- name
- x-comment
- description
- >-
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
- 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。
- 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。
- 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
- 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
- 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）。
- 打开 Home timeline
https://x.com/home- 使用：
{
"action": "open",
"profile": "openclaw",
"target": "host",
"targetUrl": "https://x.com/home"
}- 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：
() => {
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
- 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）
- ~~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。
- 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：
{
"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：
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：
{
"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：
(() => {
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。
4. 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：
(() => {
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：
{
"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：
- 每次发送评论后，将 tweet 加入
pendingReplies - 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
- 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：
{
"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