Twitter Agent - 智能推特机器人

模拟真实用户行为的智能Twitter机器人，像人一样使用Twitter：发推、回复、互动。

功能特性

🤖 核心功能

• 智能发推：基于Monad数据生成专业推文
• 自动回复：智能时间线监听和评论回复
• 真实行为：模拟真实用户的使用习惯

🎯 智能特性

• AI内容生成（基于Gemini AI）
• 智能时间线监控
• 自动垃圾内容过滤
• 人性化活动间隔
• 真实用户行为模拟

文件结构

核心模块

• twitter_agent.py - 入口模块，根据环境变量选择项目 Agent
• twitter_core/ - 可复用的 Twitter 基础能力（客户端、发布、时间线监控等）
• projects/monad/ - Monad 项目的业务逻辑与 Agent 实现

启动脚本

• run_twitter_agent.py - 主启动脚本（推荐使用）

配置文件

• .env - 环境变量配置（参考 config/env.example）
• requirements.txt - Python依赖包

输出文件

• posted_tweets.txt - 已发布推文记录
• commented_tweets.txt - 已评论推文记录
• tuiwen.txt - 生成的推文内容

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 创建必要文件

复制 config/env.example 为项目根目录 .env，填入真实的 Cookie、Authorization、Gemini Key 等信息。

3. 获取Twitter账号信息

1. 登录你的Twitter账号
2. 打开浏览器开发者工具 (F12)
3. 切换到 Network 标签页
4. 刷新页面，找到任意一个请求
5. 复制请求头中的 Authorization 和 Cookie 值
6. 将值填入上述配置文件中

4. 获取Gemini API密钥

1. 访问 Google AI Studio
2. 创建新的 API 密钥（可创建多把以组成池子）
3. 将密钥填入 .env 中的 GEMINI_API_KEY 或 GEMINI_API_KEYS（多个用逗号分隔）

3. 运行程序

启动程序

python run_twitter_agent.py

程序功能

• 自动发推：基于Monad生态调研内容生成并发布推文
• 时间线监控：监控关注用户的时间线，自动回复相关推文
• 智能分析：使用AI分析推文内容，生成有意义的回复
• 人性化行为：模拟真实用户的使用习惯，避免被检测

程序行为

• 发推频率：每10-15分钟随机检查一次，50%概率发推
• 监控频率：每1-3分钟检查一次时间线
• 发推间隔：至少间隔1分钟才会发新推文
• 内容来源：主要基于Twitter上的Monad相关讨论

停止程序

按 Ctrl+C 停止程序运行

输出文件

程序运行时会生成以下文件：

• tuiwen.txt - 记录所有发布的推文
• commented_tweets.txt - 记录所有回复的推文ID

使用说明

真实用户行为模拟

• 智能发推：随机发推，基于Monad数据生成内容
• 自动回复：定期检查时间线，智能回复相关推文
• 人性化间隔：模拟真实用户的活动频率和习惯
• 智能决策：根据时间、内容等因素决定是否发推或回复

工作流程

1. 初始化：加载Twitter客户端和AI模型
2. 持续运行：像真实用户一样持续使用Twitter
3. 智能决策：根据时间和活动历史决定下一步行动
4. 内容生成：使用AI生成高质量的推文内容
5. 自动互动：智能回复和评论其他用户的推文

配置说明

• AI模型：Google Gemini 2.0 Flash
• 推文长度：150-250字符
• 发帖间隔：至少3分钟，随机决定
• 时间线检查：每3-10分钟随机检查
• 评论策略：智能过滤，人性化回复

Gemini 密钥池说明

• GEMINI_API_KEYS 支持配置多把密钥（逗号分隔），系统会自动轮换并在限流时退避。
• 如仅配置 GEMINI_API_KEY，将作为单把密钥使用。
• 建议至少准备 2-3 把密钥以提升稳定性。

注意事项

1. 必须在 .env 中正确配置 Twitter 认证信息和 Gemini API Key
2. 首次使用建议先测试单次发推
3. 长期运行需要稳定的网络环境
4. 遵守Twitter使用规则，避免频繁操作
5. 建议使用代理服务器提高稳定性

技术架构

• 异步编程：使用asyncio提高性能
• 模块化设计：各功能独立，易于维护
• 统一管理：客户端和配置统一管理
• 错误处理：完善的异常处理机制
• 资源管理：自动清理和资源释放