Awesome-omni-skill thattweet-skill

搜索、分析 ThatTweet 备份中的推文内容。支持关键词检索、热度排序、增长追踪、作者筛选，并与 AI 进行深度讨论。

install

source · Clone the upstream repo

git clone https://github.com/diegosouzapw/awesome-omni-skill

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/diegosouzapw/awesome-omni-skill "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/data-ai/thattweet-skill" ~/.claude/skills/diegosouzapw-awesome-omni-skill-thattweet-skill && rm -rf "$T"

manifest: skills/data-ai/thattweet-skill/SKILL.md

source content

ThatTweet 推文分析

把你的推文库变成可查询的知识资产。

快速开始

# Windows 下使用 UTF-8 模式（避免 emoji 乱码）
python -X utf8 scripts/analyzer.py -f "path/to/backup.json" summary

# 列出可用的 JSON 文件
python -X utf8 scripts/analyzer.py --list-files

核心命令

命令	说明	示例
`search`	关键词搜索	`search "Claude"`
`top`	热度排行	`top --by views --limit 10`
`timeline`	时间筛选	`timeline --after 2026-01-20`
`author`	按作者筛选	`author Jackywine`
`mentions`	查找提及	`mentions vista8`
`media`	筛选媒体	`media --type video`
`quotes`	引用推文	`quotes`
`growth`	增长分析	`growth --limit 5`
`export`	导出结果	`export --format csv`

提示： 在 search, top, author 等命令后加上

--ai

标志（如

top --by views --ai

），可以输出极简格式，大幅减少 Token 消耗并提升 AI 分析速度。

所有命令都支持

-f

参数指定 JSON 文件。

数据字段

字段	说明
`text`	推文正文
`authorId`	作者ID（映射为用户名）
`favoriteCount / retweetCount / viewCount`	互动数据
`media`	图片/视频附件
`metricsHistory`	互动历史变化
`quoteFromId`	引用来源

作者映射

JSON 中作者名为空，脚本内置映射表，可手动扩展：

# scripts/analyzer.py
AUTHOR_MAP = {
    "1404738934043602947": "Jackywine",
    "6844292": "elonmusk",
    # 添加更多...
}

AI 讨论

检索后可以问 AI：

这些推文在讨论什么？
热门推文有什么共同特点？
是否存在认知偏差？（配合
```
cognitive-bias
```
skill）