X Ingest

X(Twitter) 推文采集 Skill

把 X 推文抓成结构化 Markdown 入库。自动区分图文与视频笔记：图文 → 下载图片本地嵌入；

视频 → 像抖音那样转成文字稿。通过 X 官方嵌入用的 syndication 端点采集，无需登录、无需 API Key。

环境要求

# 图文采集零依赖（仅 Python 标准库）

# 视频推文转录需要（与抖音/B站/小红书同一套依赖）：
pip install funasr modelscope torch torchaudio
# macOS: brew install ffmpeg   |   Ubuntu: sudo apt install ffmpeg

使用方法

# 采集推文 → 统一 frontmatter Markdown
python scripts/fetch_tweet.py "https://x.com/user/status/1234567890" -o ./out
python scripts/fetch_tweet.py "https://twitter.com/user/status/1234567890" -o ./out

python scripts/fetch_tweet.py "链接" -o ./out --no-images   # 图文：只留图片链接不下载
python scripts/fetch_tweet.py "链接" -o ./out --no-video    # 视频：不转录，只留视频链接
python scripts/fetch_tweet.py "链接" -o ./out --fallback-text 手动正文.txt

产出

fetch_tweet.py → 统一 frontmatter Markdown（platform: x，含 note_type: image|video|text|article），含作者(name @handle)、互动数据（赞/回复）、话题标签。按内容类型分流：

• 图文 / 纯文字推文：正文 + 图片下载到本地 <标题>.assets/ 并以 ! 嵌入；--no-images 只留链接，单张失败自动回退为链接
• 视频推文：提取最高码率 mp4 直链 → ffmpeg 抽音频 → SenseVoice 转录（language=auto，X 中英混杂）写入 ## 视频文字稿；--no-video 只留视频链接；缺 funasr/ffmpeg 时自动降级为存链接
• X 长文章（Article）：取文章标题、预览正文、封面图（封面本地化嵌入）。⚠️ syndication 不返回长文章全文，全文需登录另抓——Markdown 会标注「预览，全文见原文链接」

⚠️ 关于可用性

采集走 cdn.syndication.twimg.com/tweet-result——X 官方嵌入推文用的公开端点，无需登录，但它是非官方契约：

• 受保护账号、已删除、成人/受限内容可能取不到
• 端点或 token 算法（fetch_tweet.py 里的 make_token）若被 X 调整，需相应更新
• 目前仅支持单条推文；thread（连串推文）是未来增强方向

抓取失败时可以使用 --fallback-text：把浏览器里能看到的正文复制到 txt/md 文件，脚本仍会生成统一 frontmatter 的 Markdown，保证后续 content-enrich / 入库工作流不断。

合规声明

仅供个人学习与研究使用。请遵守 X 服务条款，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。

衔接工作流

• 采集产物 → knowledge-base-management 入库（统一 frontmatter，按 platform 聚合）
• 海外信息源 → 配合 industry-intelligence-radar 的 X 信号扫描，沉淀情报
• 视频文字稿 → learning-notes-automation 提取知识点 + 闪卡

参考

• X 官方嵌入（syndication）端点
• FunAudioLLM/SenseVoice — 语音识别模型