📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🧠 Claude 🕸 采集

⚙️

Agent工作流

X推文自动爬虫

Q: 能否集成到AI Agent中？

可以，工具专为AI工作流设计，支持多种Agent框架集成。

Q: 有法律风险吗？

需遵守Twitter服务条款和当地法律，仅供学习研究使用。

基于 Python · 无代码搭建完整 AI 自动化流程

英文名：x-tweet-fetcher

⭐ 832 Stars 🍴 74 Forks 💻 Python 📄 MIT 🏷 AI 8.2分

8.2AI 综合评分

推文爬虫自动化采集无APIAI工作流开源工具

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

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推文自动爬虫是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

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。

GitHub Stars

⭐ 832

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

正常维护，社区驱动

开源协议

MIT

AI 综合评分

8.2 分

工具类型

Agent工作流

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

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

🎯 主要使用场景

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

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 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')"

📋 安装步骤说明

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

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 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)

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# 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"

📑 README 深度解析真实文档完整度 58/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

Browser only — full features (lists, articles)

python3 scripts/fetch_tweet.py --list 1455045069516357634 --backend browser ```

Backend	Deps	Speed	Features
nitter	None (stdlib only)	⚡ Fast	Timeline, search, replies, profile, mentions
browser	Playwright/Chromium	🐢 Slower	Everything above + Lists + Articles + fetch_china
auto (default)	Best available	⚡→🐢	Tries nitter first, falls back to browser

OpenClaw users: Playwright + Chromium are built-in. --backend auto just works — no extra install needed.

📊 Capabilities

Feature	Backend	Output
Single tweet	FxTwitter (always)	text, stats, media, quotes
Reply comments	nitter / browser	threaded comment list
User timeline	nitter / browser	paginated tweet list
@mentions monitor	nitter / browser	incremental new mentions
Keyword search	nitter / browser	real-time tweet stream
X Lists	browser only	list member tweets
X Articles	browser only	full long-form content
User profile analysis	nitter + LLM	MBTI, Big Five, topic graph
WeChat article search	Sogou (direct HTTP)	title, url, author, date
WeChat/Weibo/Bilibili	browser only	via fetch_china.py
Tweet growth tracker	FxTwitter API	growth curves, burst detection

For AI Agents: All output is structured JSON. Import as Python modules for direct integration. Exit codes are cron-friendly (0=nothing new, 1=new content).

In OpenClaw (auto mode, full features):

python3 scripts/fetch_tweet.py --user YuLin807 --limit 10

Nitter only — zero dependency, no browser

python3 scripts/fetch_tweet.py --user elonmusk --backend nitter

X List — requires Playwright

python3 scripts/fetch_tweet.py --list 1455045069516357634 --backend browser

📦 Requirements

Python 3.7+     (that's it for nitter mode)

Mode	Extra requirement
`--backend nitter`	Nothing (Python stdlib only)
`--backend browser`	`pip install playwright` + `playwright install chromium`
`--backend auto`	Uses whatever is available

Single tweet (zero setup)

```bash

🔧 Self-hosted Nitter Setup

⚠️ Public Nitter instances are dead or unreliable (as of March 2026). Self-hosting is the only reliable option.

5-minute setup guide

1. Install dependencies

```bash

Install Nim

curl https://nim-lang.org/choosenim/init.sh -sSf | sh export PATH=$HOME/.nimble/bin:$PATH


#### 2. Build Nitter

bash git clone https://github.com/zedeus/nitter cd nitter nimble build -d:release nimble scss cp nitter.example.conf nitter.conf


#### 3. Get X session cookies

Use a **secondary account** (not your main).

1. Log into X in browser → DevTools → Application → Cookies → `x.com`
2. Copy `auth_token` and `ct0`
3. Create `sessions.jsonl`:

json {"kind":"cookie","username":"myaccount","authToken":"YOUR_AUTH_TOKEN","ct0":"YOUR_CT0"}


#### 4. Configure

ini [Server] address = "127.0.0.1" # Local only! port = 8788

[Config] hmacKey = "$(openssl rand -hex 32)"

[Tokens] tokenFile = "sessions.jsonl"


#### 5. Run & test

bash sudo systemctl start redis-server ./nitter

🚀 Quick Start

⏰ Cron Integration

Exit codes for automation: 0=nothing new, 1=new content, 2=error.

```bash

🎯 aiskill88 AI 点评 A 级 2026-05-24

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。

⚡ 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

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 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

✅ 优点

+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

⚠️ 不足

−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

⚠️ 使用须知

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。

📄 License 说明

🔗 相关工具推荐

RAGFlow是领先的开源检索增强生成(RAG)引擎,提供完整的AI工作流和智能体框架。支持agentic检索和搜索,适

Claude编码最佳实践

一套开源AI工作流框架，指导开发者从随意编码升级到专业智能体工程实践。通过实战示例和最佳实践，帮助AI工程师、提示词工程

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

total-agent-memory MCP工具

为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

MassGen多智能体系统

MCP · Agent · 工作流

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

开源AI工具：RAG知识库系统

基于Vue.js前端的RAG知识库系统，提供高效的知识检索和生成功能，助力AI应用开发

❓ 常见问题 FAQ

是否需要Twitter API密钥？−

不需要，该工具可无API密钥直接爬取内容，但需注意平台反爬机制。

能否集成到AI Agent中？+

有法律风险吗？+

什么是 Agent 工作流？和普通自动化有什么区别？+

导入工作流后，我需要修改哪些配置？+

工作流运行失败了，如何排查问题？+

这个工作流每次运行会产生哪些费用？+

工作流可以定时自动运行吗？+

💡 AI Skill Hub 点评

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。

⬇️ 获取与下载

⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 X推文自动爬虫

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`x-tweet-fetcher`
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

🔗 原始来源

🐙 GitHub 仓库 https://github.com/ythx-101/x-tweet-fetcher 🌐 官方网站 https://github.com/ythx-101/openclaw-qa

收录时间：2026-05-24 · 更新时间：2026-05-24 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

X推文自动爬虫

简介

Browser only — full features (lists, articles)

📊 Capabilities

In OpenClaw (auto mode, full features):

Nitter only — zero dependency, no browser

X List — requires Playwright

📦 Requirements

Single tweet (zero setup)

🔧 Self-hosted Nitter Setup

5-minute setup guide

1. Install dependencies

Install Nim

🚀 Quick Start

⏰ Cron Integration

🤖 交给 Agent 安装 · X推文自动爬虫