bestblogs-process-tweets

推文批量深度分析与更新 (Process Tweets)

查询 BestBlogs 中等待分析的推文 → 按作者分组展示 → 用户选择 → 逐作者批量分析并更新到 BestBlogs。

核心特点：推文按作者（来源）分组处理，同一作者的所有推文构造为一个 XML 输入，一次性分析生成所有推文的结构化结果。

评分体系基于统一评分规则（docs/scoring-rubric.md），推文类型的评估维度和输出格式见 references/analysis_rubric.md。完整 API 参数详情见 references/api_reference.md。

认证

需要以下环境变量：

Admin API 请求:

-H "Authorization: Bearer $BESTBLOGS_ADMIN_JWT_TOKEN"
-H "User-Id: $BESTBLOGS_ADMIN_USER_ID"
-H "Content-Type: application/json"

若环境变量未设置，提示用户配置。

接口地址：https://api.bestblogs.dev

可用端点

工作流概览（4 个阶段）

阶段一（查询推文列表）→ 阶段二（按作者分组，用户选择 / 快捷跳过）→ 阶段三（逐作者处理）→ 阶段四（输出结果）

快捷模式

当用户在触发 skill 时已明确指定处理范围，跳过阶段二的确认，直接进入阶段三：

快捷模式下仍然输出作者列表摘要（总作者数、总推文数），但不等待用户选择，立即开始处理。若查询结果为空，正常提示"暂无等待分析的推文"并结束。

阶段一：查询等待分析的推文

curl -s -X POST https://api.bestblogs.dev/api/admin/article/list \
  -H "Authorization: Bearer $BESTBLOGS_ADMIN_JWT_TOKEN" \
  -H "User-Id: $BESTBLOGS_ADMIN_USER_ID" \
  -H "Content-Type: application/json" \
  -d '{
    "currentPage": 1,
    "pageSize": 100,
    "type": "TWITTER",
    "flowStatusFilter": "WAIT_ANALYSIS"
  }'

若 totalCount > 100，自动翻页拉取全部（每页 100，最多 500 条）。

始终检查 success 字段。 若列表为空，提示"暂无等待分析的推文"并结束。

按作者分组

拉取完成后，按 sourceId 字段分组：

阶段二：用户选择

展示按作者分组的推文列表：

## 等待分析的推文（共 N 条，M 个作者）

| # | 作者 | 来源 ID | 推文数 | 优先级 | 语言 |
|---|------|---------|--------|--------|------|
| 1 | Sam Altman(@sama) | SOURCE_xxx | 12 | HIGH | en_US |
| 2 | 宝玉(@dotey) | SOURCE_yyy | 8 | HIGH | zh_CN |
| 3 | Andrej Karpathy(@karpathy) | SOURCE_zzz | 5 | MEDIUM | en_US |

请选择要处理的作者：
- "全部" — 处理所有作者的推文
- "1, 3" — 处理指定编号的作者

等待用户选择后继续。

阶段三：逐作者处理

按作者串行处理。 每个作者必须完成以下 3 步后，再处理下一个作者：

步骤 A: 构造 XML 输入 → 步骤 B: 批量分析 → 步骤 C: 保存结果

ID-内容关联安全

步骤 A: 构造 XML 输入

从阶段一的列表数据中提取元信息，构造符合分析系统的 XML 输入格式：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<TwitterAnalysis>
  <ResourceSource>
    <name>作者显示名（来自 sourceName）</name>
    <author>作者名（来自 authors[0]，若空则用 sourceName）</author>
    <description>来源描述（若有）</description>
    <language>来源语言（来自 language，如 en_US）</language>
    <priority>优先级（来自 priority）</priority>
    <category>分类（来自 category）</category>
    <subCategory>子分类（来自 aiSubCategory，若空则留空）</subCategory>
  </ResourceSource>
  <Tweets>
    <Tweet>
      <id>推文 ID（来自列表中的 id，如 RAW_xxx）</id>
      <url>原文链接（来自 url）</url>
      <text>推文文本内容（来自 title 或 description）</text>
      <language>推文语言（来自 language 的短格式，如 en / zh）</language>
      <AnalysisResult/>
      <Engagement>
        <retweetCount>转发数</retweetCount>
        <replyCount>回复数</replyCount>
        <likeCount>点赞数</likeCount>
        <quoteCount>引用数</quoteCount>
        <bookmarkCount>收藏数</bookmarkCount>
        <viewCount>浏览数</viewCount>
        <influenceScore>影响力分数</influenceScore>
      </Engagement>
      <!-- 若为回复推文，包含 ReplyInfo -->
      <!-- 若有媒体，包含 MediaList -->
    </Tweet>
    <!-- 同一作者的更多推文... -->
  </Tweets>
</TwitterAnalysis>

> 注意：互动数据（Engagement）从列表接口返回的字段中提取。若列表接口未返回互动数据，则省略 <Engagement> 节点。

步骤 B: 批量分析

将构造好的 XML 作为分析输入，按照 references/analysis_rubric.md 中的评分体系对每条推文独立分析。

分析要求:

> 完整评分标准、分布指导、减分项、分类体系均在 references/analysis_rubric.md 中，分析时必须加载并遵循。

分析输出 JSON 数组:

[
  {
    "tweetId": "RAW_xxx",
    "title": "推文标题（简短概括，遵循原文语言）",
    "oneSentenceSummary": "一句话总结（遵循原文语言）",
    "summary": "内容摘要（遵循原文语言）",
    "domain": "PROGRAMMING / AI / PRODUCT / BUSINESS",
    "aiSubcategory": "MODELS / DEV / PRODUCT / NEWS / OTHERS",
    "tags": ["标签数组（遵循原文语言）"],
    "score": 85,
    "remark": "评分依据（始终中文）"
  }
]

步骤 C: 保存分析结果

将分析结果按作者批量保存。

领域映射（分析输出 → API 枚举值）:

AI 子分类：MODELS / DEV / PRODUCT / NEWS / OTHERS 直接映射，无需转换。

curl -s -X POST https://api.bestblogs.dev/api/admin/article/saveTweetAnalysisResult \
  -H "Authorization: Bearer $BESTBLOGS_ADMIN_JWT_TOKEN" \
  -H "User-Id: $BESTBLOGS_ADMIN_USER_ID" \
  -H "Content-Type: application/json" \
  -d '{
    "sourceId": "SOURCE_xxx",
    "results": [
      {
        "id": "RAW_xxx",
        "title": "推文标题",
        "oneSentenceSummary": "一句话总结",
        "summary": "内容摘要",
        "mainDomain": "Artificial_Intelligence",
        "aiSubCategory": "NEWS",
        "tags": ["标签1", "标签2"],
        "totalScore": 85,
        "remark": "评分依据"
      }
    ]
  }'

> 重要：步骤 B（分析）和步骤 C（保存）必须分开执行。先确保分析结果完整、JSON 合法、tweetId 匹配，再调用保存 API。

输出进度

每处理完一个作者，更新进度：

- [1/3] ✅ Sam Altman(@sama) — 12 条推文，已分析并保存（均分 82.5）
- [2/3] 🔄 宝玉(@dotey) — 8 条推文，分析中...
- [3/3] ⏳ Andrej Karpathy(@karpathy) — 5 条推文

单个作者处理中若某条推文分析失败，记录错误并继续处理该作者的其他推文。若保存 API 失败，输出分析 JSON 供手动重试。

阶段四：输出最终结果

## 处理结果

### 按作者汇总

| # | 作者 | 推文数 | 成功 | 失败 | 均分 | 分数范围 |
|---|------|--------|------|------|------|----------|
| 1 | Sam Altman(@sama) | 12 | 12 | 0 | 82.5 | 68-93 |
| 2 | 宝玉(@dotey) | 8 | 8 | 0 | 79.3 | 65-88 |
| 3 | Andrej Karpathy(@karpathy) | 5 | 4 | 1 | 84.0 | 78-91 |

### 统计
- 总作者数：3
- 总推文数：25
- 成功：24
- 失败：1

### 评分分布
- 90+ 分：2 条（8%）
- 80-89 分：10 条（40%）
- 60-79 分：11 条（44%）
- <60 分：1 条（4%）

### 高分推文 Top 5
| # | 作者 | 标题 | 评分 | 领域 |
|---|------|------|------|------|
| 1 | Sam Altman | OpenAI and Oracle Sign 4.5 GW Deal... | 93 | AI |
| 2 | Karpathy | New approach to training efficiency... | 91 | AI |

错误处理