Gingiris Twitter Agent Ops

Twitter/X Agent Operations — AI 自动运营完整 SOP

🌍 Language / 语言: 中文 | English | 日本語 | 한국어

实战验证：一个 AI agent 在 45 天内将 @WeiYipei 从 1,150 → 1,837 粉丝（+60%），日均发布 1 条，全程自动化运营。

>

本 skill 适用于任何支持 system prompt 的 AI agent（Claude Code, Cursor, Trae, GPT）。

---

一、系统架构概览

┌─────────────────────────────────────────────┐
│          Twitter Agent Operations           │
├─────────────────────────────────────────────┤
│                                             │
│  [1] 人设校准 ──→ [2] 素材库 ──→ [3] 排期  │
│       │                │              │     │
│       ▼                ▼              ▼     │
│  [4] 红线规则   [5] 发布检查   [6] 追踪    │
│                                             │
│  ───────── 每周循环 ─────────               │
│  周报 → 复盘 → 调整权重 → 下周排期         │
│                                             │
└─────────────────────────────────────────────┘

六大模块： 1. 人设校准系统 — 让 agent 写出"像这个人"的内容 2. 素材库建设 — 事实来源数据库，杜绝编造 3. 排期系统 — 每周内容日历，1 条/天节奏 4. 红线规则 — 不可违反的安全底线 5. 发布前检查 — 三次翻译 + 五件套质检 6. 数据追踪 — tweet-log + 周报 + 粉丝追踪

---

二、人设校准系统（Voice Guide）

为什么需要

AI agent 最大的问题不是"不会写"，而是"写出来不像这个人"。人设校准解决的是灵魂问题，不是格式问题。

校准步骤

Step 1：采集原始语料

收集账号主人的真实表达样本（至少 3 种浓度）：

Step 2：提炼铁律

从语料中提炼 3-5 条不可违反的表达铁律。例如：

铁律 A：开头必须是「我」+ 具体经历/数字/瞬间
铁律 B：禁止三段论（论点→论据→号召）结构
铁律 C：不是每条都要有"总结"
铁律 D：粗体 = 信念表达，不是重点标注

Step 3：建立死亡开头黑名单

从历史数据中找出"展示量最低的开头模式"并明确禁止：

❌ 引用他人话语开头
❌ 大命题式开头（"AI时代一个反直觉的事"）
❌ 无主语大词开头
❌ 哲理金句直接开头

Step 4：定义内容类型权重

根据数据表现分配各类型占比：

实战数据：废弃"短文金句"类型后，周均展示量提升 266%。

---

三、素材库建设（SOURCE-INDEX）

核心原则

不编造数据。所有推文中的具体数字必须有真实来源。

建设步骤

Step 1：采集一手素材

将账号主人的所有一手内容转化为可检索的文本：

• 播客/访谈 → 全文转录（whisper / 手动）
• 文章/文档 → markdown 格式存档
• 演讲/分享 → 要点提取

Step 2：建立 SOURCE-INDEX

每个关键素材点标注：

| 素材点 | 来源 | 原文位置 | 是否可用 |
|--------|------|----------|---------|
| 开源第一周 6000 Star | ep01 第77行 | "第一个星期我们就6000个star" | ✅ |
| 643 个投资人 | ep06 第32行 | "我们应该加了643个，就是我没有记错" | ✅ |

Step 3：定期核实

每周检查排期中引用的数据点是否与原文一致。不同播客/场合说的数字可能有出入——取最可靠的版本并标注。

实战教训：曾因"三天 6000 Star"与"一周 6000 Star"混淆被用户指出。核实后确认所有原文统一说"第一周"。

---

四、排期系统

节奏

• 1 条/天（硬规则，不可超发）
• 发布时间：固定时段（推荐 14:00-15:00 北京时间，或目标受众活跃时段）

排期模板

每周日生成下周排期：

## 周一 ｜ [类型] ｜ [主题]
**素材来源**：[SOURCE-INDEX 中的具体条目]
**五件套自检**：✅/❌
**三次翻译自检**：✅/❌
**CTA（评论区）**：[链接]

去重机制

每条排期前检查 tweet-log：

• 同一核心论点是否在过去 30 天发过？
• 同一数据点是否在过去 14 天用过？
• 如果重复 → 换角度或换主题

时间窗口参考（基于 3,861 条数据分析）

月内排名最优：17 点 > 23 点 > 13 点 > 11 点 > 20 点

---

五、红线规则

绝对不可违反：

---

六、发布前检查

检查 A：三次翻译（从内部语言到外部语言）

每条推文通读一遍，确认没有"公告式表达"：

如果推文中有任何一句像"我们发布了 X / 我们升级了 Y"→ 必须改写。

检查 B：五件套（一条强内容 = 一个小型信息产品）

不满足 4/5 = 不发，回去改。

---

七、数据追踪

Tweet Log（每条必记）

| 日期 | 时间 | Tweet ID | 类型+摘要 | 展示量 | 互动 | 备注 |

周报模板

每周生成：

• 粉丝变化（起止 + 日增）
• 展示量 Top 3 帖子分析
• 内容类型表现对比
• 下周策略调整建议

关键指标

---

八、内容方法论参考

四类内容原型（基于 3,861 条数据）

四省模型

内容的价值不在于你说了多少信息，而在于你帮读者少走了几步路：

1. 省搜索 — 读者不用在信息海里找入口 2. 省理解 — 读者不用自己猜复杂概念 3. 省试错 — 读者不用把坑全踩一遍 4. 省表达 — 读者可以直接把这条转给别人

三个可见原则

读者更愿意相信可见、可点、可量化的内容：

黄金长度

模板：第一句讲价值 → 第二三句讲场景 → 接着给证据或步骤 → 最后给入口或收藏理由。

---

九、实战案例：@WeiYipei 运营数据

增长曲线

Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← 冷启动，摸索阶段
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← 开始日更长文
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← 首条爆款出现
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Thread + 互动策略
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← 稳定长文输出
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← 40套Playbook全景图爆发

总计：1,150 → 1,837 = +687 粉丝（+60%），45 天

关键转折点

什么有效 vs 什么无效

---

十、快速启动指南

如果你现在要用这个 SOP：

Day 0（准备，2-3小时）： 1. 收集账号主人的 10 篇代表性内容 2. 提炼 3-5 条人设铁律 3. 建立死亡开头黑名单 4. 设定内容类型权重

Day 1（素材库，2-4小时）： 1. 把所有一手内容转为文本 2. 建立 SOURCE-INDEX（关键数据点+出处） 3. 标注哪些可用、哪些需核实

Day 2（排期+规则，1小时）： 1. 写第一周排期（7条） 2. 确认红线规则 3. 设定发布时间

Day 3 起（执行）： 1. 每天按排期写稿 2. 发前过三次翻译 + 五件套检查 3. 发后记录 tweet-log 4. 每周出周报 + 调整

---

十一、常见错误

---

Install

# ClawHub
clawhub install gingiris-twitter-agent-ops

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

# 或直接复制本文件到你的 AI agent 项目中

相关链接：

• HuggingFace: https://huggingface.co/datasets/Gingiris/gingiris-twitter-agent-ops
• GitHub: https://github.com/Gingiris-1031/gingiris-twitter-agent-ops
• 更多 playbook: https://gingiris.tools

---

Credits

• 方法论基础：向阳乔木「X运营增长经验：从100到11万关注」（3,861条数据分析）
• 内容诊断框架：dontbesilent/dbskill「内容创作诊断」
• 实战验证：@WeiYipei 账号（Cola AI agent 运营，2026年4-6月）
• 作者：Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

---

License: MIT

🌍 Language: 中文 | English | 日本語 | 한국어

Twitter/X Agent Operations — The Complete SOP for AI-Automated Account Management

Battle-tested: An AI agent grew @WeiYipei from 1,150 → 1,837 followers (+60%) in 45 days, posting 1 tweet per day, fully automated.

>

This skill works with any AI agent that supports a system prompt (Claude Code, Cursor, Trae, GPT).

---

1. System Architecture Overview

┌─────────────────────────────────────────────────────────┐
│              Twitter Agent Operations                   │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  [1] Persona ──→ [2] Source Library ──→ [3] Scheduling  │
│       │                  │                    │         │
│       ▼                  ▼                    ▼         │
│  [4] Hard Rules   [5] Pre-publish QC   [6] Tracking     │
│                                                         │
│  ───────────── Weekly Loop ─────────────                │
│  Weekly report → Review → Adjust weights → Next week    │
│                                                         │
└─────────────────────────────────────────────────────────┘

Six core modules: 1. Persona calibration system — make the agent write content that "sounds like this person" 2. Source library — a fact-source database, zero fabrication 3. Scheduling system — weekly content calendar, 1 tweet/day cadence 4. Hard rules — non-negotiable safety lines 5. Pre-publish checks — triple-translation + 5-point QC 6. Data tracking — tweet-log + weekly reports + follower tracking

---

2. Persona Calibration System (Voice Guide)

Why You Need It

The biggest problem with AI agents isn't that they "can't write" — it's that what they write "doesn't sound like this person." Persona calibration solves the soul problem, not the formatting problem.

Calibration Steps

Step 1: Collect Raw Voice Samples

Gather authentic expression samples from the account owner (at least 3 levels of "concentration"):

Step 2: Extract Iron Rules

Distill 3-5 non-negotiable expression rules from the samples. For example:

Rule A: Openers must start with "I" + a specific experience/number/moment
Rule B: No three-part essay structure (claim → evidence → call to action)
Rule C: Not every tweet needs a "takeaway"
Rule D: Bold = expressing conviction, not highlighting key points

Step 3: Build a Dead-Opener Blacklist

Mine historical data for "opener patterns with the lowest impressions" and explicitly ban them:

❌ Opening with someone else's quote
❌ Grand-thesis openers ("A counterintuitive thing about the AI era")
❌ Subject-less buzzword openers
❌ Opening directly with a philosophical one-liner

Step 4: Define Content-Type Weights

Allocate type ratios based on data performance:

Field data: After dropping the "short aphorism" type, weekly average impressions rose 266%.

---

3. Source Library (SOURCE-INDEX)

Core Principle

Never fabricate data. Every specific number in a tweet must have a real, traceable source.

Build Steps

Step 1: Collect First-Hand Material

Convert all of the account owner's first-hand content into searchable text:

• Podcasts / interviews → full transcripts (whisper / manual)
• Articles / documents → archived in markdown
• Talks / presentations → key-point extraction

Step 2: Build the SOURCE-INDEX

Annotate every key fact point:

| Fact point | Source | Original location | Usable |
|--------|------|----------|---------|
| 6,000 stars in the first week of open-sourcing | ep01, line 77 | "we hit 6,000 stars in the very first week" | ✅ |
| 643 investors | ep06, line 32 | "we must have added 643 of them, if I remember correctly" | ✅ |

Step 3: Verify Regularly

Every week, check that the data points cited in the schedule still match the originals. Numbers stated in different podcasts/settings may differ — pick the most reliable version and annotate it.

Lesson from the field: A user once flagged a mix-up between "6,000 stars in three days" and "6,000 stars in one week." After verification, all original sources consistently said "the first week."

---

4. Scheduling System

Cadence

• 1 tweet per day (hard rule, never exceed)
• Publish time: a fixed window (recommended 14:00-15:00 Beijing time, or whenever your target audience is most active)

Schedule Template

Generate next week's schedule every Sunday:

## Monday ｜ [Type] ｜ [Topic]
**Source**: [specific entry in SOURCE-INDEX]
**5-point self-check**: ✅/❌
**Triple-translation self-check**: ✅/❌
**CTA (in replies)**: [link]

Dedup Mechanism

Before scheduling each tweet, check the tweet-log:

• Has the same core argument been posted in the past 30 days?
• Has the same data point been used in the past 14 days?
• If duplicated → change the angle or change the topic

Time-Window Reference (based on 3,861-tweet dataset analysis)

Best monthly ranking: 17:00 > 23:00 > 13:00 > 11:00 > 20:00

---

5. Hard Rules

Absolutely Non-Negotiable:

---

6. Pre-Publish Checks

Check A: Triple Translation (from internal language to external language)

Read each tweet through once and confirm there is no "announcement-speak":

If any sentence in the tweet reads like "We launched X / We upgraded Y" → it must be rewritten.

Check B: The 5-Point Check (one strong tweet = one mini information product)

Fewer than 4/5 = don't post. Go back and revise.

---

7. Data Tracking

Tweet Log (record every single tweet)

| Date | Time | Tweet ID | Type + summary | Impressions | Engagement | Notes |

Weekly Report Template

Generate weekly:

• Follower change (start/end + daily gain)
• Analysis of the Top 3 posts by impressions
• Content-type performance comparison
• Strategy adjustment suggestions for next week

Key Metrics

---

8. Content Methodology Reference

Four Content Archetypes (based on 3,861 tweets)

The Four-Savings Model

The value of content isn't how much information you say — it's how many steps you save the reader:

1. Save searching — readers don't have to hunt for the entry point in an ocean of information 2. Save understanding — readers don't have to puzzle out complex concepts themselves 3. Save trial-and-error — readers don't have to step on every landmine themselves 4. Save expression — readers can forward your tweet to someone else as-is

Three Visibility Principles

Readers are more willing to trust content that is visible, clickable, and quantifiable:

Golden Length

Template: First sentence states the value → sentences two and three describe the scenario → then give evidence or steps → end with an entry point or a reason to bookmark.

---

9. Case Study: @WeiYipei Operation Data

Growth Curve

Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← Cold start, exploration phase
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← Started daily long-form posting
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← First viral hit appeared
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Threads + engagement strategy
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← Steady long-form output
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← 40-Playbook panorama breakout

Total: 1,150 → 1,837 = +687 followers (+60%) in 45 days

Key Turning Points

What Works vs. What Doesn't

---

10. Quick-Start Guide

If You Want to Use This SOP Right Now:

Day 0 (Preparation, 2-3 hours): 1. Collect 10 representative pieces from the account owner 2. Extract 3-5 persona iron rules 3. Build the dead-opener blacklist 4. Set content-type weights

Day 1 (Source library, 2-4 hours): 1. Convert all first-hand content into text 2. Build the SOURCE-INDEX (key data points + provenance) 3. Mark which points are usable and which need verification

Day 2 (Scheduling + rules, 1 hour): 1. Write the first week's schedule (7 tweets) 2. Confirm the hard rules 3. Set the publishing time

Day 3 onward (Execution): 1. Draft according to the schedule every day 2. Run triple-translation + 5-point checks before publishing 3. Record the tweet-log after publishing 4. Produce a weekly report + adjustments every week

---

11. Common Mistakes

---

Install

# ClawHub
clawhub install gingiris-twitter-agent-ops

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

# Or just copy this file into your AI agent project

Related links:

• HuggingFace: https://huggingface.co/datasets/Gingiris/gingiris-twitter-agent-ops
• GitHub: https://github.com/Gingiris-1031/gingiris-twitter-agent-ops
• More playbooks: https://gingiris.tools

---

Credits

• Methodology foundation: Xiangyang Qiaomu, "X Growth Experience: From 100 to 110K Followers" (analysis of 3,861 tweets)
• Content diagnosis framework: dontbesilent/dbskill "Content Creation Diagnosis"
• Field validation: the @WeiYipei account (operated by a Cola AI agent, April-June 2026)
• Author: Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

---

License: MIT

🌍 Language: 中文 | English | 日本語 | 한국어

Twitter/X Agent Operations — AI 自動運営の完全 SOP

実戦検証済み：AI エージェントが 45 日間で @WeiYipei を 1,150 → 1,837 フォロワー（+60%）に成長させました。1 日 1 投稿、全工程を自動運営。

>

本スキルは system prompt に対応するあらゆる AI エージェント（Claude Code, Cursor, Trae, GPT）で利用できます。

---

一、システム構成の全体像

┌─────────────────────────────────────────────────────┐
│            Twitter Agent Operations                 │
├─────────────────────────────────────────────────────┤
│                                                     │
│  [1] ペルソナ調整 ──→ [2] 素材庫 ──→ [3] スケジュール │
│        │                  │               │         │
│        ▼                  ▼               ▼         │
│  [4] レッドライン   [5] 公開前チェック  [6] トラッキング │
│                                                     │
│  ───────── 週次ループ ─────────                      │
│  週報 → 振り返り → 配分調整 → 翌週スケジュール        │
│                                                     │
└─────────────────────────────────────────────────────┘

6 つのコアモジュール： 1. ペルソナ調整システム — エージェントに「この人らしい」文章を書かせる 2. 素材庫の構築 — ファクトソースのデータベース、捏造ゼロ 3. スケジューリングシステム — 週次コンテンツカレンダー、1 日 1 投稿のリズム 4. レッドライン（絶対ルール） — 越えてはいけない安全ライン 5. 公開前チェック — 三段翻訳 + 5 点セットの品質検査 6. データトラッキング — tweet-log + 週報 + フォロワー追跡

---

二、ペルソナ調整システム（Voice Guide）

なぜ必要か

AI エージェントの最大の問題は「書けない」ことではなく、「書いたものが本人らしくない」ことです。ペルソナ調整が解決するのは魂の問題であって、フォーマットの問題ではありません。

調整ステップ

Step 1：生の言語サンプルを収集する

アカウント本人のリアルな表現サンプルを集めます（最低 3 段階の「濃度」で）：

Step 2：鉄の掟を抽出する

サンプルから、絶対に破ってはいけない表現ルールを 3〜5 条抽出します。例：

掟 A：書き出しは必ず「私」+ 具体的な経験 / 数字 / 瞬間
掟 B：三段論法（主張→根拠→呼びかけ）の構成は禁止
掟 C：すべての投稿に「まとめ」が要るわけではない
掟 D：太字 = 信念の表明であって、要点の強調ではない

Step 3：死亡オープニングのブラックリストを作る

過去データから「インプレッションが最も低い書き出しパターン」を洗い出し、明確に禁止します：

❌ 他人の言葉の引用で始める
❌ 大上段なテーマで始める（「AI 時代の直感に反する話」）
❌ 主語のないビッグワードで始める
❌ 哲学的な名言からいきなり始める

Step 4：コンテンツタイプの配分を決める

データの実績に基づいて各タイプの比率を割り当てます：

実戦データ：「短文名言」タイプを廃止した後、週平均インプレッションが 266% 向上。

---

三、素材庫の構築（SOURCE-INDEX）

コア原則

データを捏造しない。ツイート内のすべての具体的な数字には、実在するソースが必須。

構築ステップ

Step 1：一次素材を収集する

アカウント本人のすべての一次コンテンツを検索可能なテキストに変換します：

• ポッドキャスト / インタビュー → 全文文字起こし（whisper / 手動）
• 記事 / ドキュメント → markdown 形式でアーカイブ
• 講演 / 登壇 → 要点を抽出

Step 2：SOURCE-INDEX を構築する

重要な素材ポイントごとに注記します：

| 素材ポイント | ソース | 原文の位置 | 使用可否 |
|--------|------|----------|---------|
| オープンソース化の最初の 1 週間で 6000 Star | ep01 77 行目 | 「最初の 1 週間で 6000 個の star がついた」 | ✅ |
| 投資家 643 人 | ep06 32 行目 | 「643 人追加したはず、記憶違いでなければ」 | ✅ |

Step 3：定期的に検証する

毎週、スケジュールで引用したデータポイントが原文と一致しているか確認します。ポッドキャストや場面が違えば数字が食い違うこともある——最も信頼できるバージョンを採用し、注記を残すこと。

実戦の教訓：かつて「3 日で 6000 Star」と「1 週間で 6000 Star」を混同し、ユーザーに指摘されたことがあります。検証の結果、すべての原文が一貫して「最初の 1 週間」と述べていることを確認しました。

---

四、スケジューリングシステム

リズム

• 1 日 1 投稿（ハードルール、超過厳禁）
• 公開時刻：固定の時間帯（推奨は北京時間 14:00-15:00、またはターゲット層のアクティブな時間帯）

スケジュールテンプレート

毎週日曜に翌週のスケジュールを生成します：

## 月曜 ｜ [タイプ] ｜ [テーマ]
**素材ソース**：[SOURCE-INDEX の具体的な項目]
**5 点セットセルフチェック**：✅/❌
**三段翻訳セルフチェック**：✅/❌
**CTA（リプライ欄）**：[リンク]

重複排除の仕組み

各投稿のスケジュール前に tweet-log を確認します：

• 同じ核心的な主張を過去 30 日以内に投稿していないか？
• 同じデータポイントを過去 14 日以内に使っていないか？
• 重複している場合 → 切り口を変えるか、テーマを変える

時間帯リファレンス（3,861 件のデータ分析に基づく）

月間ランキングの最適順：17 時 > 23 時 > 13 時 > 11 時 > 20 時

---

五、レッドライン（絶対ルール）

絶対に破ってはいけないこと：

---

六、公開前チェック

チェック A：三段翻訳（内部言語から外部言語へ）

各ツイートを通読し、「お知らせ口調」がないか確認します：

「私たちは X をリリースした / Y をアップグレードした」のような文が 1 つでもあれば → 必ず書き直すこと。

チェック B：5 点セット（強いツイート 1 本 = 小さな情報プロダクト 1 つ）

4/5 を満たさない = 公開しない。戻って書き直す。

---

七、データトラッキング

Tweet Log（全投稿を必ず記録）

| 日付 | 時刻 | Tweet ID | タイプ+要約 | インプレッション | エンゲージメント | 備考 |

週報テンプレート

毎週生成する内容：

• フォロワーの増減（始点・終点 + 日次増加数）
• インプレッション Top 3 投稿の分析
• コンテンツタイプ別パフォーマンス比較
• 翌週の戦略調整案

重要指標

---

八、コンテンツ方法論リファレンス

4 つのコンテンツ原型（3,861 件のデータに基づく）

4 つの「省く」モデル

コンテンツの価値は、どれだけ情報を語ったかではなく、読者の手間を何ステップ省けたかにあります：

1. 検索を省く — 読者が情報の海から入口を探さなくて済む 2. 理解を省く — 読者が複雑な概念を自力で推測しなくて済む 3. 試行錯誤を省く — 読者が落とし穴を全部踏まなくて済む 4. 表現を省く — 読者がそのまま他の人に転送できる

3 つの可視性原則

読者は「見える・クリックできる・数えられる」コンテンツをより信頼します：

ゴールデンレングス

テンプレート：1 文目で価値を語る → 2〜3 文目でシーンを語る → 続けて証拠か手順を示す → 最後に入口かブックマークすべき理由を渡す。

---

九、実戦ケース：@WeiYipei の運営データ

成長カーブ

Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← コールドスタート、模索フェーズ
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← 長文の毎日投稿を開始
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← 初のバズ投稿が誕生
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Thread + エンゲージメント戦略
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← 安定した長文アウトプット
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← Playbook 40 本の全体像で爆発

合計：1,150 → 1,837 = +687 フォロワー（+60%）、45 日間

重要な転換点

効いたもの vs 効かなかったもの

---

十、クイックスタートガイド

今すぐこの SOP を使うなら：

Day 0（準備、2〜3 時間）： 1. アカウント本人の代表的なコンテンツを 10 本集める 2. ペルソナの鉄の掟を 3〜5 条抽出する 3. 死亡オープニングのブラックリストを作る 4. コンテンツタイプの配分を設定する

Day 1（素材庫、2〜4 時間）： 1. すべての一次コンテンツをテキスト化する 2. SOURCE-INDEX を構築する（重要データポイント + 出典） 3. 使えるもの・要検証のものをマークする

Day 2（スケジュール + ルール、1 時間）： 1. 最初の週のスケジュールを書く（7 本） 2. レッドラインを確認する 3. 公開時刻を設定する

Day 3 以降（実行）： 1. 毎日スケジュールに沿って原稿を書く 2. 公開前に三段翻訳 + 5 点セットチェックを通す 3. 公開後に tweet-log を記録する 4. 毎週、週報を出して調整する

---

十一、よくある失敗

---

Install

# ClawHub
clawhub install gingiris-twitter-agent-ops

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

# または本ファイルをあなたの AI エージェントプロジェクトに直接コピー

関連リンク：

• HuggingFace: https://huggingface.co/datasets/Gingiris/gingiris-twitter-agent-ops
• GitHub: https://github.com/Gingiris-1031/gingiris-twitter-agent-ops
• その他の playbook: https://gingiris.tools

---

Credits

• 方法論の基盤：向阳乔木「X運営成長の経験：100 から 11 万フォロワーまで」（3,861 件のデータ分析）
• コンテンツ診断フレームワーク：dontbesilent/dbskill「コンテンツ制作診断」
• 実戦検証：@WeiYipei アカウント（Cola AI agent による運営、2026 年 4〜6 月）
• 著者：Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

---

License: MIT

🌍 Language: 中文 | English | 日本語 | 한국어

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 문제이지, 형식의 문제가 아닙니다.

교정 단계

Step 1: 원본 말뭉치 수집

계정 주인의 실제 표현 샘플을 수집합니다(최소 3가지 '농도'로):

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:

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:

| 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:

## 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)

월간 순위 최적: 17시 > 23시 > 13시 > 11시 > 20시

---

5. 레드라인 규칙

절대 어겨선 안 되는 것:

---

6. 게시 전 점검

점검 A: 3중 번역 (내부 언어에서 외부 언어로)

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

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

점검 B: 5종 세트 (강력한 트윗 하나 = 작은 정보 상품 하나)

4/5를 충족하지 못하면 = 게시하지 않는다. 돌아가서 고친다.

---

7. 데이터 트래킹

Tweet Log (모든 트윗 필수 기록)

| 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

---

8. 콘텐츠 방법론 참고

4가지 콘텐츠 원형 (3,861개 트윗 데이터 기반)

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:

골든 길이

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

효과 있었던 것 vs 없었던 것

---

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

---

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

Description: <br>

This skill gives an AI agent a Twitter/X ghostwriting and account-operations SOP for persona calibration, source-backed drafting, scheduling, pre-publish checks, tweet-log tracking, and weekly performance reports. <br>

This skill is ready for commercial/non-commercial use. <br>

Publisher: <br>

gingiris-1031 <br>

License/Terms of Use: <br>

MIT-0 <br>

Use Case: <br>

Creators, marketers, and account operators use this skill to turn an AI agent into a supervised Twitter/X ghostwriter that drafts on-brand posts, maintains a source index, prepares weekly schedules, checks content before publishing, and summarizes performance. It is intended for accounts the user is authorized to manage. <br>

Deployment Geography for Use: <br>

Global <br>

Known Risks and Mitigations: <br>

Risk: The skill can support live-account posting workflows without built-in human approval, privacy, or platform-compliance guardrails. <br> Mitigation: Use it in draft mode or require explicit approval before every post, connect only accounts the user is authorized to manage, and follow applicable Twitter/X account and content policies. <br> Risk: The workflow encourages indexing source content that could include private, confidential, copyrighted, or sensitive material. <br> Mitigation: Index only material the user has rights and consent to use, avoid sensitive or confidential inputs unless a retention plan exists, and remove sources that should not be reused. <br> Risk: Drafts or analytics can include misleading claims if source data, performance figures, or dynamic numbers are stale or unverified. <br> Mitigation: Require every concrete number to map to a traceable source, refresh dynamic values before publishing, and review each draft with the pre-publish checklist. <br>

Reference(s): <br>

• ClawHub listing <br>
• Hugging Face dataset <br>
• Project website <br>
• English reference guide <br>
• Japanese reference guide <br>
• Korean reference guide <br>

Skill Output: <br>

Output Type(s): [Text, Markdown, Guidance, Configuration] <br> Output Format: [Markdown guidance with templates, checklists, schedules, tweet drafts, logs, and weekly reports] <br> Output Parameters: [1D] <br> Other Properties Related to Output: [Requires user-provided voice samples, source material, account goals, and approval before any post is published.] <br>

Skill Version(s): <br>

1.0.0 (source: frontmatter and server release metadata) <br>

Ethical Considerations: <br>

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>