modbender X 运营自动化 Skill v4.0
快速开始
触发条件：
- "刷推 [时间]"
- "运营推特 [时间]"
- "去X上互动 [时间]"
首次运行：
自动进入 Onboarding 流程（详见 docs/onboarding.md）
后续运行： 读取配置 → 直接刷推
文档结构
x-engagement/
├── SKILL.md # 主入口（本文件）
├── docs/
│ ├── onboarding.md # Onboarding 流程
│ ├── browser-operations.md # 浏览器操作模块（基于 Chirp）
│ ├── comment-rules.md # 评论规则（重要！防止错误）
│ ├── human-behavior.md # 人类行为模拟规范
│ ├── memory-system.md # 记忆系统设计
│ ├── cron-jobs.md # 定时任务
│ ├── comment-generation.md # 评论生成逻辑
│ └── natural-language-parser.md # 自然语言时间解析
├── playbooks/
│ ├── comment-strategies.md # 评论策略（有效/无效）
│ └── changelog.md # 策略变更记录
├── data/
│ └── engagement/
│ └── YYYY-MM-DD.json # 每日评论数据
├── templates/
│ ├── persona.md # Persona 模板
│ ├── config.json # 配置模板
│ └── daily-log.md # 每日日志模板
└── scripts/
├── setup-cron.sh # 设置定时任务
├── check-onboarding.sh # 检查状态
└── daily-review.sh # 每日复盘脚本
核心功能
1. Onboarding（首次运行）
5个阶段：
- 浏览器连接 + 登录检查
- 选择 Persona（自己或其他账号）
- 学习 Persona（抓取100条 → 生成描述）
- 刷推习惯配置
- 保存配置
详见： docs/onboarding.md
2. 人类行为模拟
核心原则： 不追求完美，追求"足够像真人"
包含：
- 随机时间生成器（正态分布）
- 人类滚动模式（小/中/大滚动）
- 鼠标轨迹模拟
- 频率限制
- 评论间隔（3-6分钟）
详见： docs/human-behavior.md
3. 记忆系统
三层记忆：
memory/daily/hotspots/
├── .onboarding_complete # Onboarding 标记
├── .config.json # 用户配置
├── personas/
│ └── [handle].md # Persona 描述
├── events/ # 重大事件（永久）
├── tables/ # 每日热点（7天）
└── history/
├── comments/ # 评论历史（避免自相矛盾）
└── daily/ # 每日日志
关键功能：
- 记录每次评论内容
- 记录用户说过的话（如"昨天出去吃饭了"）
- 评论前检查历史，避免矛盾
详见： docs/memory-system.md
4. 定时任务
每日热点总结：
- 时间：每天早上10点
- 内容：抓取 Top 10 → 更新热点表格 → 推送给用户
刷推提醒（用户自定义）：
- 支持自然语言设置
- 固定时间："早上9点、下午3点、晚上9点"
- 随机时间："每天3次，随机时间"
- 工作日/周末："工作日晚上8点，周末随机3次"
设置方法：
./scripts/setup-cron.sh
详见： docs/cron-jobs.md
5. 刷推流程
⚠️ 重要规则（必须遵守）：
- 只在 Following 的 Recent 页面评论（不是 Popular）
- 评论前检查历史（避免重复评论同一博主）
- 记录所有评论（保存到历史文件）
详见： docs/comment-rules.md（必读！）
For You 页面：
- 浏览（真人滚动模式）
- 关注（根据配置条件）
Following 页面：
- 确保是 Recent（不是 Popular）
- 点赞（有价值的推文）
- 评论（2小时内，使用 persona 风格）
- 记录评论到历史（避免重复）
详见： docs/comment-generation.md
6. 浏览器操作（基于 Chirp）
使用 profile=openclaw：
- 独立浏览器进程，100% 稳定
- 不依赖 Chrome 扩展（Browser Relay 不稳定）
- 支持 DOM 操作 + 人类行为模拟
核心操作：
- 点赞（带随机延迟）
- 评论（使用 persona 风格）
- 滚动（模拟人类）
- 关注（根据条件）
Token 优化：
- 避免频繁 snapshot
- 使用 compact snapshot
- 直接操作 DOM
详见： docs/browser-operations.md
使用示例
首次使用
用户: 刷推
Bot: 开始 Onboarding...
1. 检查浏览器...
2. 请选择 persona...
3. 学习中...
4. 配置刷推习惯...
5. 完成！开始刷推...
后续使用
用户: 刷推半小时
Bot: 读取配置...
For You: 浏览 18-30 屏，关注 6 人
Following: 点赞 18 条，评论 6 条
开始...
关键特性
| 特性 | 说明 |
|---|---|
| 完整 Onboarding | 5阶段引导，学习 persona |
| 人类行为模拟 | 随机延迟、滚动模式、频率限制 |
| 记忆系统 | 评论历史、用户信息、热点表格 |
| 定时任务 | 每日热点总结 |
| 避免矛盾 | 评论前检查历史记录 |
| 结构化设计 | 多文件组织，易于维护 |
自我进化系统
核心理念
没有记忆的AI，只是一个聪明的工具。 有记忆且能进化的AI，才是会成长的伙伴。
进化闭环
采集数据 → 分析对比 → 得出结论 → 更新规则 → 下次执行
三大机制
1. Playbook 系统
playbooks/comment-strategies.md- 记录有效/无效策略playbooks/changelog.md- 记录策略变更- Agent 可以更新自己的规则
2. 数据采集
data/engagement/YYYY-MM-DD.json- 每日评论数据- 记录：时间、作者、内容、结果
- 用于后续分析和优化
3. 每日复盘（22:00）
- 统计今日数据
- 分析有效策略
- 更新 Playbook
- 生成明日建议
- 推送报告给用户
文件结构
x-engagement/
├── playbooks/
│ ├── comment-strategies.md # 评论策略（有效/无效）
│ └── changelog.md # 策略变更记录
├── data/
│ └── engagement/
│ └── YYYY-MM-DD.json # 每日评论数据
└── scripts/
└── daily-review.sh # 每日复盘脚本
使用示例
Agent 学习过程：
- 发现「妙啊」评论效果好
- 在 Playbook 中记录：「妙啊」适用于技术分享，数据支撑：2026-03-02
- 下次刷推时读取这条规则
- 考虑在类似推文上使用相同策略
进化效果：
- Agent 越用越聪明
- 自动学习什么评论有效
- 持续优化策略
- 避免重复错误
必读文档
按顺序阅读：
docs/onboarding.md- 了解首次运行流程docs/human-behavior.md- 了解人类行为模拟docs/memory-system.md- 了解记忆系统docs/comment-generation.md- 了解评论生成
版本: 4.0.0 更新: 2026-03-02 改进: 结构化设计 + 记忆系统 + 定时任务 + 人类行为规范