Threads Content Ops

license: MIT-0 acceptLicenseTerms: true

threads-content-ops — 复合运营

通过组合基础命令完成复杂运营工作流。

🚫 內容禁區（最高優先級）

絕對禁止生成、分析或互動任何政治相關內容。遇到政治相關帖子直接跳過。

語言規則（強制）

所有 AI 生成的發文、回覆內容一律使用繁體中文撰寫，不得使用简体中文。

工作流示例

推廣型評論（定時任務場景）

> "每 X 分鐘用 account2 在推薦頁抓帖子，篩選一條適合推廣醫美的帖子評論"

完整步驟：

# 第一步：確認賬號登入狀態
python scripts/cli.py --account account2 check-login

# 第二步：抓取首頁推薦帖子（15條足夠篩選，速度快）
python scripts/cli.py --account account2 list-feeds --limit 15

第三步：兩層篩選（規則優先，AI 只用一次）

⚠️ 禁止對每條帖子單獨調用 AI 判斷——50 條帖子 × 每次 5-10 秒 = 超時且浪費。 正確做法：先用關鍵詞規則瞬間篩出 1 條，再對這 1 條調用 AI 生成評論。

第一層：關鍵詞規則篩選（在內存中完成，零延遲）

按優先級從 posts 列表中找第一條命中的帖子：

優先級 1 — 韓國醫美場景（最匹配推廣目標）：

韓國、首爾、江南、弘大、梨泰院、韓式、韓國診所、Olive Young、
皮膚科、整形、醫美、雷射、光療、玻尿酸、肉毒、微整、縮鼻、
隆鼻、雙眼皮、埋線、抗老、拉提

優先級 2 — 一般保養／外貌話題：

皮膚、保養、護膚、底妝、素顏、毛孔、痘痘、斑點、美白、
遮瑕、防曬、精華、面膜、卸妝、氣墊、變美、外貌

優先級 3 — 無命中時：選 likeCount 數值最大的帖子（曝光高）

跳過條件（直接從列表移除，不考慮）：

• 政治相關
• 帖子含診所名稱、價格、電話（同業廣告）
• 已回覆過（reply-thread 自動防重，會返回 skipped）

第二層：只對選出的 1 條帖子調用 AI 生成評論

根據帖子內容生成一條自然融入對話、不硬廣的繁體中文評論：

• 先呼應帖子內容 1 句（顯得真實），再帶出醫美相關話題 1 句
• 語氣：親切、口語，像真實用戶留言
• 長度：50–150 字符，避免過長顯得像廣告
• 絕對禁止：診所名稱、電話、價格、"私訊我"等硬廣詞彙

評論示例風格（根據帖子內容靈活調整，禁止直接照抄）：

呼應帖子 + "最近也在研究醫美保養，皮膚狀態真的差很多"
呼應帖子 + "這讓我想到之前去做了一次光療，整個膚質改善超明顯"
呼應帖子 + "好有共鳴！我最近也開始注重抗老，微整形真的是現代人的新保養"

# 第五步：發布評論
python scripts/cli.py --account account2 reply-thread \
  --url "https://www.threads.net/@user/post/xxx" \
  --content "生成的評論內容"

執行後回報：

• 選中的帖子 URL 和作者
• 發布的評論內容
• 執行結果（success / skipped / error）

---

竞品分析

> "分析 @competitor 最近 10 条帖子的互动情况"

python scripts/cli.py user-profile --username "@competitor" --limit 10

步骤：获取帖子列表 → 提取 likeCount / replyCount / repostCount → 汇总平均互动量、最高互动内容、发帖频率

热点追踪

> "搜索 'AI' 最近的高互动帖子"

# 获取最新帖子
python scripts/cli.py search --query "AI" --type recent --limit 20

# 获取热门帖子
python scripts/cli.py search --query "AI" --limit 20

步骤：搜索帖子 → 按 likeCount 排序 → 提取热门内容和话题标签

内容创作

> "根据最热的 5 条 AI 帖子，帮我写一条新 Thread"

步骤：

1. search --query "AI" --limit 20 — 获取热帖
2. 分析热帖特征（长度、語氣、話題角度）
3. 生成繁體中文新内容（≤ 500 字符）
4. fill-thread --content "..." — 预览
5. 等待用户确认后 click-publish

批量互动

> "给搜索结果中前 5 条帖子都点赞"

步骤：

1. search --query "关键词" --limit 5 — 获取 URL 列表
2. 逐一执行 like-thread --url URL，每次间隔 3-5 秒

话题研究

> "找讨论'设计系统'的活跃用户，看他们还聊什么"

步骤：

1. search --query "設計系統" --type recent --limit 20
2. 提取作者用户名
3. user-profile --username @author — 查看典型用户主页
4. 总结相关话题方向

运营规范

| 规则 | 说明 | |------|------| | 操作频率 | 点赞/回复间隔 ≥ 3 秒，关注间隔 ≥ 5 秒 | | 批量上限 | 单次会话点赞 ≤ 50，关注 ≤ 20 | | 内容长度 | 帖子/回复 ≤ 500 字符 | | 發文確認 | 發帖前展示預覽，等待用戶確認；回覆直接執行 | | 政治内容 | 遇到政治相关帖子直接跳过，不作任何分析或互动 |

失败处理

| 错误 | 原因 | 处理 | |------|------|------| | 频率限制 | 操作过于频繁 | 降低频率，等待 5-10 分钟后继续 | | 数据提取不完整 | 页面未完全渲染 | 滚动后重试 | | 账号风控 | 批量操作触发检测 | 停止操作，等待 24 小时 |

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: gaojiongwenv587-beep
• Source: gaojiongwenv587-beep/threads-skills
• License: MIT
• Homepage: https://openclaw.dev

Install and usage instructions live in the source repository linked above.