（6017期）Expert Finder – 社交数据驱动的专家发现引擎

社交数据驱动的专家发现引擎 基于 Twitter/Reddit 数据挖掘领域专家与意见领袖，通过分层查询和智能评分系统精准识别 KOL，适用于人才搜寻、研究合作与市场洞察。 使用说明 核心用法 Expert Finder 是一款社交驱动的专家发现工具，通过四阶段流程从 Twitter 和 Reddit 中挖掘特定领域的深度专家： Phase 1: 查询扩展 — 将用户输入的主题扩展为四层搜索词：核心术语（Tier 1）、技术黑话（Tier 2，权重最高）、相关概念（Tier 3）、讨论对比（Tier 4）。 Phase 2: 搜索聚合 — 使用 mcporter 调用 Xpoz API 抓取帖子数据（支持 6.4 万行 CSV 导出），筛选发帖≥3 次、覆盖≥2 个层级的作者。 Phase 3: 分类评分 — 获取前 20-30 名作者画像，按五类标记：🔬 深度专家 / 💡 思想领袖 / 🛠️ 实践者 / 布道者 / 🎓 教育者。综合评分（0-100）考量领域深度（30%）、持续性（20%）、同行认可（20%）、广度（15%）、资质背书（15%）。 Phase 4: 生成报告 — 输出结构化专家报告，包含关键引文、互动数据及推荐理由。 --- 显著优点 信号精准：Tier 2 技术术语是识别真专家的最强信号，避免网红噪音 数据规模：单次可分析数万条帖子，6 个月时间窗口平衡时效与深度 多维分类：五类标签帮助区分学术派、实践派、传播派等不同价值 开源透明：基于 MCP 协议，评分标准公开可审计 潜在缺点与局限 平台偏倚：仅覆盖 Twitter/X 和 Reddit，中文语境（微博、知乎、小红书）缺失 语言门槛：技术黑话识别对非英语领域效果下降 冷启动成本：需配置 OAuth 2.1 认证及 xpoz-setup 前置技能 隐私边界：抓取公开帖子虽合规，但专家未明确同意被"评级"可能引发争议 时效延迟：依赖历史数据，新兴领域早期专家可能遗漏 适合人群 HR/猎头：技术岗位人才mapping与被动候选人发现 投资人：赛道专家网络构建，验证技术趋势 研究者：寻找潜在合作者、审稿人或学术对手 市场团队：KOL 合作筛选，B2B 影响力营销 常规风险 账号风控：Twitter API 调用频率受限，大规模抓取需遵守 Xpoz 免费额度 误判风险：术语使用频繁≠真实专业水平，需人工复核关键推荐 数据过时：社交平台内容删除或账号冻结导致分析结果失效 合规注意：欧盟/加州用户数据需符合 GDPR/CCPA 要求 原始说明 Find domain experts, thought leaders, and subject-matter authorities on any topic. Searches Twitter and Reddit for people who demonstrate deep knowledge, frequent discussion, and above-average expertise in a specific field. Expert discovery, talent sourcing, researcher identification, and KOL (Key Opinion Leader) mapping.