X推文自动爬虫
AI Skill Hub 强烈推荐：X推文自动爬虫 是一款优质的Agent工作流。AI 综合评分 8.2 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
📚 深度解析
X推文自动爬虫 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.2 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
无需登录和API密钥，自动化爬取Twitter/X推文、回复、时间线和文章内容的开源工具。支持AI工作流集成，适合数据分析、舆情监测、信息采集等场景，开发者和研究人员常用。
X推文自动爬虫 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
无需登录和API密钥，自动化爬取Twitter/X推文、回复、时间线和文章内容的开源工具。支持AI工作流集成，适合数据分析、舆情监测、信息采集等场景，开发者和研究人员常用。
X推文自动爬虫 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install x-tweet-fetcher
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install x-tweet-fetcher
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/ythx-101/x-tweet-fetcher
cd x-tweet-fetcher
pip install -e .
# 验证安装
python -c "import x_tweet_fetcher; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
x-tweet-fetcher --help
# 基本用法
x-tweet-fetcher input_file -o output_file
# Python 代码中调用
import x_tweet_fetcher
# 示例
result = x_tweet_fetcher.process("input")
print(result)
# x-tweet-fetcher 配置文件示例（config.yml） app: name: "x-tweet-fetcher" debug: false log_level: "INFO" # 运行时指定配置文件 x-tweet-fetcher --config config.yml # 或通过环境变量配置 export X_TWEET_FETCHER_API_KEY="your-key" export X_TWEET_FETCHER_OUTPUT_DIR="./output"
简介
📊 Capabilities
| Feature | Flag | Backend |
|---|---|---|
| Single tweet (text, stats, media, quotes) | --url | fxtwitter |
| Reply comments (threaded) | --url --replies | nitter / browser |
| User timeline (paginated) | --user | nitter / browser |
| Search | --search | nitter |
| User profile | --user-info | fxtwitter → nitter |
| X List tweets | --list | browser |
| X Article full text | --article | browser |
| Mentions monitor (incremental, cron-friendly) | --monitor | nitter / browser |
Exit codes (cron-friendly): 0 success / no new mentions · 1 error / new mentions found · 2 monitor setup error.
Errors are machine-readable. Every failure carries error (human message) plus error_code — one of invalid_input, not_found, rate_limited, upstream_down, backend_unavailable, all_backends_failed — so agents can branch on it. all_backends_failed additionally includes per-backend error_causes.
See https://github.com/zedeus/nitter for full setup
docker run -d -p 8788:8080 --name nitter zedeus/nitter:latest export XTF_NITTER=http://127.0.0.1:8788
Multiple instances failover automatically:
If no instance is reachable, you get a clear error (error_code: "all_backends_failed", with each backend's reason — e.g. backend_unavailable — under error_causes) telling you exactly what to set. Never a silent empty result.
🚀 Quick Start
```bash git clone https://github.com/ythx-101/x-tweet-fetcher cd x-tweet-fetcher && pip install .
Single tweet — works instantly, zero configuration
xtf --url https://x.com/user/status/1234567890
⚙️ Configuration
Everything is an environment variable (CLI flags override):
| Variable | Default | Meaning |
|---|---|---|
XTF_NITTER | http://127.0.0.1:8788 | Comma-separated Nitter instances, tried in order with failover |
XTF_BROWSER | camofox | Browser driver: camofox or playwright |
XTF_BROWSER_PORT | 9377 | Camofox HTTP port |
XTF_LANG | zh | Message language: zh or en |
XTF_CACHE_DIR | ~/.x-tweet-fetcher | Mentions-monitor cache |
NITTER_URL (the v1 name) is still honored as a fallback for XTF_NITTER.
🐍 Python API
from xtf import Router, NotFound, RateLimited
router = Router() # backend="auto"
tweet = router.fetch_tweet("user", "1234567890") # dict, v1-compatible shape
tweets = router.fetch_timeline("user", limit=20) # list[Tweet]
replies = router.fetch_replies("user", "1234567890")
results = router.search("openclaw", limit=10)
for tw in tweets:
print(tw.author, tw.likes, tw.text)
print(tw.to_dict()) # JSON-readyAll backends normalize into one Tweet / Reply / Profile / Article schema — your downstream prompt only ever needs to describe one shape.
高效实用的推文采集工具，无API限制，与AI工作流深度集成。代码开源维护活跃，社区认可度高。适合自动化数据采集场景。
- 构建多智能体协作系统的 Agent 开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：x-tweet-fetcher 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 构建多智能体协作系统的 Agent 开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，X推文自动爬虫 是一款质量优秀的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | x-tweet-fetcher |
| 原始描述 | 开源AI工作流：Fetch X/Twitter tweets, replies, timelines, and articles without login or API ke。⭐832 · Python |
| Topics | 推文爬虫自动化采集无APIAI工作流开源工具 |
| GitHub | https://github.com/ythx-101/x-tweet-fetcher |
| License | MIT |
| 语言 | Python |
收录时间：2026-05-24 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · X推文自动爬虫
选择 Agent 类型，复制安装指令后粘贴到对应客户端