은 5종 세트 점검을 통과해야 한다 (최소 4/5) |

---

## 6. 게시 전 점검

### 점검 A: 3중 번역 (내부 언어에서 외부 언어로)

각 트윗을 한 번 통독하며 "공지문 같은 표현"이 없는지 확인합니다:

| # | 번역 | Before | After |
|---|------|--------|-------|
| 1 | 출시→도움 | "신기능을 출시했습니다" | "이 기능이면 80페이지 보고서가 3페이지 요약으로 바뀝니다" |
| 2 | 기능→상황 | "긴 컨텍스트 지원" | "업계 보고서를 한 번에 다 읽고 경쟁사 변화를 찾아냅니다" |
| 3 | 결론→증거 | "효과가 아주 좋습니다" | 실제 스크린샷, 입출력, 단계, 비교를 보여준다 |

**트윗에 "우리가 X를 출시했다 / Y를 업그레이드했다" 같은 문장이 하나라도 있으면 → 반드시 다시 쓴다.**

### 점검 B: 5종 세트 (강력한 트윗 하나 = 작은 정보 상품 하나)

| # | 점검 항목 | 독자의 어떤 질문에 답하는가 |
|---|--------|------------------|
| 1 | 한눈에 이해되는 가치 약속 | "이게 나랑 무슨 상관이지?" |
| 2 | 구체적인 사용 상황 하나 | "내가 언제 쓰게 되지?" |
| 3 | 진입 장벽을 낮추는 단계/입구 | "지금 바로 시작할 수 있나?" |
| 4 | 스크린샷, 숫자, 사례 = 증거 | "내가 왜 믿어야 하지?" |
| 5 | 북마크하거나 공유할 만한 이유 하나 | "내가 왜 이걸 간직해야 하지?" |

**4/5를 충족하지 못하면 = 게시하지 않는다. 돌아가서 고친다.**

---

## 7. 데이터 트래킹

### Tweet Log (모든 트윗 필수 기록)

```markdown
| 날짜 | 시간 | Tweet ID | 유형+요약 | 노출수 | 인게이지먼트 | 비고 |
```

### 주간 리포트 템플릿

매주 생성:
- 팔로워 변화(시작/종료 + 일일 증가)
- 노출수 Top 3 게시물 분석
- 콘텐츠 유형별 성과 비교
- 다음 주 전략 조정 제안

### 핵심 지표

| 지표 | 의미 | 최적화 방향 |
|------|------|---------|
| 북마크 수 | 좋아요보다 중요 (신뢰 신호) | 도구/리소스 게시물은 자연스럽게 북마크가 많다 |
| 노출수 | 알고리즘 배포 효과 | 오프닝이 80%를 결정한다 |
| 인게이지먼트율 | 콘텐츠 공감도 | 댓글 > 좋아요 > 리트윗 |
| 팔로워 일일 증가 | 성장 건전성 | 안정 > 변동 |

---

## 8. 콘텐츠 방법론 참고

### 4가지 콘텐츠 원형 (3,861개 트윗 데이터 기반)

| 유형 | 상위 10% 진입 확률 | 특징 |
|------|-------------|------|
| 리소스 입구형 | ~51% | 독자 대신 입구를 찾아준다 (검색 절약) |
| 도구 튜토리얼형 | ~39% | 독자 대신 복잡한 것을 이해해 준다 (이해 절약) |
| AI 도구 발견형 | ~24% | 새 도구 + 구체적 과업 제시 (시행착오 절약) |
| 일반 의견형 | ~9% | 행동 없는 순수 의견 (피할 것) |

### 4가지 절약 모델

콘텐츠의 가치는 얼마나 많은 정보를 말했느냐가 아니라, 독자의 수고를 몇 단계 줄여줬느냐에 있습니다:

1. **검색 절약** — 독자가 정보의 바다에서 입구를 찾지 않아도 된다
2. **이해 절약** — 독자가 복잡한 개념을 스스로 추측하지 않아도 된다
3. **시행착오 절약** — 독자가 함정을 전부 밟아보지 않아도 된다
4. **표현 절약** — 독자가 그대로 다른 사람에게 전달할 수 있다

### 3가지 가시성 원칙

독자는 보이고, 클릭할 수 있고, 셀 수 있는 콘텐츠를 더 신뢰합니다:

| 원칙 | 예시 | 상위 10% 진입 확률 |
|------|------|-------------|
| 보인다 | 스크린샷, 화면 녹화, 비교 이미지 | — |
| 클릭할 수 있다 | 링크, 도구 이름, 검색 경로 | ~40% ("링크는 댓글 참조" 포함 시) |
| 셀 수 있다 | 숫자, 시간, 비용, 단계 수 | ~35% (리소스 키워드 포함 시) |

### 골든 길이

| 게시물 글자 수 | 상위 10% 진입 확률 |
|---------|-------------|
| 40자 이하 | ~7% |
| 41~100자 | ~15% |
| **120~220자** | **~26~28% (골든 구간)** |

**템플릿**: 첫 문장에서 가치를 말한다 → 둘째·셋째 문장에서 상황을 말한다 → 이어서 증거나 단계를 제시한다 → 마지막에 입구나 북마크할 이유를 준다.

---

## 9. 실전 사례: @WeiYipei 운영 데이터

### 성장 곡선

```
Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← 콜드 스타트, 탐색 단계
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← 매일 장문 게시 시작
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← 첫 히트작 등장
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Thread + 인게이지먼트 전략
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← 안정적인 장문 아웃풋
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← Playbook 40종 전체 지도로 폭발
```

**합계: 1,150 → 1,837 = +687 팔로워 (+60%), 45일**

### 핵심 전환점

| 이벤트 | 영향 |
|------|------|
| "명언 단문" 유형 폐기 | 주 평균 노출수 +266% |
| 아침 8시 고정 게시 | 히트 적중률 5% → 15% |
| 첫 문장은 반드시 「나」 + 구체적 경험 | 히트작 6개 전부 1인칭 |
| Thread(7~8개 게시물) 필살기 | Thread 1개로 팔로워 50~100 증가 |
| Playbook 40종 전체 지도 | 단 1주에 +297 팔로워 |

### 효과 있었던 것 vs 없었던 것

| ✅ 효과 있음 | ❌ 효과 없음 |
|--------|--------|
| 장문+실제 경험+데이터 | 철학적 명언/타인 인용 |
| 도구 게시물+주말 아침 8시 | 새벽 게시 (노출수 <200) |
| CTA를 댓글란에 | CTA를 본문에 (30~90% 감소) |
| 1인칭 오프닝 | 거대 담론/설교체 오프닝 |
| 매일 1개 안정 리듬 | 하루 3개 또는 3일 공백 |

---

## 10. 빠른 시작 가이드

### 지금 바로 이 SOP를 쓰려면:

**Day 0 (준비, 2~3시간)**:
1. 계정 주인의 대표 콘텐츠 10편 수집
2. 페르소나 철칙 3~5개 추출
3. 죽은 오프닝 블랙리스트 구축
4. 콘텐츠 유형별 비중 설정

**Day 1 (소스 라이브러리, 2~4시간)**:
1. 모든 1차 콘텐츠를 텍스트로 변환
2. SOURCE-INDEX 구축 (핵심 데이터 포인트+출처)
3. 사용 가능한 것과 검증 필요한 것 표시

**Day 2 (스케줄+규칙, 1시간)**:
1. 첫 주 스케줄 작성 (7개)
2. 레드라인 규칙 확인
3. 게시 시간 설정

**Day 3부터 (실행)**:
1. 매일 스케줄에 따라 초안 작성
2. 게시 전 3중 번역 + 5종 세트 점검
3. 게시 후 tweet-log 기록
4. 매주 주간 리포트 작성 + 조정

---

## 11. 흔한 실수

| 실수 | 결과 | 해결책 |
|------|------|------|
| 에이전트의 데이터 날조 | 사용자/주인에게 들키면 신뢰 붕괴 | 레드라인 1 + SOURCE-INDEX 강제 |
| 초과 게시 (하루 여러 개) | 알고리즘 강등 + 콘텐츠 희석 | 레드라인 2 하드 리밋 |
| 모든 글이 공지문처럼 | 노출수 <300 | 3중 번역 점검 |
| 명언/설교체 | 노출수 100~250 | 죽은 오프닝 블랙리스트 |
| 데이터 미추적 | 최적화 불가 | 주간 리포트 메커니즘 |
| 스타일 드리프트 | 팔로워가 "그 사람 같지 않다"고 느낌 | 매월 말뭉치를 다시 보고 재교정 |

---

## Install

```
# ClawHub
clawhub install gingiris-twitter-agent-ops

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

# 또는 이 파일을 당신의 AI 에이전트 프로젝트에 직접 복사
```

**관련 링크**:
- HuggingFace: https://huggingface.co/datasets/Gingiris/gingiris-twitter-agent-ops
- GitHub: https://github.com/Gingiris-1031/gingiris-twitter-agent-ops
- 더 많은 playbook: https://gingiris.tools

---

## Credits

- 방법론 기반: 向阳乔木 「X 운영 성장 경험: 100에서 11만 팔로워까지」 (3,861개 트윗 데이터 분석)
- 콘텐츠 진단 프레임워크: dontbesilent/dbskill 「콘텐츠 제작 진단」
- 실전 검증: @WeiYipei 계정 (Cola AI agent 운영, 2026년 4~6월)
- 저자: Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

---

*License: MIT*