x-zq

name: x-zq description: X-ZQ 推文解析器。支持多链接批量抓取、长文提取、知识库格式化，并结合视觉能力（Vision）自动进行图片 OCR 与总结，直接在对话框中输出。 version: 1.2.0

X-ZQ

🎯 触发场景 (Trigger)

当用户在对话中发送一个或多个 x.com 或 twitter.com 链接，或者明确要求你总结推文内容、提取图片上的文字时。

⚙️ 执行步骤 (Instructions)

请严格遵循以下步骤处理，并将最终结果直接输出给用户（你的回复将自动显示在用户的 Telegram 中）。

Step 1: 执行抓取引擎（自动串联流程）

调用你内置的 Python 环境运行该技能目录下的 fetcher.py：

python3 X-ZQ/fetcher.py --urls "<用户输入的完整文本>"

该脚本必须按以下自动链路执行：

1. 先走轻量抓取（HTTP）：快速尝试直接提取正文；
2. 若未拿到稳定正文（内容过短、命中登录墙、解析失败），自动触发 agent-browser；
3. 浏览器渲染后提取全文、媒体链接和结构化信息；
4. 输出中需标记抓取链路（如：http 或 browser (fallback: xxx)）。

Step 2: 深度阅读与视觉 OCR 解析

仔细阅读 Python 脚本返回的结构化 Markdown 输出：

• 长文阅读：阅读 > 引用块中的原推文内容。
• 多模态视觉 (Vision OCR)：如果输出中存在 ![Image_X](URL) 的图片语法，请立刻利用你自身的多模态视觉能力直接读取这些图片链接。
  • 提取图片中的所有关键文字（OCR）。
  • 简要描述图片或图表传达的核心信息。

Step 3: 生成 Telegram 专属精美排版

结合原文、数据以及你从图片中"看到"的内容，直接在对话框中向用户输出一份排版精美的中文报告。由于目标平台是 Telegram，请使用以下格式准则：

• 核心摘要：用 2-3 句话高度概括这条推文（和图片）讲了什么。
• 详细总结 (Bullet points)：提取长文中的核心观点。如果推文是外文，提供精准的中文翻译和要点。
• 图片 OCR 内容（如果有图片）：单列一段"🖼 图片解析"，输出你从图中提取的关键文字或表格数据。
• 媒体直链：附上视频或图片的高清直链，方便用户在 TG 中直接点击查看。
• 知识库格式 (可选)：如果用户要求"存入记忆"或"保存"，请告诉用户你已将抓取到的 YAML 格式元数据储存在了你的上下文中。

⚠️ 注意事项

• 绝不要向用户暴露 Python 执行过程、啰嗦的 JSON 源码或原始的 YAML 头，用户只需要看到最终深度总结和精美排版的报告。
• 如果请求返回"抓取失败"，请礼貌地在对话中告知用户该推文可能是私密账户或已被删除。