如何用 TwexAPI 搜索 X 上的 Cashtag 讨论

Cashtag 会把市场讨论变成可搜索的标签。当用户发布 $TSLA、$NVDA 或 $BTC 相关内容时，你可以用 POST https://api.twexapi.io/twitter/cashtags 拉取相关 X 帖子，并围绕这些帖子搭建监控流程。

这篇文章只解决一个明确任务：请求帖子、整理关键字段，并把结果送进复核队列。该端点提供的是社交讨论上下文，不应被单独当作投资建议或交易信号。

什么时候适合用这个端点

当你需要持续查看一个或多个市场符号被如何讨论时，可以使用 Search Cashtags。它适合：

追踪哪些帖子正在推动某个 ticker 的讨论。
采集指定语言样本，用于情绪或话题分析。
找出高互动帖子，交给人工复核。
当某个符号的关注度异常升高时，触发内部提醒。

金融场景里要把边界讲清楚。Cashtag 活跃度能说明大家在聊什么，但不能证明信息准确、重要，或尚未反映在价格中。

请求模型

向 POST /twitter/cashtags 发送 JSON body，并使用 Authorization: Bearer <token> 认证。

字段	类型	说明
`cashtags`	字符串数组	要搜索的符号，可带或不带 `$`。示例：`["AAPL", "TSLA"]`。
`startTime` / `endTime`	string 或 null	用 UNIX 时间戳字符串限定搜索窗口。
`sortBy`	`"Latest"` 或 `"Top"`	监控用 `Latest`，复盘高互动内容可用 `Top`。
`maxItems`	integer	返回帖子数量，范围 `1` 到 `1000`。
`mininumLikes` / `mininumRetweets` / `mininumReplies`	integer	互动过滤字段。请按文档字段名传参，包括 `mininum` 这个拼写。
`blueVerified` / `verified`	boolean	可选的账号认证过滤。
`language`	string	语言代码，例如 `en`、`ja` 或 `zh`。
`onlyImage` / `onlyVideo` / `onlyQuote` / `onlyReply`	boolean	可选的内容类型过滤。如果想要更完整样本，先不要设置这些字段。

基础请求

下面的请求会拉取提及三个符号的英文帖子，并按最新发布时间排序。

1curl --request POST \
2  --url https://api.twexapi.io/twitter/cashtags \
3  --header 'Authorization: Bearer <token>' \
4  --header 'Content-Type: application/json' \
5  --data '{
6    "cashtags": ["TSLA", "NVDA", "BTC"],
7    "startTime": "1775726400",
8    "endTime": "1775727300",
9    "sortBy": "Latest",
10    "maxItems": 50,
11    "language": "en",
12    "mininumLikes": 5
13  }'

成功响应包含 code、msg 和 data。data 中的每一项都是 tweet 对象，常用字段包括 tweet_id、text、full_text、created_at、created_at_datetime、favorite_count、retweet_count、reply_count、quote_count、cashtags、hashtags、media 和用户信息。

1{
2  "code": 200,
3  "msg": "success",
4  "data": [
5    {
6      "tweet_id": "1803006263529541838",
7      "text": "Example post mentioning $TSLA",
8      "created_at_datetime": "2024-06-17T03:51:48.000Z",
9      "favorite_count": 123,
10      "retweet_count": 45,
11      "reply_count": 8,
12      "cashtags": ["$TSLA"]
13    }
14  ]
15}

Python 客户端

先把 API 调用写得小而明确。下面这个客户端只返回原始 data 数组，后续由你的应用决定如何存储、排序或复核。

1import os
2from typing import Any
3
4import requests
5
6API_URL = "https://api.twexapi.io/twitter/cashtags"
7TOKEN = os.environ["TWEXAPI_BEARER_TOKEN"]
8
9def search_cashtags(
10    cashtags: list[str],
11    *,
12    start_time: str | None = None,
13    end_time: str | None = None,
14    sort_by: str = "Latest",
15    max_items: int = 50,
16    language: str | None = "en",
17    min_likes: int = 0,
18) -> list[dict[str, Any]]:
19    payload: dict[str, Any] = {
20        "cashtags": cashtags,
21        "sortBy": sort_by,
22        "maxItems": max_items,
23        "mininumLikes": min_likes,
24    }
25
26    if start_time:
27        payload["startTime"] = start_time
28    if end_time:
29        payload["endTime"] = end_time
30    if language:
31        payload["language"] = language
32
33    response = requests.post(
34        API_URL,
35        headers={
36            "Authorization": f"Bearer {TOKEN}",
37            "Content-Type": "application/json",
38        },
39        json=payload,
40        timeout=30,
41    )
42    response.raise_for_status()
43    return response.json().get("data", [])
44
45if __name__ == "__main__":
46    tweets = search_cashtags(["TSLA", "NVDA", "BTC"], max_items=25, min_likes=5)
47    for tweet in tweets[:5]:
48        text = tweet.get("full_text") or tweet.get("text") or ""
49        print(tweet.get("tweet_id"), tweet.get("cashtags"), text[:140])

构建复核队列

第一版最有价值的通常不是情绪分析大屏，而是一张干净的复核队列，告诉分析人员下一步该看哪些帖子。

1def review_row(tweet: dict[str, Any]) -> dict[str, Any]:
2    favorite_count = tweet.get("favorite_count") or 0
3    retweet_count = tweet.get("retweet_count") or 0
4    reply_count = tweet.get("reply_count") or 0
5    quote_count = tweet.get("quote_count") or 0
6    engagement = favorite_count + retweet_count + reply_count + quote_count
7
8    return {
9        "tweet_id": tweet.get("tweet_id"),
10        "created_at": tweet.get("created_at_datetime") or tweet.get("created_at"),
11        "cashtags": ", ".join(tweet.get("cashtags") or []),
12        "language": tweet.get("lang"),
13        "engagement": engagement,
14        "text": tweet.get("full_text") or tweet.get("text") or "",
15        "url": f"https://x.com/i/status/{tweet.get('tweet_id')}",
16    }
17
18tweets = search_cashtags(["TSLA", "NVDA"], sort_by="Latest", max_items=100)
19rows = sorted((review_row(tweet) for tweet in tweets), key=lambda row: row["engagement"], reverse=True)
20
21for row in rows[:10]:
22    print(row["engagement"], row["cashtags"], row["url"])

接下来可以把这些 rows 写入数据库、表格或内部审核工具。建议把 tweet_id 作为唯一键，避免定时任务重复写入同一条帖子。

监控流程

一个实用的监控循环通常包含五步：

对关注的符号执行 sortBy: "Latest" 查询。
按 tweet_id 保存每条新帖子的原始响应。
根据回复、转发、点赞、引用和发布时间计算简单复核分。
只把优先级最高的结果送给人工或下游分析。
将价格数据、新闻验证和合规复核放在独立系统里处理。

这样可以避免把嘈杂的社交帖子包装成虚假的精确结论。API 给你讨论内容，真正决定哪些内容值得关注的是你的工作流。

常见坑

互动过滤字段请使用文档里的 mininumLikes、mininumRetweets 和 mininumReplies。
startTime 和 endTime 要传 UNIX 时间戳字符串，不是普通日期字符串。
除非你确实想把结果收得很窄，否则不要同时设置 onlyImage、onlyVideo、onlyQuote 和 onlyReply。
调过滤条件时先用较小的 maxItems，确认结果有用后再提高。
把 cashtag 帖子当作社交数据处理。里面可能包含玩笑、垃圾内容、传言或协同行为。

小结

POST /twitter/cashtags 是一个用于采集股票和加密货币符号相关 X 帖子的聚焦端点。更稳的做法是：搜索正确的 cashtag，按时间和语言过滤，整理响应字段，用 tweet_id 去重，再把帖子交给复核流程。

用它来监控讨论，而不是替代金融研究。