如何用 TwexAPI 搜索 X 社区内的帖子

X Communities 往往比主时间线更聚焦，讨论上下文也更清楚。如果你已经知道社区 ID，并想在这个社区里查找某个话题的帖子，可以使用 POST https://api.twexapi.io/twitter/community/search-tweets。

当全站搜索太吵时，这个端点更合适。你不是收集某个关键词在全网的所有公开提及，而是在一个具体社区里搜索，并复核来自该社区参与者的帖子。

这个端点做什么

POST /twitter/community/search-tweets 用于在单个 X Community 内搜索 tweets。

请求包含三个必填字段：

字段	类型	用途
`community_id`	string	要搜索的 X Community ID。
`target_count`	integer	要搜索的 tweet 数量。调试查询时建议先用较小值。
`query`	string	在社区内匹配的关键词或搜索短语。

适合的工作流包括：

复核某个垂直社区如何讨论产品、话题或发布。
为社区报告或内部摘要收集帖子。
追踪自有社区里的高频问题。
对比同一话题在多个社区里的表达差异。

该端点返回的是社交帖子，不能替代版规判断、用户研究或人工复核。

基础请求

curl --request POST \
  --url https://api.twexapi.io/twitter/community/search-tweets \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "community_id": "1234567890123456789",
    "target_count": 50,
    "query": "customer support"
  }'

成功响应包含 code、msg 和 data。data 中每一项都是 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、hashtags、cashtags、media 和用户信息。

1{
2  "code": 200,
3  "msg": "success",
4  "data": [
5    {
6      "tweet_id": "1803006263529541838",
7      "text": "Example community post about customer support",
8      "created_at_datetime": "2024-06-17T03:51:48.000Z",
9      "favorite_count": 18,
10      "retweet_count": 3,
11      "reply_count": 6,
12      "hashtags": ["support"]
13    }
14  ]
15}

Python 客户端

先把客户端保持得足够小。由调用方决定如何排序、存储和复核返回的帖子。

1import os
2from typing import Any
3
4import requests
5
6API_URL = "https://api.twexapi.io/twitter/community/search-tweets"
7TOKEN = os.environ["TWEXAPI_BEARER_TOKEN"]
8
9def search_community_tweets(
10    community_id: str,
11    query: str,
12    *,
13    target_count: int = 50,
14) -> list[dict[str, Any]]:
15    payload = {
16        "community_id": community_id,
17        "target_count": target_count,
18        "query": query,
19    }
20
21    response = requests.post(
22        API_URL,
23        headers={
24            "Authorization": f"Bearer {TOKEN}",
25            "Content-Type": "application/json",
26        },
27        json=payload,
28        timeout=30,
29    )
30    response.raise_for_status()
31    return response.json().get("data", [])
32
33if __name__ == "__main__":
34    tweets = search_community_tweets(
35        "1234567890123456789",
36        "customer support",
37        target_count=25,
38    )
39    for tweet in tweets[:5]:
40        text = tweet.get("full_text") or tweet.get("text") or ""
41        print(tweet.get("tweet_id"), text[:140])

整理成复核行

不要一开始就做复杂大屏。先把每条 tweet 变成稳定的行数据，让分析人员或社区运营可以快速复核。

1def to_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        "engagement": engagement,
12        "hashtags": ", ".join(tweet.get("hashtags") or []),
13        "text": tweet.get("full_text") or tweet.get("text") or "",
14        "url": f"https://x.com/i/status/{tweet.get('tweet_id')}",
15    }
16
17tweets = search_community_tweets(
18    "1234567890123456789",
19    "pricing",
20    target_count=100,
21)
22rows = [to_review_row(tweet) for tweet in tweets]
23rows.sort(key=lambda row: row["engagement"], reverse=True)
24
25for row in rows[:10]:
26    print(row["engagement"], row["url"], row["text"][:100])

建议同时保存原始 tweet payload 和整理后的行数据。原始 payload 可以让你之后重新使用字段，而不必再次搜索。

多社区对比

如果要在多个社区里对比同一个 query，最好显式循环。这样更容易记录失败，也能避免把不同受众的结果混在一起。

1communities = {
2    "1234567890123456789": "Product builders",
3    "2345678901234567890": "Support leaders",
4    "3456789012345678901": "AI operators",
5}
6
7query = "onboarding"
8summary = []
9
10for community_id, name in communities.items():
11    tweets = search_community_tweets(community_id, query, target_count=50)
12    rows = [to_review_row(tweet) for tweet in tweets]
13    total_engagement = sum(row["engagement"] for row in rows)
14    summary.append(
15        {
16            "community_id": community_id,
17            "name": name,
18            "tweet_count": len(rows),
19            "total_engagement": total_engagement,
20        }
21    )
22
23for item in sorted(summary, key=lambda row: row["total_engagement"], reverse=True):
24    print(item["name"], item["tweet_count"], item["total_engagement"])

这些数字只适合做初筛，不适合直接下结论。小社区的帖子可能更少，但上下文更准确。

监控流程

如果要持续监控，可以定时运行查询，并按 tweet_id 去重：

用更窄的 query 搜索社区。
保存每条返回结果的 tweet_id。
跳过已经处理过的帖子。
按互动和发布时间排序新结果。
只把优先级最高的帖子送进人工复核队列。

如果你需要某个社区的未过滤 feed，TwexAPI 也提供 GET /twitter/community/{community_id}/tweets/{tweet_type}/{target_count} 和分页社区帖子接口。当关键词比完整 feed 更重要时，再使用 search endpoint。

常见坑

这个端点需要 community_id，不要传社区 slug。
query 要具体。单词级查询通常会混入很多不同意图。
把 target_count 当作采集上限，不要当作每条结果都一定有用的保证。
定时任务开始前，先把 tweet_id 作为去重键。
报告引用前先人工复核。社区帖子可能包含玩笑、反讽、跑题回复和私有上下文。

小结

POST /twitter/community/search-tweets 适合在单个 X Community 内做聚焦研究。传入 community_id、query 和 target_count，再把响应整理成可复核的行数据。

这个框架更稳：采集帖子，保留上下文，再由人判断哪些内容真的重要。