Twitter/X algorithm optimizer for tweet drafts
Analyser, réécrire et déboguer des brouillons de tweets grâce aux aperçus de l'algorithme open-sourcé de Twitter — Real-graph, SimClusters, TwHIN, Tweepcred, signaux d'engagement
- Quoi
- Analyser, réécrire et déboguer des brouillons de tweets grâce aux aperçus de l'algorithme open-sourcé de Twitter — Real-graph, SimClusters, TwHIN, Tweepcred, signaux d'engagement
- Coût
- Gratuit
- Prérequis
- un brouillon de tweet (ou une stratégie de contenu de compte) à optimiser ; vos propres analytics X/Twitter pour valider les stratégies ; vérifiez vous-même les conditions de licence — le skill déclare AGPL-3.0 dans son frontmatter mais le manifeste du repo ne déclare aucune licence
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le guide de @composiohq pour optimiser les brouillons de tweets pour la portée et l'engagement grâce aux aperçus de l'algorithme de recommandation open-sourcé de Twitter. Il explique les modèles de classement centraux — Real-graph (probabilité d'interaction des followers), SimClusters (détection de communautés), TwHIN (adéquation utilisateur/contenu par graphe de connaissances), Tweepcred (score de réputation/autorité) — les signaux d'engagement suivis par le service Unified User Actions (explicites : likes, réponses, retweets, citations ; implicites : visites de profil, clics, temps de lecture, signets ; négatifs : blocages, muets, défilements rapides), et le pipeline du fil (récupération de candidats → classement → filtrage → diffusion). Puis six stratégies d'optimisation avec exemples de réécriture avant/après : maximiser l'engagement des followers, exploiter la résonance communautaire, améliorer l'adéquation d'identité, construire la crédibilité, déclencher les signaux d'engagement, et éviter les signaux négatifs — plus un processus d'optimisation en quatre étapes (identifier le message central, le mapper à une stratégie algorithmique, optimiser pour les signaux, vérifier contre les négatifs), des bonnes pratiques (la qualité avant la viralité, la communauté d'abord, l'authenticité, le timing) et des pièges courants (déclarations génériques, appât à engagement, pivots hors identité, toxicité). Bémols honnêtes : le skill fonde ses tactiques sur la version open-sourcée de l'algorithme — le classement live de X a probablement dérivé, traitez donc les stratégies comme des hypothèses à tester contre vos propres analytics ; **le skill déclare AGPL-3.0 dans son frontmatter alors que le manifeste du repo ne déclare aucune licence** — vérifiez les conditions avant réutilisation ; c'est pour optimiser votre propre contenu, pas pour le spam ni le harcèlement. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : un brouillon de tweet (ou une stratégie de contenu de compte) à optimiser ; vos propres analytics X/Twitter pour valider les stratégies ; vérifiez vous-même les conditions de licence — le skill déclare AGPL-3.0 dans son frontmatter mais le manifeste du repo ne déclare aucune licence Installe-moi « Optimiseur d'algorithme Twitter/X pour brouillons de tweets ». Il donne à mon agent le guide de @composiohq : les modèles de classement open-sourcé (Real-graph, SimClusters, TwHIN, Tweepcred), les signaux d'engagement suivis (explicites, implicites, négatifs), le pipeline du fil, six stratégies d'optimisation avec exemples de réécriture avant/après, un processus d'optimisation en 4 étapes, bonnes pratiques et pièges — avec la réserve que l'algorithme live de X a probablement dérivé de la version open-sourcée, validez donc contre vos propres analytics. Pour optimiser votre propre contenu uniquement. Dépôt : https://github.com/composiohq/awesome-claude-skills/blob/main/twitter-algorithm-optimizer/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « twitter-algorithm-optimizer ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. rien — c'est un guide stratégique ; donnez à l'agent un brouillon de tweet et demandez l'optimisation avec le raisonnement). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.