半小时把 X 输入/输出工作流搭起来：Codex 真香用法 😄
你是不是也遇到过这种情况：
- 想做一个 X（Twitter）的工作流：输入信息 → 处理 → 输出发布
- 结果各种方案又绕又重：要接一堆工具、写一堆胶水代码、还怕账号出事
- 折腾两天，发现离“直接能用”还差很远
我这篇就按“能照做”为标准，给你一条简单路线：用 Codex 把流程搭起来，并且把最容易翻车的点提前避掉。
目标：做一个“可落地”的 X 内容工作流：
- 输入：关键词/链接/一段素材（来自文件、Notion、RSS、Google Sheet 都行）
- 处理：清洗 + 摘要 + 改写成适合 X 的短内容 + 加标签
- 输出：发到 X，或更稳一点——先保存到草稿/队列
你要准备的东西
别整复杂，准备这几样就能开跑：
- 一个 OpenAI / Codex 可用的环境（你平时用的 Codex/IDE/CLI 都行）
- X 的开发者权限（至少能拿到 API Key / Access Token）
- 本地运行环境：Python 或 Node 二选一（示例用 Python）
如果你只想“先跑通”，建议你把输出从“直接发推”改成“写入草稿文件”，跑稳了再切到发布。
工作流长什么样（脑子里先有图）
把流程拆成 4 个模块，你会非常舒服：
- Input（输入）：读入你的素材（文本/链接/表格）
- Transform（处理）：让模型生成“X 可发”的内容
- Policy（安全层）：做长度、敏感词、重复度、频率控制
- Output（输出）：发推 / 入库 / 进队列
你要做的不是“做个大而全系统”，而是把这 4 块串起来，先让它稳定跑起来。
用 Codex 的正确姿势：把需求写清楚，让它一次出可维护的代码
很多人用 Codex 卡住的原因是：
- 只说“帮我写个发 X 的脚本”
- 没说清楚输入是什么、输出长什么样、失败怎么办
你直接把下面这段“需求模板”丢给 Codex，然后让它生成项目结构：
✅ 需求模板（复制就能用）
我要一个 Python 项目，用来做 X(Twitter) 的内容工作流。
功能：
- 输入：从 input.txt 读取多行素材，每行一条
- 处理：对每条素材生成 1 条适合 X 的中文短内容
- 风格：口语、信息密度高、别像营销号
- 长度：不超过 240 字
- 结构：一句结论 + 2~3 个要点 + 1 个行动建议
- 允许 1~2 个 emoji，但别每句都加
- 安全层：
- 如果生成内容重复度高（和最近 20 条输出相似），就重写
- 如果太长，自动压缩
- 输出：
- 默认写入 outbox.jsonl（每行一个 JSON，含原始素材、生成内容、时间戳）
- 可选：通过 X API 发布（用环境变量开关）
工程要求：
- 有清晰的目录结构
- 关键参数用 .env 管理
- 有日志 log.txt
- 失败要重试（指数退避），但别无限重试
请直接给出完整代码和运行方式。
这段模板的核心是：输入/输出格式讲清楚 + 失败处理讲清楚 + 安全层讲清楚。
参考项目结构（你就照这个放）
Codex 生成后，你可以对照一下结构，尽量长这样：
x-workflow/
src/
main.py
generator.py
policy.py
x_client.py
storage.py
input.txt
outbox.jsonl
.env.example
requirements.txt
README.md
log.txt
模块拆开有啥好处？
- 你哪天想把输入从 input.txt 换成 Google Sheet，不会牵一发动全身
- 你想把输出从“发推”换成“进草稿箱”，也只是换 Output
关键代码怎么写（给你一份可跑的骨架）
下面是一套“够用、清晰、方便扩展”的示例骨架。你可以让 Codex 直接按这个思路生成完整版本。
1）生成器：把素材变成 X 文案
# src/generator.py
from openai import OpenAI
client = OpenAI()
SYSTEM = """你是一个写作助手，擅长把素材改写成适合 X 发布的中文短内容。
要求：口语化、信息密度高、别像广告。输出不超过240字。"""
def gen_post(text: str) -> str:
prompt = f"""素材：{text}
请输出：一句结论 + 2~3 个要点 + 1 个行动建议。允许1~2个emoji。
只输出正文，不要标题。"""
resp = client.responses.create(
model="gpt-4.1-mini",
input=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": prompt},
],
temperature=0.7,
)
return resp.output_text.strip()
模型你可以换成你账号里更顺手的。重点是：结构约束 + 长度约束写死。
2）安全层：长度、相似度、重写策略
你不加安全层，最常见的结果是：
- 发出去才发现超长
- 连发几条风格一模一样，被人一眼看穿“自动化”
# src/policy.py
import difflib
def too_long(text: str, limit: int = 240) -> bool:
return len(text) > limit
def similarity(a: str, b: str) -> float:
return difflib.SequenceMatcher(None, a, b).ratio()
def too_similar(candidate: str, history: list[str], threshold: float = 0.85) -> bool:
return any(similarity(candidate, h) >= threshold for h in history)
相似度这块不用一上来就上向量库。你要的是“半小时能跑通”。
3）输出：先写队列，再决定发不发
# src/storage.py
import json
import time
def write_outbox(path: str, raw: str, post: str):
row = {
"ts": int(time.time()),
"raw": raw,
"post": post,
}
with open(path, "a", encoding="utf-8") as f:
f.write(json.dumps(row, ensure_ascii=False) + "\n")
强烈建议你一开始就用 outbox.jsonl。你会感谢自己：
- 回溯方便
- 出问题能定位
- 做二次处理也方便（比如挑选、审核、批量发布）
运行方式（你照着敲就行）
1）安装依赖
pip install -r requirements.txt
2）准备 .env
OPENAI_API_KEY=你的key
X_API_KEY=...
X_API_SECRET=...
X_ACCESS_TOKEN=...
X_ACCESS_SECRET=...
PUBLISH_TO_X=false
3）把素材放进 input.txt，一行一条。
4）运行
python -m src.main
跑完你会在 outbox.jsonl 看到输出。
想发布就把 PUBLISH_TO_X=true，然后再跑一遍（更稳的做法是“只发布 outbox 里审核通过的记录”）。
一个真实场景：把“看过的文章链接”变成每天 1 条输出
你每天收藏一堆链接，永远没时间整理？
改成这个节奏：
- 晚上把链接丢进
input.txt - 脚本跑完生成 3~5 条备选
- 你挑一条手动发，或者进定时队列
效果很直接：输出稳定了，人也不累。
避坑清单（不想翻车就看这个）
- 别上来就全自动发推：先 outbox，确认内容没问题再发布。
- 发推频率要克制：新号/弱号别搞高频。间隔拉开点。
- 同模板狂刷很明显：安全层做相似度检测，必要时重写。
- 把敏感内容挡在门外：你可以加一层简单的关键词过滤，宁可漏掉也别硬发。
- 日志必须有：出一次问题你就知道为什么我这么说。
- 不要把密钥写进代码：全部进
.env，提交代码前检查一遍。
你可以怎么继续升级
跑通后再加这些，会越用越顺：
- 输入换成 Notion/Google Sheet/RSS
- outbox 加一个
status字段：draft / approved / posted - 做一个“人工审核”小页面（哪怕是个最简单的本地 HTML）
- 多账号分发：同一条内容自动生成 2 个版本，分别发不同账号
一句话收尾
这类工作流别追求“完美系统”。追求“今晚能跑，明天还能跑”。
Codex 真正好用的地方，就是你把需求写清楚，它能把你从一堆琐碎的工程活里拎出来。剩下的时间，拿去做更值钱的：选题、判断、表达。
