推特作为目前全球最活跃的信息平台之一，汇聚了大量来自技术大佬、AI公司官方账号一手资讯。我们可以利用自动化流程实时监控这些 AI领域的KOL 和官方账号，还有一些国内有名的的归藏大佬、小互等优质的内容生产者，实时追踪他们的推文内容，直接锁定一手信息源，在此基础上再结合 AI 自动摘要和推送功能，这样我们是不是就可以有源源不断的AI相关的素材了吗？
根据实际需求，我使用cursor开发了一个小工具，可以采集推特list时间线的推文，我们可以获取到目前比较火的推特AI list，也可以把自己想关注的用户放到新建的list中，方便集中监控采集，采集完成后使用AI做总结摘要和选题分析参考、作为素材生成多媒体等。
最后让cursor糊了个界面，pyside糊了一个可视化界面，并且打成了exe 包 可以直接解压使用，我把工具链接放到了后面，有需要的也可以直接下载解压使用就可以了。当然目前还是第一版，但是基本的功能都有了，有bug或者需要优化的地方在星球评论区共同讨论即可。
工具界面如下，输入推特list链接和cookie，设置采集的页码数，勾选是否AI摘要，如果需要的话填写deepseek key，这样就可以采集相关的推文了，为了更直观地阅读和挑选素材，我还用Claude 设计了一个页面，也一并打包到了文件中，所有数据都存储在本地，完全打造一个私有的AI咨询素材库。
整个工具的开发借助使用cursor+gemini 完成。
实现思路
- 第一步肯定是推特list和账号最新推文监控，采集推文的方法有很多，这里简单介绍两种，一种是使用影刀RPA，使用影刀也有多种实现方式，因为推特前端页面样式是动态变化的，所以我们没办法使用样式选择器，这时候就只能自己手写xpath或者通配符匹配，总体而言效率比较低，当然，使用影刀也有快速的办法，就是直接请求拦截，影刀默认也是支持的，拦截之后我们可以针对这部分数据进行解析，我快速实现了下，使用影刀大概每分钟可以采集60-100条左右，轻度使用是足够的，但是总体而言影刀的效率还是比较低的，只有API方式采集的1/10左右，还有就是影刀实现侵入性比较强，因为他会接管鼠标键盘，影响我们的其他操作，如果是临时性采集可以使用这种方案，如果是实时监控或者重度采集，就只能使用API了
- 定时执行和推送：解决采集问题后，我们可以定时如每分钟或每小时运行一次采集最新推文，同时更新推文的点赞评转阅读量等数据，方便直观对比热度。同时对采集到的推文进行AI摘要和推送。
- 数据可视化，既然采集完成只在数据库，阅读体验肯定很差，所以我们可以让cursor写一个简单的静态页面集成到工具中，帮助我们查看采集到的推文。
推特API获取数据
接下来介绍下推特API获取数据，这里也有多种方式，第一是使用企业版API，马斯克买下推特后，关闭了API的免费使用权限，现在企业版价格很贵能采集的数据也很少，性价比很低，对于我们来说没必要。那我们就只能自己借助AI逆向下推特API，然后花几毛钱买个推特cookie白号，这种方式几乎可以实现无限采集和监控，而且推特 API 相对稳定，无需频繁维护，可以长期使用。相比之下，使用影刀等其他方案，虽然入门简单，但在效率和成本方面不具有优势。
下面就介绍下如何使用web端API获取数据
以list接口为例，我们打开需要监控的List，F12打开控制台，在页面上找一段文字复制一下，比如这里我找的是“Open science is”，控制台调起Ctrl+F，输入这段文字，这时候我们就可以找到返回前端推文数据的接口了，那就是：ListLatestTweetsTimeline
定位到接口之后就是如何通过该接口去调用数据了，我们打开github上开源的推特api document，地址是：https://github.com/fa0311/TwitterInternalAPIDocument/blob/7d63d8905f4ea9225af44381beebeb078cd6e1fe/docs/json/API.json
全局搜下list API的接口参数：
这时候我们就可以让claude 或者 gemini 接管代码部分了，我们在控制台直接右击接口选择复制-复制curl，然后打开gemini studio，这里可以免费使用gemini 1.5 Pro 002，之所以使用gemini 做前期的工作，是因为他的上下文极大，有200万token，相比claude来说可以一次性生成代码，我们把刚刚复制的curl信息发送给Gemini生成代码。
等待一下我们可以看到gemini已经给出了第一版本的代码；
这个版本可以看到省略了一些features，我们把刚刚拿到的API json补充给gemini，让他帮我们完善这部分代码，直接拷贝代码尝试执行：
import requests
import json
def get_x_list_timeline(list_id,cookie, auth_token, guest_token, x_csrf_token):
"""
Fetches the X (formerly Twitter) list timeline data using the GraphQL API.
Args:
list_id: The ID of the Twitter List (e.g., "1652924692544757760").
auth_token: Your X authentication Bearer token.
guest_token: Your X guest token (ct0 cookie value).
x_csrf_token: Your X CSRF token.
Returns:
A dictionary containing the JSON response from the GraphQL API, or None
if there was an error.
"""
url = f"https://x.com/i/api/graphql/f-Lsj0rHCztXcgdo585UUw/ListLatestTweetsTimeline"
variables = {
"listId": list_id,
"count": 20 # Number of tweets to fetch
}
features = { # Copied directly from your provided features (but verify in your browser)
"rweb_tipjar_consumption_enabled": True,
"responsive_web_graphql_exclude_directive_enabled": True,
"verified_phone_label_enabled": False,
"creator_subscriptions_tweet_preview_api_enabled": True,
"responsive_web_graphql_timeline_navigation_enabled": True,
"responsive_web_graphql_skip_user_profile_image_extensions_enabled": False,
"communities_web_enable_tweet_community_results_fetch": True,
"c9s_tweet_anatomy_moderator_badge_enabled": True,
"articles_preview_enabled": True,
"responsive_web_edit_tweet_api_enabled": True,
"graphql_is_translatable_rweb_tweet_is_translatable_enabled": True,
"view_counts_everywhere_api_enabled": True,
"longform_notetweets_consumption_enabled": True,
"responsive_web_twitter_article_tweet_consumption_enabled": True,
"tweet_awards_web_tipping_enabled": False,
"creator_subscriptions_quote_tweet_preview_enabled": False,
"freedom_of_speech_not_reach_fetch_enabled": True,
"standardized_nudges_misinfo": True,
"tweet_with_visibility_results_prefer_gql_limited_actions_policy_enabled": True,
"rweb_video_timestamps_enabled": True,
"longform_notetweets_rich_text_read_enabled": True,
"longform_notetweets_inline_media_enabled": True,
"responsive_web_enhance_cards_enabled": False
}
headers = {
"accept": "*/*",
"accept-language": "zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7",
"authorization": f"Bearer {auth_token}",
"content-type": "application/json",
"x-csrf-token": x_csrf_token,
# ... process the tweets
print(json.dumps(tweets, indent=4))第一次执行当然会报错，因为我们还没有处理token的问题，我们在谷歌搜索“推特账号购买”，多点几个网址进去比对之后选择一个最便宜的号商，比如这里就有几毛钱的账号，我们直接买一个就可以了，可以直接接购买cookie号，也可以账号登录后手动导出或者复制cookie，都一样。
搞定cookie之后我们就可以直接通过cursor进行完善了。我们把cookie加到代码中。删掉没用guest_token，然后从cookie中正则提取x_csrf_token：x_csrf_token = ''.join(re.findall(r'ct0=(.*?);', cookie)[:1])，然后添加固定的Authorization：AAAAAAAAAAAAAAAAAAAAANRILgAAAAAAnNwIzUejRCOuH5E6I8xnZz4puTs%3D1Zv7ttfk8LF81IUq16cHjhLTvJu4FA33AGWWjCpTnA
到此我们就可以执行代码了，我们发现数据已经解析成功了，同理我们可以使用相同的办法获取推特的用户主页推文，多花几块钱买几个白号搭建账号池，每隔几秒执行一次监控最新推文。当然如果我们实时性要求不高的话，每隔一个小时执行一次就好了。这样的话一个账号就足够了，也无需代理，本地即可。
下面就是数据解析后保存了，这里为了方便后续的分析可视化与推送，我直接选择落表到数据库，我们可以选择sqlite或者mysql，这里和之前分享过的AI编程相关的提示词没啥区别，
下面是gemini生成的解析和保存代码，怎么说呢，反正是实现了，至于代码优不优雅我们也不用管那么多，前期能用就好。
def extract_tweet_info(self, result):
"""
Extracts information from a single tweet result.
"""
tweet_info = {}
legacy = result['legacy']
quoted_status_result = result.get('quoted_status_result', {}).get('result', {}).get('legacy', {})
tweet_info['quoted_status_text'] = quoted_status_result.get('full_text')
tweet_info['quoted_name'] = result.get('quoted_status_result', {}).get('result', {}).get('core',{}).get('user_results',{}).get('result',{}).get('legacy',{}).get('name')
tweet_info['quoted_screen_name'] = result.get('quoted_status_result', {}).get('result', {}).get('core',{}).get('user_results',{}).get('result',{}).get('legacy',{}).get('screen_name')
retweeted_status = legacy.get('retweeted_status_result')
if retweeted_status:
tweet_info['retweeted_name'] = retweeted_status['result']['core']['user_results']['result']['legacy']['name']
tweet_info['retweeted_screen_name'] = retweeted_status['result']['core']['user_results']['result']['legacy']['screen_name']
# 如果是转推，则覆盖full_text为转推前的文案
tweet_info['retweeted_full_text'] = retweeted_status['result']['legacy']['full_text']
quoted_status = retweeted_status['result'].get('quoted_status_result',{})
views = result.get('tweet', result).get('views', {}).get('count',0)
user_legacy = result.get('tweet', result).get('core', {}).get('user_results', {}).get('result', {}).get(
'legacy', {})
screen_user = user_legacy.get('screen_name')
followers_count = user_legacy.get('followers_count')
fast_followers_count = user_legacy.get('fast_followers_count')
name = user_legacy.get('name')
profile_url = user_legacy.get('profile_image_url_https')
reply_count = result.get('legacy', {}).get('reply_count', 0)
quote_count = result.get('legacy', {}).get('quote_count', 0)
retweet_count = result.get('legacy', {}).get('retweet_count', 0)
favorite_count = result.get('legacy', {}).get('favorite_count', 0)
user_link = f'https://twitter.com/{screen_user}'
tweet_text = result['note_tweet']['note_tweet_results']['result']['text']
tweet_create_time = result['tweet']['legacy']['created_at'] if 'tweet' in result else result['legacy'][
'created_at']
converted_time = datetime.strptime(tweet_create_time, '%a %b %d %H:%M:%S %z %Y')
formatted_time = converted_time.strftime('%Y/%m/%d %H:%M')
tweet_info.update({
"tweet_id": tweet_id,
"tweet_url": tweet_url,
"user_link":user_link,
"tweet_text": tweet_text,
"views": views,
"followers_count": followers_count,
"fast_followers_count": fast_followers_count,
"reply_count": reply_count,
"retweet_count": retweet_count,
"favorite_count": favorite_count,
"tweet_create_time": formatted_time,
"quote_count": quote_count,
"screen_name": screen_user,
"name": name,
"profile_url": profile_url,
"media_urls": media_urls
})
return tweet_info保存后的数据如下，包括了所有主流AI KOL和一些AI官方的推文，包括点赞、收藏、转推、浏览数等，这些数据足够我们使用了：
采集到数据之后才是第一步，在表中的阅读体验非常差，每天几百上千篇文章我们也不可能有足够的时间去阅读，所以我们需要使用AI总结、可以在可视化界面选择素材、推送到飞书或者微信等。
接下来我们就使用AI对推文进行总结
AI摘要
这里推荐大家使用deepseek或者豆包，当然通义千问也是可以的，主要是量大便宜，100万token也就一两块钱，用起来不心疼，而且ds注册还送500万token，豆包送1亿token，足够玩很长时间了。
这里以deepseek为例，我们打开官方地址：https://platform.deepseek.com/，直接实名认证然后创建一个新的API key 就好了
然后打开接口文档：https://api-docs.deepseek.com/zh-cn/，ds与openai接口完全是兼容的，我们使用oai库或者自己写request都一样，没啥问题。
接下来我们选择Python代码，直接拷贝到我们项目中，与cursor沟通，每次采集完成后请帮我使用AI模型总结推文摘要：
以下是AI大模型的调用方式，请你帮我修改代码，我希望在采集完成推特数据之后，能够使用AI总结推文，提供给大模型的信息要有：原推文正文、转推正文、引用正文、作者或者引用作者。请完成功能：#
from openai import OpenAI
client = OpenAI(api_key="", base_url="https://api.deepseek.com")
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "You are a helpful assistant"},
{"role": "user", "content": "Hello"},
],
stream=False
)
print(response.choices[0].message.content)
def get_tweets_from_db():
conn = mysql.connector.connect(**connection_params)
cursor = conn.cursor(dictionary=True)
cursor.execute('''
SELECT
tweet_id,
author_name,
text,
retweet_author_name,
retweet_text,
quote_author_name,
quote_text
FROM tweets_list WHERE ai_summary IS NULL OR ai_summary = ''
''')
tweets = cursor.fetchall()
cursor.close()
conn.close()
return tweetsdef fill_tweets_ai_summary():
tweets = get_tweets_from_db()
print(f"获取到的推特数量：{len(tweets)}")
for tweet_data in tweets:
tweet_content = f"""
author_name:```{tweet_data['author_name']}```
text:```{tweet_data['text']}```
retweet_author_name:```{tweet_data['retweet_author_name'] if tweet_data['retweet_author_name'] else ''}```
retweet_text:```{tweet_data['retweet_text'] if tweet_data['retweet_text'] else ''}```
quote_author_name:```{tweet_data['quote_author_name'] if tweet_data['quote_author_name'] else ''}```
quote_text:```{tweet_data['quote_text'] if tweet_data['quote_text'] else ''}```
"""
print(tweet_content)
summary = get_deepseek_response(tweet_content)
if summary:
print(f"推文ID: {tweet_data['tweet_id']}")
print(f"摘要: {summary}")
# 更新数据库中的ai_summary字段
upate_tweet_summary(tweet_data['tweet_id'], summary)我推文总结用到的提示词为：
请总结以下推文数据，精简全面地说明推文的重点，以帮助我判断推文价值，进行素材选题。我会提供给你author_name（作者）、text（推文）、retweet_text（转发推文），quote_author_name(引用推文作者)、quote_text（引用推文正文） 如果retweet_text存在，说明该条推文是作者转发了其他人的推文。如果quote_text存在，则说明是作者针对该推文进行的回复后者评论。请根据推文信息，帮我用精简的语言全面总结推文的重点。无需解释，请直接使用中文进行回复，并不超过50字概括推文核心内容
这个提示词根据自己需求决定就行了，自己想根据这些推文获取什么信息做什么处理按照自己想法来即可。以下为上面提示词总结后的效果，建议大家打开看一下，我个人还是挺满意的。
前端可视化展示
我们采集到了文章，也使用AI进行了摘要总结或者重写，那么如何展示呢，总不能每次都要打开一堆数据库管理软件导出表格吧，那就直接做一个可视化界面吧，反正有了AI，就是一段提示词的事嘛：
我的本地mysql数据库表结构如下：CREATE TABLE tweets_list (
tweet_id varchar(255) COLLATE utf8mb4_unicode_ci NOT NULL,
created_at datetime DEFAULT NULL,
text text COLLATE utf8mb4_unicode_ci,
author_name varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
author_screen_name varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
favorites int DEFAULT NULL,
retweets int DEFAULT NULL,
replies int DEFAULT NULL,
quotes int DEFAULT NULL,
views int DEFAULT NULL,
media_url text COLLATE utf8mb4_unicode_ci,
retweet_author_name varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
retweet_text text COLLATE utf8mb4_unicode_ci,
quote_author_name varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
quote_text text COLLATE utf8mb4_unicode_ci,
ai_summary text COLLATE utf8mb4_unicode_ci,
collected_at timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
PRIMARY KEY (tweet_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;
请你使用pytho fastapi帮我写一个页面，渲染AI摘要和原推文内容、链接等。注意页面以卡片方式呈现，排版布局合理，阅读要友好，视觉效果要好，主题色和推特同款天蓝色即可。
一句话就写好了，一字未改而且正确渲染，虽然第一版不太好看，那我们可以继续使用提示词优化知道满意为止：
请添加样式等，每条推文都用card包围，然后添加好看的样式，横铺瀑布流的形式。请给出完整代码
好了，第二版是我想要的结果，效果如下。当然还有改进的空间，比如把图片或者视频也渲染出来，但是现在我觉得没啥必要，因为我们可以点击原文进去查看吗，或者在推送的时候自动下载视频帮我们发送到飞书或者微信就好了。
完整代码如下：
<!DOCTYPE html>
<html lang="zh">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>推文和AI摘要</title>
<link rel="stylesheet" href="{{ url_for('static', path='/styles.css') }}">
<style>
body {
font-family: Arial, sans-serif;
background-color: #f0f2f5;
margin: 0;
padding: 0;
}
header {
background-color: #1da1f2;
color: white;
text-align: center;
padding: 1rem;
}
main {
max-width: 1200px;
margin: 0 auto;
padding: 1rem;
}
.tweet-container {
column-count: 3;
column-gap: 1rem;
}
.tweet-card {
background-color: white;
border-radius: 10px;
box-shadow: 0 2px 5px rgba(0,0,0,0.1);
padding: 1rem;
margin-bottom: 1rem;
break-inside: avoid;
}
.tweet-header {
display: flex;
align-items: center;
margin-bottom: 0.5rem;
}
.avatar {
width: 48px;
height: 48px;
border-radius: 50%;
margin-right: 0.5rem;
}
.user-info h2 {
margin: 0;
font-size: 1rem;
}
.user-info p {
margin: 0;
color: #657786;
font-size: 0.9rem;
}
.tweet-text {
margin-bottom: 0.5rem;
}
.tweet-image {
max-width: 100%;
border-radius: 10px;
margin-bottom: 0.5rem;
}
.tweet-stats {
display: flex;
justify-content: space-between;
color: #657786;
font-size: 0.9rem;
margin-bottom: 0.5rem;
}
.ai-summary {
background-color: #f7f9fa;
border-radius: 5px;
padding: 0.5rem;
margin-bottom: 0.5rem;
}
.ai-summary h3 {
margin: 0 0 0.5rem 0;
font-size: 0.9rem;
color: #1da1f2;
}
.tweet-link {
display: inline-block;
color: #1da1f2;
text-decoration: none;
font-size: 0.9rem;
}
@media (max-width: 900px) {
.tweet-container {
column-count: 2;
}
}
@media (max-width: 600px) {
.tweet-container {
column-count: 1;
}
}
</style>
</head>
<body>
<header>
<h1>推文和AI摘要</h1>
</header>
<main>
<div class="tweet-container">
{% for tweet in tweets %}
<div class="tweet-card">
<div class="tweet-header">
<img src="https://unavatar.io/twitter/{{ tweet.author_screen_name }}" alt="{{ tweet.author_name }}" class="avatar">
<div class="user-info">
<h2>{{ tweet.author_name }}</h2>
<p>@{{ tweet.author_screen_name }}</p>
</div>
</div>
<div class="ai-summary">
<h3>AI摘要</h3>
<p>{{ tweet.ai_summary }}</p>
</div>
<p class="tweet-text">{{ tweet.text }}</p>
{% if tweet.media_url %}
<img src="{{ tweet.media_url }}" alt="推文图片" class="tweet-image">
{% endif %}
<div class="tweet-stats">
<span>❤️ {{ tweet.favorites }}</span>
<span>🔁 {{ tweet.retweets }}</span>
<span>💬 {{ tweet.replies }}</span>
<span>🔄 {{ tweet.quotes }}</span>
<span>👁️ {{ tweet.views }}</span>
</div>
<a href="https://twitter.com/{{ tweet.author_screen_name }}/status/{{ tweet.tweet_id }}" target="_blank" class="tweet-link">查看原文</a>
</div>
{% endfor %}
</div>
</main>
</body>
</html>飞书&微信推送
飞书机器人推送官方文档：“数据推送”机器人
微信因为官方不支持机器人，所以如果有需求的话最好用小号，可以使用wechatpy或者wcf，一般来说稳定性都是可以的，切忌不要用大号！！这块很简单就跳过不展开了。
GUI封装
到这里我们的主要功能其实就已经实现了，接下来我们用GUI包装一层，方便自己使用：
请基于目前的代码使用pyside6实现一个GUI可视化界面。页面分为采集tab和列表tab，采集tab中可以输入要采集的推特list链接，推特cookie，需要采集的页数。列表tab需要展示所有采集到的推文信息，推文信息参考现有代码，从当前目录的sqlite数据库中的tweets_list表中获取。请根据现有代码实现这个功能。
直接执行之后第一版界面如下所示，第一观感比较差：
那就继续修改样式，直到我们满意为止：
请你帮我修改采集tab，在页面下方添加一个日志框，用于显示操作记录或系统消息。另外现在页面太丑了，请你根据内容框进行合理的视觉设计设计，添加样式，更改布局，使页面更加美观大方。请给完整的代码
修改后如下，这样看起来是不是就好多了？
OK，到这最小的MVP就实现了，再有就是我们解析保存了原始推文的所有信息，极大方便我们后续扩展功能，比如我们可以加上推文的图片和视频下载等等。再比如就是我们虽然已经接入了AI，但是我们只是做了摘要，可以在列表后面新增一个“改写”，自定义提示词，改写后一键添加到素材库，方便我们后续创作或者集成发布到多平台等等，总之我个人觉得有很多玩法。大家有什么好玩的功能推荐，可以把你的想法写在评论区，如果呼声比较高我后面都加上。
发布者：炼金术士，转载请注明出处：https://ailjs.com/4415.html
