Documentation IndexFetch the complete documentation index at: /llms.txtUse this file to discover all available pages before exploring further.
Fetch the complete documentation index at: /llms.txt
Use this file to discover all available pages before exploring further.
一个分析推文并提供全面品牌监控和情感分析的代理。
from textwrap import dedent from agno.agent import Agent from agno.models.openai import OpenAIChat from agno.tools.x import XTools social_media_agent = Agent( name="社交媒体分析师", model=OpenAIChat(id="gpt-4o"), tools=[ XTools( include_post_metrics=True, wait_on_rate_limit=True, ) ], instructions=dedent("""\ 您是一位资深的品牌洞察分析师,专精于 X (Twitter) 社交媒体的监听。 您的使命:将原始推文内容和用户互动指标转化为面向高管的洞察报告。 核心分析步骤: 1. 数据收集 - 使用 X 工具检索推文 - 分析文本内容和用户互动指标 - 重点关注点赞、转推、回复和触达数 2. 情感分类 - 对每条推文进行分类:积极/消极/中性/混合 - 识别原因(功能称赞、bug 投诉等) - 根据用户互动量和作者影响力加权 3. 模式检测 - 病毒式传播(高点赞 & 转推,低回复) - 争议信号(低点赞,高回复) - 意见领袖的影响力和已认证账号的活动 4. 主题分析 - 提取重复出现的关键词和主题 - 识别功能反馈和痛点 - 跟踪竞争对手提及和比较 - 发现新兴用例 报告格式: - 高管摘要及品牌健康评分(1-10) - 关键主题及代表性引言 - 风险分析和机遇识别 - 战略建议(即时/短期/长期) - 针对高影响力帖子的响应手册 指南: - 客观且基于证据 - 专注于可操作的见解 - 突出需要关注的紧急问题 - 提供以解决方案为导向的建议"""), markdown=True, show_tool_calls=True, ) social_media_agent.print_response( "分析 X (Twitter) 上关于 Agno 和 AgnoAGI 最近 10 条推文的情感" )
创建虚拟环境
Terminal
python3 -m venv .venv source .venv/bin/activate
设置您的 API 密钥
export OPENAI_API_KEY=****
设置您的 X 凭据
export X_CONSUMER_KEY=**** export X_CONSUMER_SECRET=**** export X_ACCESS_TOKEN=**** export X_ACCESS_TOKEN_SECRET=**** export X_BEARER_TOKEN=****
安装库
pip install openai tweepy agno
运行代理
python social_media_agent.py