## 概述
这个n8n工作流创建了一个智能的Twitter/X自动回复机器人，能够基于关键词或社区自动抓取推文，使用AI分析内容，生成上下文相关的回复，并在避免重复的情况下发布回复。机器人按计划运行，具有智能定时和重试机制。
## 主要功能
– **自动推文抓取**：使用Apify演员从Twitter/X抓取推文
– **AI驱动的回复生成**：使用LLM（大型语言模型）生成智能回复
– **重复预防**：通过MongoDB存储避免重复回复
– **智能调度**：支持时区感知和自然发布模式
– **重试机制**：包含失败跟踪功能
– **Telegram通知**：状态更新通知
– **手动触发选项**：通过Telegram命令手动执行
## 所需凭证与设置
### 1. Telegram机器人
– 通过@BotFather在Telegram上创建机器人
– 获取Telegram聊天ID以接收状态消息
– 所需凭证：Telegram账户（机器人令牌）
### 2. MongoDB数据库
– 设置MongoDB数据库存储已回复的推文并防止重复
– 创建集合（默认名称：collection_name）
– 所需凭证：MongoDB账户（连接字符串）
### 3. Apify账户
– 在Apify.com注册
– 主要使用的演员：
– 搜索演员：api-ninja/x-twitter-advanced-search – 用于基于关键词的推文抓取
– 社区演员：api-ninja/x-twitter-community-search-post-scraper – 用于基于社区的推文抓取
– 所需凭证：Apify账户（API令牌）
### 4. OpenRouter（LLM提供商）
– 在OpenRouter.ai注册
– 用于AI驱动的推文分析和回复生成
– 使用的模型：x-ai/grok-3（可配置）
– 所需凭证：OpenRouter账户（API密钥）
### 5. Twitter/X API
– 在developer.x.com设置开发者账户
– 注意：免费层级限制每天约17个帖子
– 所需凭证：X账户（OAuth2凭证）
## 工作流组件
### 触发节点
1. **Schedule Trigger**
– 目的：每20分钟自动运行一次
– 智能定时：仅在上午7点至晚上11:59之间活动（可配置时区）
– 随机化：内置概率控制（约28%执行机会）以模拟自然发布模式
2. **Manual Trigger**
– 目的：用于测试的手动执行
3. **Telegram Trigger**
– 目的：通过Telegram中的/reply命令手动执行
– 用法：向机器人发送/reply以手动触发工作流
### 数据处理流程
1. **MongoDB Query**
– 目的：检索先前回复的推文ID以避免重复
– 集合：collection_name（配置以匹配您的设置）
– 投影：仅获取tweet_id字段以提高效率
2. **Data Aggregation**
– 目的：将推文ID合并为单个数组用于过滤
3. **Keyword/Community Selection**
– 目的：定义搜索词和社区
– 配置：编辑JSON以包含您的关键词和Twitter社区ID
4. **Random Selection**
– 目的：从列表中随机选择一个项目以确保多样性
5. **Routing Logic**
– 目的：确定是使用社区搜索还是关键词搜索
– 逻辑：使用正则表达式检测19位社区ID与关键词
### 推文抓取（Apify演员）
– **Community Search Actor**：从特定Twitter社区抓取推文
– **Search Actor**：基于关键词抓取推文
### 过滤系统
工作流应用多个过滤器以确保高质量回复：
– 文本长度：>60个字符（实质性内容）
– 粉丝数：>100粉丝（受众覆盖）
– 互动：>10点赞，>3回复（已验证互动）
– 语言：仅英语
– 浏览量：>100次浏览（可见性）
– 重复检查：未先前回复过
– 时效性：2天内（可在演员设置中配置）
### AI驱动的回复生成
– **LLM Chain**：分析过滤后的推文并生成上下文相关的回复
– **Output Parser**：确保一致的JSON输出格式
### 发布与通知系统
– **Twitter Posting**：将生成的回复作为Twitter响应发布
– **Status Notifications**：通过Telegram通知成功或失败
– **Database Storage**：保存成功回复以防止未来重复
### 重试机制
工作流包含智能重试逻辑：
– 失败计数器：如果未找到合适的推文，增加失败计数器
– 重试限制：最多3次重试，使用不同的随机关键词
– 等待时间：重试之间延迟3秒
– 最终失败通知：4次失败尝试后发送Telegram通知
## 配置指南
### 基本设置修改
– MongoDB集合名称：更新MongoDB节点中的collection_name
– Telegram聊天ID：将11111111111替换为您的实际聊天ID
– 关键词/社区：编辑Keyword/Community List节点中的列表
– 时区：更新Code节点中的时区（当前设置为Europe/Kyiv）
– 演员选择：根据您的需求仅启用一个演员（社区或搜索）
### 过滤自定义
根据您的需求调整Community filter节点中的过滤器：
– 最小互动阈值
– 文本长度要求
– 时间窗口
– 语言偏好
### LLM自定义
修改Basic LLM Chain中的AI提示以：
– 更改回复风格和语气
– 调整互动标准
– 修改评分算法
– 设置不同的字符限制
## 使用技巧
– 从小开始：从几个高质量的关键词/社区开始
– 监控性能：使用Telegram通知跟踪成功率
– 调整过滤器：根据生成的回复质量进行微调
– 尊重限制：Twitter的免费层级允许每天约17个帖子
– 手动测试：在调度之前使用/reply命令进行测试
## 故障排除
### 常见问题
– 未找到推文：调整过滤标准或检查关键词
– API速率限制：减少发布频率或升级Twitter API计划
– MongoDB连接：验证连接字符串和集合名称
– Apify配额：监控Apify使用限制
– LLM失败：检查OpenRouter积分和模型可用性
### 最佳实践
– 监控机器人的回复质量和适当性
– 定期更新关键词以保持相关性
– 关注互动指标
– 根据受众活动模式调整时间安排
– 保持平衡的发布频率以避免显得垃圾邮件
这个工作流提供了一个全面的解决方案，用于自动化、智能的Twitter互动，同时保持质量并避免垃圾邮件行为。
评论(0)