核心功能与用法
Expert Finder 是一款基于 MCP 协议的专业人才挖掘工具，通过分析 Twitter 与 Reddit 的公开社交数据，识别特定领域的深度专家、意见领袖与实践者。其核心工作流程分为四阶段：
1. 领域建模与查询扩展 — 将用户输入的主题拆解为四层查询：核心术语（Tier 1）、技术黑话（Tier 2，最关键）、相邻领域（Tier 3）、讨论标记（Tier 4），生成 10-20 条精准搜索查询。
2. 全量数据采集 — 调用 Xpoz MCP 服务抓取 Twitter 帖子与 Reddit 帖文/评论，利用 dataDumpExportOperationId 获取完整 CSV（最高 64K 行/查询），而非仅 100 条分页结果。
3. 专家分类与评分 — 基于发帖频率、多层级查询覆盖、互动质量（专家互评 > 普通点赞）等维度，将候选人分为五类：🔬 深度专家、💡 思想领袖、🛠️ 实践者、📣 传播者/策展人、🎓 教育者。采用 0-100 综合评分，80+ 为顶尖权威。
4. 结构化报告输出 — 生成按类别分组的专家清单，包含平台、粉丝数、关键帖文、评分理由及覆盖领域矩阵。
显著优势
- 技术术语锚定：Tier 2 查询（如 "KL divergence penalty"）是识别真专家的最强信号，区别于泛泛讨论者
- 跨平台验证：Twitter + Reddit 双源交叉，Reddit 评论尤其能发现低调但高水准的深度参与者
- 质量优先于流量：评分算法权重中，同行认可（20%）> 原始曝光量，避免网红误判为专家
- 全量数据支撑：CSV 导出机制确保样本完整性，避免抽样偏差
潜在局限与风险
- 英文社交圈偏向：Xpoz 数据源聚焦 Twitter/Reddit，对中文、日文等非英语领域专家覆盖不足
- 时间窗口限制：6 个月回溯可能遗漏长期沉寂但具历史权威性的学者
- 平台真实性：虽提供
isInauthentic标记，但社交机器人识别存在漏检可能 - MCP 依赖链：需同时维护 mcporter CLI、xpoz-setup 认证、网络连通性，故障点较多
- 隐私与合规：抓取公开数据虽合法，但用于人才猎头等商业场景需注意 GDPR/CCPA 合规
适合人群
- 企业招聘/TA 团队：技术岗定向挖人，尤其是前沿领域（AI 安全、量子计算）
- 投资机构：识别细分赛道未被广泛认知的技术权威，辅助尽调
- 市场/PR 团队：KOL mapping 与学术顾问寻找
- 研究者：快速建立某领域的同行网络图谱
常规风险
- 评分算法可能过度加权发帖频率，导致"话多"优于"精深"的误判
- Reddit 匿名性导致身份验证困难，需人工二次核实
- OAuth 授权后的凭证管理不当可能造成账号泄露