К основному содержанию
скилл CX Codex

x-research · bradautomates — скилл для Claude Code: что делает и как установить

Скилл x-research ищет вирусные твиты и паттерны контента в X через Apify Tweet Scraper V2, собирая аналитику и темы в markdown-отчёт.

MIT 286 установок ★ 333 обновлён 2026-01-23

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add bradautomates/head-of-content --skill x-research -a claude-code
Открыть на GitHub

Что делает x-research

Скилл автоматизирует сбор публикаций из отслеживаемых аккаунтов X/Twitter с помощью Apify Tweet Scraper V2. Скрипт fetch_tweets.py выгружает посты за указанный период (минимум 50 твитов на запрос по лимитам API), а analyze_posts.py вычисляет аномально успешные публикации через взвешенную формулу вовлечённости: закладки дают вес 4x, ответы 3x, ретвиты и цитаты 2x, лайки 1x.

При наличии видеоконтента модуль analyze_videos.py разбирает хуки и структуру роликов через Gemini API. Итоговые данные складываются в папку с меткой времени: сырой JSON, список выбросов с ключевыми словами и хештегами, а также структурированный отчёт report.md.

Для работы обязателен токен APIFY_TOKEN и файл со списком профилей .claude/context/x-accounts.md. Без установленных библиотек apify-client и google-genai скрипты завершатся с ошибкой.

Какие задачи решает

  • найти вирусные публикации конкурентов в X
  • выявить рабочие форматы твитов и трендовые хештеги
  • рассчитать взвешенный engagement score публикаций
  • разобрать хуки из видеороликов через модель Gemini

Примеры запросов агенту

  • Проведи ресерч трендов в X по аккаунтам конкурентов
  • Собери вирусные твиты за последние 30 дней и выдели контентные паттерны
  • Найди аномалии вовлечённости в X и подготовь сводный отчёт

Как установить x-research

1Через Skills CLI (Vercel)

npx skills add bradautomates/head-of-content --skill x-research -a claude-code

2Вручную: положить файлы

~/.claude/skills/x-research/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/x-research/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о x-research

Как установить x-research в Claude Code?

Выполните команду npx skills add bradautomates/head-of-content --skill x-research -a claude-code.

Что делает x-research?

Скилл выгружает посты через Apify, находит статистические выбросы по вовлечённости с учётом закладок и ретвитов, а затем формирует аналитический отчёт.

Какие ключи API нужны для работы?

Обязательно требуется APIFY_TOKEN для выгрузки твитов. Ключ GEMINI_API_KEY нужен только в том случае, если вы анализируете видеоматериалы.

Исходный текст

SKILL.md · MIT
---
name: x-research
description: |
  Research high-performing X/Twitter content from tracked accounts using Apify's Tweet Scraper V2.
  Identifies outlier tweets, trending topics, and content patterns to inform content strategy.

  Use when asked to:
  - Find trending tweets or content in a niche
  - Research what's performing on X/Twitter
  - Identify high-performing tweet patterns
  - Analyze competitors' X content
  - Generate content ideas from X trends
  - Run X/Twitter research

  Triggers: "x research", "twitter research", "find trending tweets", "analyze x accounts",
  "what's working on twitter", "content research x", "tweet analysis"
---

# X/Twitter Research

Research high-performing tweets from tracked accounts, identify outliers, and optionally analyze video content for hooks and structure.

## Prerequisites

- `APIFY_TOKEN` environment variable or in `.env`
- `GEMINI_API_KEY` environment variable or in `.env` (for video analysis)
- `apify-client` and `google-genai` Python packages
- Accounts configured in `.claude/context/x-accounts.md`

Verify setup:
```bash
python3 -c "
import os
try:
    from dotenv import load_dotenv
    load_dotenv()
except ImportError:
    pass
from apify_client import ApifyClient
assert os.environ.get('APIFY_TOKEN'), 'APIFY_TOKEN not set'
" && echo "Prerequisites OK"
```

## Workflow

### 1. Create Run Folder

```bash
RUN_FOLDER="x-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && echo "$RUN_FOLDER"
```

### 2. Fetch Tweets

```bash
python3 .claude/skills/x-research/scripts/fetch_tweets.py \
  --days 30 \
  --max-items 100 \
  --output {RUN_FOLDER}/raw.json
```

Parameters:
- `--days`: Days back to search (default: 30)
- `--max-items`: Max tweets per account (default: 100)
- `--handles`: Override accounts file with specific handles

**API Limits:** Minimum 50 tweets per query required. Wait a couple minutes between runs.

### 3. Identify Outliers

```bash
python3 .claude/skills/x-research/scripts/analyze_posts.py \
  --input {RUN_FOLDER}/raw.json \
  --output {RUN_FOLDER}/outliers.json \
  --threshold 2.0
```

Output JSON contains:
- `total_posts`: Number of tweets analyzed
- `outlier_count`: Number of outliers found
- `topics`: Top hashtags, mentions, and keywords
- `content_patterns`: Analysis of what formats perform well
- `accounts`: List of accounts analyzed
- `outliers`: Array of outlier tweets with engagement metrics

### 4. Analyze Videos with AI (Optional)

If outliers contain video content:

```bash
python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py \
  --input {RUN_FOLDER}/outliers.json \
  --output {RUN_FOLDER}/video-analysis.json \
  --platform x \
  --max-videos 5
```

Note: X/Twitter is primarily text-based. Video analysis is optional and only useful when outliers contain video posts.

### 5. Generate Report

Read `{RUN_FOLDER}/outliers.json` (and optionally `{RUN_FOLDER}/video-analysis.json`), then generate `{RUN_FOLDER}/report.md`.

**Report Structure:**

```markdown
# X/Twitter Research Report

Generated: {date}

## Summary

- **Total tweets analyzed**: {total_posts}
- **Outlier tweets identified**: {outlier_count}
- **Outlier rate**: {percentage}%

## Top Performing Tweets (Outliers)

### 1. @{username} ({name})

> {tweet_text}

- **URL**: {url}
- **Date**: {created_at}
- **Engagement**: {likes} likes | {retweets} RTs | {replies} replies | {bookmarks} bookmarks
- **Engagement Score**: {score}
- **Engagement Rate**: {rate}%
- **Followers**: {followers}

[Repeat for top 15 outliers]

## Top Performing Hooks (if video analysis available)

### Hook 1: {technique} - @{username}
- **Opening**: "{opening_line}"
- **Why it works**: {attention_grab}
- **Replicable Formula**: {replicable_formula}
- [Watch Video]({url})

## Trending Topics

### Top Hashtags
[From outliers.json topics.hashtags]

### Top Keywords
[From outliers.json topics.keywords]

### Top Mentions
[From outliers.json topics.mentions]

## Content Patterns in Outliers

| Pattern | Count | Percentage |
|---------|-------|------------|
| Contains media | {count} | {pct}% |
| Contains external link | {count} | {pct}% |
| Thread format | {count} | {pct}% |
| Quote tweet | {count} | {pct}% |
| Asks a question | {count} | {pct}% |
| List/numbered format | {count} | {pct}% |
| Short (<100 chars) | {count} | {pct}% |
| Medium (100-200 chars) | {count} | {pct}% |
| Long (>200 chars) | {count} | {pct}% |

## Actionable Takeaways

[Synthesize patterns into 4-6 specific recommendations]

## Accounts Analyzed

[List accounts]
```

Focus on actionable insights. Content patterns and trending topics are key for X/Twitter research.

## Quick Reference

Full pipeline:
```bash
RUN_FOLDER="x-research/$(date +%Y-%m-%d_%H%M%S)" && mkdir -p "$RUN_FOLDER" && \
python3 .claude/skills/x-research/scripts/fetch_tweets.py -o "$RUN_FOLDER/raw.json" && \
python3 .claude/skills/x-research/scripts/analyze_posts.py -i "$RUN_FOLDER/raw.json" -o "$RUN_FOLDER/outliers.json"
```

With video analysis (optional):
```bash
python3 .claude/skills/video-content-analyzer/scripts/analyze_videos.py -i "$RUN_FOLDER/outliers.json" -o "$RUN_FOLDER/video-analysis.json" -p x
```

Then read JSON files and generate the report.

## Engagement Metrics

**Engagement Score (weighted):**
- Bookmarks: 4x (highest signal - saved for reference)
- Replies: 3x (active conversation)
- Retweets: 2x (amplification)
- Quotes: 2x (engagement with commentary)
- Likes: 1x (passive approval)

**Outlier Detection:** Tweets with engagement rate > mean + (threshold x std_dev)

**Engagement Rate:** (score / followers) x 100

## Output Location

All output goes to timestamped run folders:
```
x-research/
└── {YYYY-MM-DD_HHMMSS}/
    ├── raw.json            # Raw tweet data from Apify
    ├── outliers.json       # Outliers with metadata and topics
    ├── video-analysis.json # AI video analysis (optional)
    └── report.md           # Final report
```

© bradautomates · MIT · bradautomates/head-of-content

Похожие скиллы

Все скиллы по теме «Маркетинг и контент» →

Сначала — x-research от других авторов.

x-research PostPlusAI Скилл x-research для разбора публичного X: посты, ветки, ответы и аккаунты под маркетинговые и продуктовые решения. Внутри — маршруты под каждый тип запроса. CX Codex +1 284установок x-research rohunvora Скилл x-research для Claude Code ищет свежие обсуждения в X, открывает треды и собирает источники в сводку. По ним можно узнать реакцию разработчиков на выпуск библиотеки или изменение API. CX Codex +1 ★ 540звёзд репо analyzing-twitter-sentiment-for-topic apidojo Скилл analyzing-twitter-sentiment-for-topic собирает твиты через Apify и оценивает тональность вокруг темы, бренда или события. Выдаёт распределение мнений, ключевые тезисы и твиты с высокой реакцией. CX Codex +1 966установок building-full-social-audit-for-brand apidojo Скилл building-full-social-audit-for-brand собирает аудит присутствия бренда в Twitter, Instagram, TikTok и YouTube через парсеры Apify. Рассчитывает вовлечённость и итоговый скор бренда. CX Codex +1 962установок x-content-intelligence MSApps-Mobile Плагин x-content-intelligence для Claude Code анализирует публикации в X и помогает создавать контент под конкретное сообщество. Он подключается к исследованию трендов, тональности и вовлечённости. ★ 11звёзд репо x-twitter-scraper официальный github Скилл x-twitter-scraper для GitHub Copilot, который подключает Xquik X API к коду, пайплайнам и агентам. Помогает искать твиты, выгружать подписчиков, запускать извлечения и проверять вебхуки. CX Codex +1 80установок apify-influencer-brand-collabs Natasha Lekh Скилл apify-influencer-brand-collabs помогает найти партнёрства между брендами и инфлюэнсерами через Meta Ad Library. Используй, когда нужно узнать, с какими брендами работает создатель, или какие инфлюэнсеры продвигают бренд. CX Codex +1 194установок

Из того же набора6

instagram-research Скилл instagram-research собирает посты и рилсы отслеживаемых аккаунтов, находит выбросы по вовлечённости и разбирает топ-5 видео на хуки и структуру. CX Codex +1 1 600установок tiktok-research Скилл tiktok-research собирает видео отслеживаемых аккаунтов через Apify, находит выбросы по вовлечённости и разбирает топ-5 роликов с помощью ИИ. CX Codex +1 1 300установок video-content-analyzer Скилл video-content-analyzer разбирает короткие ролики из Reels, TikTok и YouTube Shorts через нейросеть Gemini. Помогает вытащить хуки, структуру сюжета и формулы вирусности из успешных публикаций. CX Codex +1 918установок youtube-research Скилл youtube-research для Claude Code ищет вирусные видео через TubeLab API и формирует отчёт с крючковыми формулами для исследования трендов YouTube. CX Codex +1 428установок content-planner Скилл content-planner для Claude Code, Codex, Cursor, GitHub Copilot и Gemini CLI запускает параллельное исследование X, Instagram, YouTube и TikTok через субагентов. CX Codex +1 297установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой