x-comment —— X 时间线自动评论#

本 skill 固化的是我们在 profile=openclaw 环境下实测的一套流程：

• 浏览 X 首页推荐时间线（Home timeline）
• 筛选技术类、BTC 相关的推文
• 自动完成：打开 reply + 模拟真人慢速打字 填入评论 + 直接发送

核心原则： 全自动完成互动，输入评论后直接发送，不询问用户确认。只评论不点赞。

---

0. 环境约束与边界#

1. 浏览器与 profile
   • 使用托管浏览器 profile="openclaw"，通过 HTTP 代理访问 X；
   • 需要保证该浏览器 profile 内已经登录目标 X 账号，否则不会出现 like/reply 按钮。
2. 交互能力现状
   • 已实测可行：
     • 能在搜索结果页/详情页获取完整 DOM（含 data-testid="like"/"reply"）。
     • 能点击 like / reply 按钮。
     • 能用 browser act + type + slowly: true 模拟真人键盘输入，让 Reply 按钮亮起。
     • 能自动点击发送按钮完成评论发布。
3. Vision 功能限制
   • 禁止使用 screenshot 图片识别功能（OpenAI 组织未开启 vision）
   • 所有页面信息必须通过文本/DOM 抽取获取（evaluate/snapshot）
   • 遇到图片内容时，只能读取 alt 文本或跳过
4. Skill 定位

   • 这是一个 全自动互动 skill：

     • 自动：找内容 + 点赞 + 填评论 + 直接发送
     • 不询问用户确认，输入完成后立即发送

---

1. 使用场景与触发条件#

当用户出现类似需求时使用本 skill：

• 「去 X 时间线上找几条技术帖子评论」
• 「在 X 首页互动几条 BTC 相关内容」
• 「帮我在 X 推荐页发几条技术评论」
• 「去 X 首页找些 AI/区块链/开发相关的内容评论」

默认假设：

• 话题范围： 技术类（AI、automation、开发、工具等）+ BTC/加密货币相关；
• 条数 N = 3，除非用户另行指定；
• 语言策略： 根据原推文语言自动匹配（中文推文→中文评论，其他语言→英文评论）；
• 只评论，不点赞。

---

2. 高层流程#

1. 确定参数

   • 话题筛选：技术类（AI、agent、automation、开发工具、编程等）+ BTC/加密货币相关；
   • 条数 N：默认 3；
   • 互动动作： 只评论，不点赞；
   • 语气：
     • 默认：专业、友好、偏工程视角；
     • 对敏感话题（政治/战争等）要中立、反战、强调查证。
   • 语言策略：
     • 检测原推文主要语言（通过文本中汉字占比、标点符号等判断）；
     • 中文推文（汉字占比 > 30%）→ 用中文回复；
     • 其他语言 → 用英文回复；
     • 技术术语始终保持英文（如 API、Docker、LLM 等）。

2. 打开 Home timeline text

   https://x.com/home
   
   

   • 使用： jsonc

     {
       "action": "open",
       "profile": "openclaw",
       "target": "host",
       "targetUrl": "https://x.com/home"
     }
     
     

3. 通过 evaluate 抓取候选 tweets（增强版：包含互动数据）

   在 Home timeline 执行类似脚本，拿前若干条并获取互动数据： js

   () => {
     const N = 15; // 多拉一些以便筛选优质内容
     const articles = Array.from(document.querySelectorAll('article[role="article"]'));
     const picked = articles.slice(0, N);
     const tweets = picked.map(article => {
       const linkEl = article.querySelector('a[href*="/status/"]');
       const href = linkEl ? linkEl.href : null;
       const textEl = article.querySelector('div[data-testid="tweetText"]');
       const text = textEl ? textEl.innerText : '';
       const authorEl = article.querySelector('div[data-testid="User-Name"] span');
       const author = authorEl ? authorEl.innerText : '';
   
       // 获取互动数据（reply/retweet/like 计数）
       const replyEl = article.querySelector('[data-testid="reply"]');
       const retweetEl = article.querySelector('[data-testid="retweet"]');
       const likeEl = article.querySelector('[data-testid="like"]');
       const replies = replyEl?.getAttribute('aria-label')?.match(/\d+/)?.[0] || '0';
       const retweets = retweetEl?.getAttribute('aria-label')?.match(/\d+/)?.[0] || '0';
       const likes = likeEl?.getAttribute('aria-label')?.match(/\d+/)?.[0] || '0';
   
       // 获取发布时间（相对时间）
       const timeEl = article.querySelector('time');
       const timeAgo = timeEl?.getAttribute('datetime') || '';
   
       return {
         href, text, author,
         replies: parseInt(replies),
         retweets: parseInt(retweets),
         likes: parseInt(likes),
         timeAgo
       };
     }).filter(t => t.href && t.text);
     return { ok: true, tweets };
   }
   
   

   模型侧基于多维度筛选出 N 条 最值得互动 的推文。

   筛选标准（优先级从高到低）：

   1. 优质账号优先：
      • 已认证账号（蓝V/金V）
      • 知名技术博主/开发者/加密 KOL
      • 粉丝量 > 1k 或互动率高的账号
   2. 新鲜度优先：
      • 优先选择 < 2 小时内发布的推文
      • 次优：2-6 小时内
      • 尽量避免 > 24 小时的旧内容
   3. 互动起飞阶段：
      • 理想区间：10-100 条回复，说明话题有热度但未过度拥挤
      • 点赞/转发比例合理（非刷量）
      • 避免：0 互动（冷清）或 >500 互动（已饱和）
   4. 话题相关性：
      • 技术类：AI、agent、automation、OpenClaw、开发工具、编程、框架、API、cloud、DevOps 等
      • BTC 相关：Bitcoin、BTC、加密货币、区块链、DeFi、Web3 等
      • 排除：纯政治、八卦、娱乐、广告推广等无关内容

4. 为每条生成高质量评论文案

   评论质量标准（必须满足至少一项）：

   1. 提供额外价值：
      • 补充原推文未提及的技术细节、实践经验
      • 分享相关工具/资源/文档链接
      • 提出可操作的改进建议
      • 例：「这个方案不错，如果结合 XX 工具的 YY 功能，可以进一步优化 ZZ 环节」
   2. 制造对立（建设性）：
      • 提出不同观点但附带论据
      • 指出潜在问题或边界条件
      • 挑战假设但保持尊重
      • 例：「不完全同意，实际场景中 XX 可能成为瓶颈，因为……」
   3. 提问引导：
      • 提出深入的技术问题
      • 请求具体细节或使用体验
      • 引导作者展开讨论
      • 例：「好奇你们是怎么处理 XX 场景的？我们遇到了 YY 问题」
   4. 求证验证：
      • 对数据/结论提出验证需求
      • 分享类似场景的对比结果
      • 请求开源/文档链接
      • 例：「有相关的 benchmark 数据吗？我们测试下来 XX 指标差异较大」
   5. 幽默共鸣：
      • 用梗或类比增强表达
      • 自嘲式认同（「我也踩过这个坑」）
      • 轻松但不失专业
      • 例：「哈哈这个 bug 是程序员的必经之路，上次我因为这个 debug 到凌晨三点」

格式与长度要求：

• 字数限制（硬约束）：

  • 普通用户（非 Premium）：最多 280 字符
  • 中文评论建议：50-120 字（约 150-360 字符，安全范围内）
  • 严格控制：生成评论后必须验证字符数 ≤ 280，超过则缩减

• 结构：

  • 开头：直接切入观点/问题（不要「很有意思」「很棒」等空话）
  • 主体：1-2 句核心论述或具体细节
  • 结尾：可选的问句/行动号召（如「你怎么看？」「期待开源」）

• 格式优化：

  • 必要时用换行分段（最多 2 段）
  • 技术术语用英文或代码格式（如 API、 Docker）
  • 避免过度使用 emoji（最多 1-2 个，且有实际语义）

互动闭环策略：

• 优先评论 有回复习惯的作者（查看其它回复中作者是否活跃）
• 在评论中 留钩子：提问、@相关账号、预告后续分享
• 例：「我们团队也在探索类似方案，改天整理个完整对比发出来 @你」
• 如果作者回复， 在下一轮 cron job 时优先回访（需要维护一个「待回访列表」）

负面示例（避免）：

❌ 「很有意思，学习了！」（无实质内容）

❌ 「666」「牛逼」（无价值的符号）

❌ 「同意楼上」（重复他人观点）

❌ 纯广告/自我推广（「我们的产品也能做到」）

❌ 过长的技术教程（超过 150 字，应该拆成独立推文）

正面示例（已验证字符数 ≤ 280）：

✅ 「这个架构的关键在于状态管理，我们之前用 Redis 做分布式锁遇到过脑裂问题，后来改用 etcd 的 lease 机制才彻底解决。你们是怎么处理的？」（62 字/约 186 字符，提供价值 + 提问）

✅ 「不完全认同"BTC 只是投机工具"，真正的价值在于抗审查和去中心化。当然现阶段 90% 的人确实只是炒币，这是两码事。」（53 字/约 159 字符，制造对立但有论据）

✅ 「哈哈上次我也因为忘了清 Docker cache 导致镜像大小暴涨到 2GB，最后发现是 node_modules 被打进去了。多阶段构建真的能救命。」（62 字/约 186 字符，幽默共鸣 + 实践经验）

1. 对选中 tweets 自动点赞（本版本取消点赞）

   不再执行点赞动作，直接进入评论流程。

2. 进入详情页 + 打开回复框 + 填入评论

   对每条选中的 tweet：

   1. 使用 browser.navigate 进入详情页： jsonc

      {
        "action": "navigate",
        "targetId": "<page-id>",
        "url": "https://x.com/<user>/status/<id>"
      }
      
      

   2. 使用 evaluate 在详情页：

      • 找到 article[role="article"]；
      • 点击 [data-testid="reply"] 打开回复弹窗；
      • 等待 div[role="dialog"] div[role="textbox"][contenteditable="true"] 出现。

   3. 在文本框内 使用 browser 原生 type 动作 + slowly: true 输入评论内容：

      ⚠️ 重要：必须使用 browser 的原生 type 动作配合 slowly: true，而不是 evaluate 里的 JS 模拟输入！

      X 的 Draft.js 编辑器会校验输入事件的来源，只有通过 Playwright/CDP 的真实键盘输入才能让 Reply 按钮亮起。

      正确做法：

      1. 先用 snapshot 获取回复对话框中 textbox 的 ref： text

         browser snapshot labels=false targetId=<page-id>
         
         

         找到 textbox "Post text" [ref=eXXX]

      2. 用 browser act 的 type 动作， 必须带 slowly: true： jsonc

         {
           "action": "act",
           "profile": "openclaw",
           "targetId": "<page-id>",
           "request": {
             "kind": "type",
             "ref": "eXXX",
             "text": "你的评论内容",
             "slowly": true
           }
         }
         
         

错误做法（Reply 按钮会保持灰色）：

  - 用 `evaluate` \+ `execCommand('insertText', ...)`
  - 用 `evaluate` \+ 手动 dispatch KeyboardEvent/InputEvent
  - 用 `type` 但不带 `slowly: true`

验证按钮状态： 输入完成后，可以用 evaluate 检查 Reply 按钮是否亮起： js

(() => {
  const dialog = document.querySelector('div[role="dialog"]');
  const btns = dialog?.querySelectorAll('button');
  for (const btn of btns || []) {
    if (btn.innerText?.trim() === 'Reply') {
      return { disabled: btn.disabled, ariaDisabled: btn.getAttribute('aria-disabled') };
    }
  }
  return { found: false };
})()

当 disabled: false 且 ariaDisabled: null 时，按钮可点击。

1. 输入后直接发送（默认行为）：

   使用 slowly: true 输入后，Reply 按钮应该已经亮起。 默认直接点击发送，不询问用户确认。

   发送方式：用 evaluate 点击 Reply 按钮： js

   (() => {
     const dialog = document.querySelector('div[role="dialog"]');
     const btns = dialog?.querySelectorAll('button');
     for (const btn of btns || []) {
       if (btn.innerText?.trim() === 'Reply' && !btn.disabled) {
         btn.click();
         return 'clicked Reply';
       }
     }
     return 'not found or disabled';
   })()
   
   

   发送后等待 2 秒，检查对话框是否关闭（ dialogExists: false）来确认发送成功。

---

3. 对用户的反馈格式#

完成互动后，向用户做一个结构化汇报，例如：

• 本轮使用 profile=openclaw，已在托管浏览器中登录 X；
• 已自动执行：
  • 筛选范围：X 首页推荐时间线（Home timeline）
  • 筛选策略：优质账号 + 最新发布（< 2h）+ 互动起飞阶段（10-100 回复）
  • 筛选标准：技术类（AI/agent/开发工具等）+ BTC/加密货币相关
  • 评论质量：每条评论附带价值类型标签（提供价值/制造对立/提问/求证/幽默共鸣）
• 发送状态：
  • 以「对话框是否关闭」作为发送成功的判断依据；
  • 如果对话框关闭，视为发送成功。

示例（自然语言）：

本轮在 X 首页完成了 2 条高质量互动：

1. @某 AI 开发者（1 小时前，35 回复）

   话题：LangChain vs Semantic Kernel

   评论：「这两个框架的定位其实不同，LangChain 偏快速原型，SK 更适合企业级。我们项目里混用，用 LC 做 POC，SK 做生产。你们有考虑过混合方案吗？」

   类型： 提供价值 + 提问（110 字）

2. @某加密分析师（30 分钟前，18 回复）

   话题：BTC 短期波动分析

   评论：「技术分析在加密市场作用有限，尤其是链上数据和宏观政策更有预测力。上次 ETF 通过前夕就是典型案例，TA 根本没捕捉到。」

   类型： 制造对立（68 字）

---

4. 互动闭环跟踪（可选增强功能）#

为了实现真正的互动闭环，可以在 workspace 中维护一个状态文件：

文件路径： ~/.openclaw/workspace/skills/x-comment/interaction-state.json

结构示例：

json

{
  "pendingReplies": [
    {
      "tweetUrl": "https://x.com/user/status/123456",
      "myCommentTime": 1773533956000,
      "author": "@某开发者",
      "topic": "AI agent 框架",
      "checkCount": 0,
      "lastChecked": null
    }
  ],
  "completedThreads": [
    {
      "tweetUrl": "https://x.com/user/status/789012",
      "rounds": 3,
      "finalStatus": "author-replied-back"
    }
  ]
}

跟踪策略：

1. 每次发送评论后，将 tweet 加入 pendingReplies
2. 在后续 cron job 中：
   • 检查 pendingReplies 中是否有作者回复（通过访问 tweet 详情页，检查作者是否回复了我的评论）
   • 如果有回复， 优先对这些内容进行二次互动
   • 如果 3 次检查后仍无回复，移入 completedThreads 标记为 no-author-reply
3. 二次互动评论同样遵循「高质量」标准，避免简单的「感谢回复」

---

5. 清理与关闭#

完成所有评论后， 关闭浏览器 tab：

jsonc

{
  "action": "close",
  "targetId": "<page-id>"
}

这样可以释放资源，避免后台累积过多标签页。

---

6. 技术要点总结#

• 输入方式：必须用 browser act + type + slowly: true，不能用 evaluate 脚本注入
• 发送方式：用 evaluate 点击 Reply 按钮（ btn.click()）
• 成功判断：对话框关闭（ dialogExists: false）即为发送成功
• 默认行为：全自动，输入完成后直接发送，不询问用户确认
• 质量优先：宁可少评论，也要保证每条都是高质量（50-150 字，有实质内容）
• 互动闭环：维护状态文件跟踪作者回复，优先二次互动形成对话
• 任务结束：所有评论完成后关闭浏览器 tab，释放资源