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
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 :
Réponse rapide
Ce skill de ComposioHQ analyse, réécrit et débogue tes brouillons de tweets à partir des enseignements de l'algorithme de recommandation open-sourcé de X/Twitter. Il relie ton brouillon aux modèles de classement et aux signaux d'engagement que l'algorithme suit, puis applique des stratégies d'optimisation documentées — à traiter comme des hypothèses à tester contre tes propres statistiques, comme ses propres réserves l'exigent.
En un coup d'œil
| Ce que c'est | Un playbook pour tes propres publications : une explication de la façon dont l'algorithme open-sourcé classe le contenu (Real-graph, SimClusters, TwHIN, Tweepcred, signaux d'engagement positifs et négatifs), plus six stratégies de réécriture et un processus d'optimisation en quatre étapes. |
|---|---|
| Pour qui | Les gens qui publient sur X et veulent une façon méthodique d'améliorer un brouillon avant de le publier — leur propre contenu, pas du spam ; le skill le dit lui-même. |
| Ce que tu lui donnes | Tes brouillons de tweets, et le message central que chacun doit porter. |
| Ce que tu obtiens | Une analyse du brouillon face aux signaux documentés, une réécriture suivant les stratégies avec le raisonnement avant/après, et une vérification face aux signaux négatifs — blocages, masquages, passages rapides — avant de publier. |
| Fonctionne avec | Muse, installé depuis cette page avec le prompt d'installation à copier-coller. Ses tactiques reposent sur la version open-sourcée de l'algorithme ; le classement réel de X a pu dériver depuis. |
| Coût | Gratuit |
| Temps | Quelques minutes pour l'installer. Optimiser un brouillon, c'est une courte passe : message, stratégie, signaux, vérification négative. |
Exemple — retravailler un brouillon d'annonce de produit
Un exemple du processus que le skill documente, sur un brouillon hypothétique — une méthode, pas un résultat promis :
- Tu colles un brouillon qui annonce une nouvelle fonction et tu nommes son message central en une ligne, comme la première étape du processus l'exige.
- Le skill relie le brouillon à une stratégie — par exemple la résonance communautaire via SimClusters — et le réécrit pour qu'il parle à la communauté qui le porterait, selon son schéma avant/après.
- Avant de publier, il passe la vérification des signaux négatifs : rien qui ressemble à de l'appât à engagement, rien hors marque, rien qui risque un masquage — et il te rappelle de juger le changement contre tes propres statistiques ensuite.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit be2a406Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. 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://raw.githubusercontent.com/composiohq/awesome-claude-skills/be2a406907dbc61b73e6827ded415c96139d13a2/twitter-algorithm-optimizer/SKILL.md Version épinglée : installe le code au commit be2a406907dbc61b73e6827ded415c96139d13a2 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 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.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- be2a406 · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026 · Observé pendant le test d’installation: files.pythonhosted.org, pypi.org
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill 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 un skill avant de l’installer.