如何用 TwexAPI Ask Grok

在自动化流程里，Grok 最有价值的用法不是随手问一个问题，而是基于你已经采集到的证据做分析：搜索到的推文、DM 会话摘要、账号状态检查，或活动复盘数据。真正需要保存的不只是答案，还包括你问了什么、用了哪些来源数据、哪个 X 账号发起请求，以及下一次是否要继续同一个 Grok 对话。

TwexAPI 的 Ask Grok 端点通过 POST /v3/twitter/grok/ask，使用 Twitter/X 账号 cookie 向 Grok 发送 prompt。

这个端点返回 Grok 的回答。它不会帮你抓推文、读取 DM 历史或自动构造 prompt。正确流程是先拉取 X 数据，再用已保存的上下文构造清晰 prompt，然后从服务端调用 Ask Grok。

端点和请求字段

使用 POST /v3/twitter/grok/ask 从服务端流程里向 Grok 提问。

字段	类型	必填	说明
`prompt`	string	是	发送给 Grok 的用户 prompt。建议包含来源上下文和任务。
`cookie`	string	是	X 认证 cookie 或 `auth_token`。只保存在服务端。
`conversation_id`	string 或 null	否	继续已有 Grok conversation 时传入。
`model`	string 或 null	否	可选 model ID。API 默认值是 `grok-3-latest`。
`proxy`	string 或 null	否	可选 HTTP proxy。

这里的 conversation_id 属于 Grok。不要和 DM 端点里的 XChat conversation_id 混在一起。

基础请求

curl --request POST \
  --url https://api.twexapi.io/v3/twitter/grok/ask \
  --header "Authorization: Bearer $TWEXAPI_BEARER_TOKEN" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "把下面五条 X 帖子总结成三个风险和三个后续动作，回答保持简洁。Source posts: ...",
    "model": "grok-3-latest",
    "cookie": "auth_token=...; ct0=...; twid=..."
  }'

响应会返回 Grok conversation ID 和最终回答。

1{
2  "code": 200,
3  "msg": "success",
4  "data": {
5    "conversation_id": "2076320454898278729",
6    "user_chat_item_id": "2076320454898278730",
7    "agent_chat_item_id": "2076320454898278731",
8    "message": "主要风险是...",
9    "reasoning": "Thinking about your request",
10    "soft_stop": false,
11    "follow_up_suggestions": [
12      {
13        "label": "Turn this into an action plan",
14        "properties": null,
15        "tools_overrides": null
16      }
17    ]
18  }
19}

如果下一次 prompt 要继续同一个 Grok 对话，就保存返回的 conversation_id。把 message 当作回答保存，同时保留原始响应用于审计。

用已保存的 X 数据构造 Prompt

Prompt 要窄一点。一个可复核的 prompt 通常包含任务、来源记录和输出格式。

1Task:
2Summarize the following X posts into customer objections and sales follow-up actions.
3
4Source records:
5- tweet_id=...
6  author=...
7  created_at=...
8  text=...
9  metrics=...
10
11Output:
121. Top objections
132. Evidence from source posts
143. Follow-up actions
154. Questions that need human review

不要让 Grok 猜测你的来源数据里没有的内容。如果来源记录不完整，就在 prompt 里直接说明。

Python Grok Client

这个脚本读取已保存的来源记录，构造 prompt，调用 Grok，并保存足够的 metadata，方便之后复盘。

1import os
2from datetime import datetime, timezone
3from typing import Any
4
5import requests
6
7API_URL = "https://api.twexapi.io/v3/twitter/grok/ask"
8BEARER_TOKEN = os.environ["TWEXAPI_BEARER_TOKEN"]
9X_COOKIE = os.environ["TWEXAPI_X_COOKIE"]
10GROK_MODEL = os.environ.get("TWEXAPI_GROK_MODEL", "grok-3-latest")
11PROXY = os.environ.get("TWEXAPI_PROXY")
12
13def build_prompt(source_records: list[dict[str, Any]]) -> str:
14    lines = [
15        "Task:",
16        "Summarize these X posts into customer objections and follow-up actions.",
17        "",
18        "Source records:",
19    ]
20    for item in source_records:
21        lines.extend(
22            [
23                f"- tweet_id={item['tweet_id']}",
24                f"  author={item.get('author', 'unknown')}",
25                f"  created_at={item.get('created_at', 'unknown')}",
26                f"  text={item.get('text', '')}",
27                f"  metrics={item.get('metrics', {})}",
28            ]
29        )
30    lines.extend(
31        [
32            "",
33            "Output:",
34            "1. Top objections",
35            "2. Evidence from source posts",
36            "3. Follow-up actions",
37            "4. Questions that need human review",
38        ]
39    )
40    return "\n".join(lines)
41
42def ask_grok(
43    prompt: str,
44    *,
45    conversation_id: str | None = None,
46) -> dict[str, Any]:
47    payload: dict[str, Any] = {
48        "prompt": prompt,
49        "cookie": X_COOKIE,
50        "model": GROK_MODEL,
51    }
52    if conversation_id:
53        payload["conversation_id"] = conversation_id
54    if PROXY:
55        payload["proxy"] = PROXY
56
57    response = requests.post(
58        API_URL,
59        headers={
60            "Authorization": f"Bearer {BEARER_TOKEN}",
61            "Content-Type": "application/json",
62            "Accept": "application/json",
63        },
64        json=payload,
65        timeout=120,
66    )
67    response.raise_for_status()
68    data = response.json()
69
70    if data.get("code") != 200:
71        raise RuntimeError(data.get("msg", "TwexAPI returned an error"))
72
73    return data["data"]
74
75def normalize_grok_result(
76    *,
77    source_job_id: str,
78    prompt: str,
79    result: dict[str, Any],
80) -> dict[str, Any]:
81    return {
82        "source_job_id": source_job_id,
83        "prompt": prompt,
84        "grok_conversation_id": result["conversation_id"],
85        "user_chat_item_id": result.get("user_chat_item_id"),
86        "agent_chat_item_id": result.get("agent_chat_item_id"),
87        "message": result["message"],
88        "reasoning": result.get("reasoning"),
89        "soft_stop": result.get("soft_stop"),
90        "follow_up_suggestions": result.get("follow_up_suggestions") or [],
91        "model": GROK_MODEL,
92        "asked_at": datetime.now(timezone.utc).isoformat(),
93        "raw": result,
94    }
95
96if __name__ == "__main__":
97    source_records = [
98        {
99            "tweet_id": "1234567890123456789",
100            "author": "example_user",
101            "created_at": "2026-07-16T09:00:00Z",
102            "text": "导出功能正常，但 cursor 过期时需要更清晰的错误提示。",
103            "metrics": {"likes": 12, "replies": 3},
104        }
105    ]
106    prompt = build_prompt(source_records)
107    result = ask_grok(prompt)
108    print(
109        normalize_grok_result(
110            source_job_id="weekly-objection-review-2026-07-16",
111            prompt=prompt,
112            result=result,
113        )
114    )

运行脚本前，先在服务端环境设置 TWEXAPI_BEARER_TOKEN 和 TWEXAPI_X_COOKIE。不要在浏览器里调用这个端点，因为请求需要 X cookie。

继续同一个 Grok 对话

响应里返回的 conversation_id 应保存为 grok_conversation_id。只有当下一次请求确实要继续同一个 Grok thread 时，才把它传回去。

follow_up = ask_grok(
    "Turn the previous answer into a support team checklist.",
    conversation_id=saved_grok_conversation_id,
)

命名要明确。conversation_id 这个字段在 XChat 工作流里也会出现，所以数据库里建议存成 grok_conversation_id。

Grok 分析工作流

采集来源数据：用对应 TwexAPI 端点搜索帖子、导出 DM 历史或拉取账号数据。
保存原始来源：保留 tweet ID、时间、作者、指标、DM message ID 等证据。
构造 prompt：只放当前任务需要的记录，并说明输出格式。
Ask Grok：调用 POST /v3/twitter/grok/ask，传 prompt、cookie 和可选 model。
保存结果：保存 message、conversation_id、chat item IDs、soft_stop、follow-up suggestions、prompt 和原始响应。
行动前复核：把 Grok 输出当作分析。外发消息、公开发布或客户决策仍应经过人工审批。

这样答案更容易被信任，因为每次回答都能追溯到 prompt 里使用的来源记录。

应该保存哪些字段

字段	作用
`source_job_id`	把 Grok 回答关联到数据采集任务。
`prompt`	说明当时到底问了什么。
`grok_conversation_id`	后续请求继续同一个 Grok thread。
`user_chat_item_id`	可用时关联用户 prompt item。
`agent_chat_item_id`	可用时关联 Grok response item。
`message`	最终回答。
`reasoning`	API 返回的可选 reasoning text。
`soft_stop`	说明回答是否 soft-stopped。
`follow_up_suggestions`	Grok 建议的后续 prompt。
`model`	记录请求使用的 model。
`asked_at`	审计和复盘时间。
原始 response JSON	字段映射变化时可重新处理。

不要把完整账号 cookie 存在 Grok 结果里。保存凭据引用即可。

常见错误

把 Grok conversation_id 和 XChat conversation_id 混在一起。
prompt 很宽泛、没有来源记录，却把回答当成证据。
从客户端代码调用端点，暴露 X cookie。
没有按 job 或账号隔离保存的 Grok conversation ID，导致续错对话。
让 Grok 输出直接触发公开动作，而没有人工复核。

总结

当你希望 Grok 分析或总结已经采集好的 X 数据时，使用 POST /v3/twitter/grok/ask。发送清晰的 prompt，把 X cookie 留在服务端，保存返回的 Grok conversation_id，并把回答和支撑它的来源记录绑在一起。