核心用法
x-timeline-digest 是一个命令行工具型 Skill，通过调用 bird CLI 读取 X（原 Twitter）的「For You」和「Following」两条时间线，经过多阶段处理后输出结构化中文摘要。完整使用流程分为两阶段：
1. 数据获取：执行 node skills/x-timeline-digest/digest.js 获取去重后的 JSON 数据
2. 智能生成：结合 PROMPT.md 中的提示词模板，将 JSON 数据注入 LLM 生成分类中文简报
处理 Pipeline
- 获取：从 For You 取 100 条、Following 取 60 条（可配置）
- 增量过滤：基于
lastRunAt时间戳避免重复处理 - 硬去重：按 Tweet ID 去重
- 相似合并：文本相似度阈值 0.9，合并近重复内容
- 排序裁剪：按综合信号排序，保留最多 25 条
- 中文生成：通过 LLM 生成带分类（🤖 AI & Tech / 💰 Crypto & Markets / 💡 Insights / 🗞️ Other）的中文摘要
显著优点
1. 高信噪比设计：内置启发式过滤（移除 "gm"、广告、短垃圾内容），大幅降低信息噪音
2. 智能去重机制：ID + 文本相似度双重去重，避免同一事件多角度重复推送
3. 状态持久化：本地 JSON 状态文件记录已推送 Tweet ID，30 天滑动窗口确保增量更新
4. 输出结构化：包含完整元数据（时间窗口、各阶段计数、原始链接），便于上游工作流二次消费
5. 中文原生：针对中文用户优化，自动生成简体中文分类简报
潜在缺点与局限性
1. 外部依赖重：必须预装 bird CLI 并完成 Cookie 登录认证，安装门槛较高
2. LLM 依赖：高质量中文简报需额外调用 LLM，增加延迟和成本，非端到端闭环
3. 仅只读：无法互动（点赞、转发、评论），纯消费型工具
4. 平台风险：依赖 X 的非官方 API（bird），存在因平台策略变更导致失效的风险
5. 隐私考量：Cookie 认证模式下，用户数据需本地存储，无额外加密说明
6. 分类固化：四类预设标签（AI/Tech、Crypto/Markets、Insights、Other）可能无法覆盖所有用户兴趣
适合人群
- Crypto/AI 领域从业者：需要跟踪大量 KOL 和项目方动态，但时间有限
- 信息策展人：希望自动化收集、筛选、重混社交媒体内容
- 中文用户：习惯中文阅读，关注国际英文信源的本土化摘要
- 自动化工作流用户：已将 OpenClaw 或类似工具链集成到日常信息获取流程
常规风险
- 账号安全：bird 的 Cookie 登录存在理论上的账号风险，建议小号/专用账号
- 内容准确性：LLM 摘要可能产生幻觉或误读原意，关键信息需核对原文
- API 稳定性：非官方 API 可能随时失效，需关注 bird 项目维护状态
- 数据隐私：状态文件明文存储于本地，多用户环境需注意文件权限