# X/twitter運營必讀: 我把 X 的推薦算法源碼逐行覈對了一遍：你天天在背的發帖口訣，一大半是錯的

> 我把 X 公開的 For You 推薦代碼逐行覈對了一遍，把二十多萬字的完整報告提煉成 13 條能直接用的實操結論：『第二篇只剩 62.5%』『作者回一句等於 150 個贊』『外鏈放首條回覆就免罰』，哪些有代碼依據、哪些是讀錯了，一條條講清。

- Original: https://blog.go5.si/posts/zh-tw/x-algorithm-guide/
- Published: 2026-10-31
- Author: AI Ferryman Alex (AI摆渡人 Alex)
- License: CC BY-NC-SA 4.0

---
![X/twitter運營必讀: 我把 X 的推薦算法源碼逐行覈對了一遍：你天天在背的發帖口訣，一大半是錯的](https://blog.go5.si/post-images/zh/x-algorithm-guide/comic-d34-guide.jpg)

先問一個大家每天都在踩的坑：一條帖子放 4 張圖，第 1 張是你精心設計的封面（寫着“本次測試的三個發現”）或者一張搞笑漫畫，第 4 張圖纔是真正的測試結果表格。你猜推薦系統的 AI 會先看哪張圖？

翻開 X 公開算法庫（`xai-org/x-algorithm`）的 V8.2 內容理解代碼，`_collect_post_media` 函數的邏輯非常乾脆：從第 1 張圖開始檢查，**只要遇到第一張能正常讀取的圖片，立刻 `return`（直接返回收工，根本不往下讀了）**。也就是說，當 4 張圖都能正常打開時，這條流程只拿走了你的第 1 張圖去理解帖子內容，第 4 張圖裏的核心測試數據，在這一次圖片選取裏壓根沒送進去。

再看一句流傳極廣的運營口訣：“一天發第二篇只剩 62.5% 權重，每天最多發三篇，隔四小時才能恢復權重。”代碼裏確實算得出 `0.625` 這個數，但程序根本沒有數“你今天發了幾篇”。

我把 X 的 For You 公開推薦代碼（基準提交 `5ed7963`，並比對了 10 月份的 20 個參數快照，一直追到 10 月 29 日 UTC 的最新提交 `606b254`）完整覈對了一遍，用 Python 重寫了 143 項排序與篩選驗證、做了 10 項內容處理器函數測試，整理出了一份二十多萬字的創作者指南。

爲了讓不寫代碼的朋友也能徹底看懂，我們先花 30 秒搞懂一個最基礎的前提，然後再看那 13 個直接決定你流量生死的真相：

---

## 💡 0 基礎先看懂：你的帖子到底是怎麼爬上別人首頁的？

很多人以爲推薦算法像“通關打怪”：我發一條帖子，系統先給它一個基礎分，有人點個贊就加 1 分，攢夠多少分就升入下一個流量池。**真代碼完全不是這麼跑的！**

真實的推薦發生在“讀者下拉刷新首頁的那 0.1 秒裏”，每次刷新都分兩步走：

1. **第一步：抓候選（進臨時籃子 / 召回）**
當讀者張三下拉刷新“爲你推薦（For You）”時，系統會同時派幾個採購員去不同的倉庫抓帖子——比如去 `Thunder` 倉庫抓“張三關注的人剛發的帖子”，去 `Phoenix` 倉庫抓“雖然張三沒關注、但根據張三近期閱讀歷史 AI 覺得他會感興趣的陌生人帖子”，去 `SimClusters` 抓“同好圈子熱議的帖子”。這幾個採購員總共抓出幾千篇帖子，倒進一個專門爲張三這次刷新準備的“臨時候選池”裏。


2. **第二步：算預測分排座次（打分排序）**
幾千篇帖子塞不下屏幕，系統必須挑出前幾十篇給張三看。於是 AI 模型會挨個看籃子裏的帖子，**提前預測（押注）**：“如果把這篇帖子給張三看，張三有多大概率會點贊、留言、複製鏈接、停留閱讀、或者點不感興趣？” 算出來的這個總分就叫**排序分數（Ranking Score）**。分高的排在最上面被張三看到，分低的沉底淘汰。



再花 20 秒把三個詞說清，後面 13 條全靠它們：

* **權重（也叫係數）**：不是分數本身，是一個“放大倍數”。它乘的不是已經發生的事，而是下面這個概率。
* **概率**：AI 在讀者還沒看到你帖子之前，猜“這位讀者看到後，會做某個動作的可能性”，0 到 1 之間。
* **一項的得分 = 權重 × 概率**。舉個例子：展開圖片的權重是 `0.05`，如果 AI 猜某位讀者有 60% 的概率會點開你的圖看大圖，這一項就貢獻 `0.05 × 0.6 = 0.03` 分。不是“有人點開一張圖，就給你加 0.05 分”——網上很多教程把權重直接說成加分，就是在這裏搞錯的。

搞懂了“先抓進臨時籃子，再算預測分排座次”，下面這 13 條代碼真相你一眼就能看明白：

---

## 1. 同作者第二篇打 6.25 折？程序數的不是“你今天發了幾篇”

* **網上的傳言**：“一天發第二篇權重只剩 62.5%，每天最多發 2–3 篇，兩篇之間必須隔 4 小時，或者中間插一條短帖來重置權重。”


* **代碼裏真正是怎麼跑的**：
在 `scoring.rs` 裏，確實有一個“作者多樣性乘數”，公式是 $m(k)=0.75\times 0.5^{k}+0.25$（VM Ranker 默認衰減 `decay = 0.5`、保底 `floor = 0.25`）。按第 1 篇、第 2 篇、第 3 篇算下來，乘數確實依次是 `1.0`（不打折）、`0.625`（打 6.25 折）、`0.4375`（打 4.375 折），後面最低保底 `0.25`。
**但是！這裏的序號 $k$，根本不是數“你今天發了幾篇”，而是數“在讀者張三剛剛刷新出來的那個臨時籃子（單次候選池）裏，你的帖子同時被抓進去了幾篇”！**


* **解答你最關心的 4 個問題**：
1. **爲什麼我的兩篇帖子 A1、A2 會同時掉進同一個籃子裏？**
假設你上午 10 點發了 A1，中午 12 點發了 A2。粉絲張三今天下午 1 點才第一次打開 X 刷首頁，由於 A1 和 A2 他都沒看過，採購員就把你的 A1（假設預測分 1.0）和 A2（預測分 0.9）**同時抓進了張三的臨時籃子裏**。爲了防止張三滿屏都是你一個人的臉，系統會保留你最高分的 A1 乘 `1.0`（得 1.0 分），而把籃子裏的第二篇 A2 乘上 `0.625`（變成 0.5625 分）。
**但請注意**：如果另一個讀者李四上午 11 點已經刷到過你的 A1 了，等李四下午 1 點再刷首頁時，A1 因爲“已讀”根本不會進籃子，李四的籃子裏只有你的 A2——此時 A2 在李四這裏就是同作者第 1 篇，照樣拿 `1.0` 滿分！這段函數每次刷新都重新建表，沒有“每日發文計數器”，也沒有“隔 4 小時恢復”或“午夜歸零”的規則。


2. **代碼裏不是有個“24 小時最多選 5 篇”嗎？**
那是 `PopularPosts`（熱門帖進貨渠道）這**單一渠道**自己的局部規則：從近 24 小時裏每個作者最多挑 5 篇。而真正挑大樑的關注流（`Thunder`）和 AI 推薦流（`Phoenix`）並沒有這個 5 篇上限。


3. **在兩篇長文中間插發一條短帖，能“洗掉”衰減恢復權重嗎？**
**完全不能，甚至可能幫倒忙！** 代碼只認你的作者 ID（`author_id`），不管長文還是短帖。如果你在長文 A1（1.0 分）和長文 A2（0.9 分）中間插了一條短帖，萬一這條短帖也進了同一個籃子且拿了 0.95 分，它排在第二，就會把你的長文 A2 擠到第三（$k=2$），導致 A2 的乘數從 `0.625` 進一步跌到 `0.4375`！


4. **聽說系統還會過濾相似內容（DPP），我能自己在電腦上把文章轉成向量查重嗎？**
`dpp_model.rs` 確實有 DPP 多樣性選擇：如果籃子裏有兩篇內容向量高度重合的帖子，系統會留下第 1 篇，把第 2 篇分數置零。但你**沒法自己提前算向量查重**，因爲 X 用的是內部不公開權重的多模態模型（`grox/flows/mm_emb` 加上哈希後的作者 ID），而且 DPP 防的就是“換湯不換藥”，光改幾個近義詞沒用。




* **平時發帖到底怎麼做**：
別再定鬧鐘卡“4 小時冷卻期”，也別爲了湊“長短交替”硬發水貼。如果兩篇草稿講的是同一個觀點，直接合併成一篇發；如果有新的測試數據、新案例或新進展，隨時發！



---

## 2. 爲什麼串文（Thread）常建議寫 3 條？祕密在“屏幕展示截斷”，而且分帖會自己搶權重！

* **網上的傳言**：“長文拆成 3 條 Thread 有算法額外加分，而且整條 Thread 在算法裏只佔 1 個作者名額，不會觸發同作者衰減。”


* **代碼裏真正是怎麼跑的**：
排序代碼裏**沒有任何給 3 條串文加分或給第 4 條扣分的公式**。但關於串文，代碼裏藏着三個殘酷真相：


1. **真相一：串文的每一條分帖，在打分時是“各憑本事、互相搶名額”的！**
當你發一條 5 段式的串文（1/5 到 5/5），在進入 VM Ranker 打分時，程序**並沒有先把整串合成一個整體**，而是把它們當成 5 條帶有相同 `author_id` 的獨立候選帖送去打分！這意味着如果好幾條分帖同時進了候選池，它們會先自己跟自己觸發 `0.625`、`0.4375` 同作者衰減；等打完分、選出勝者之後，後置的對話去重過濾器（`DedupConversationFilter`）纔會出來把同串裏分低的分帖刪掉，只留最高分的那一條。


2. **真相二：陌生人很難刷到你的後續分帖。**
在普通推薦流（Phoenix）裏，處理“未關注作者的回覆”的過濾器（`oon_retweet_reply_filter.rs`），公開默認開關 `EnablePhoenixOonReplies` 是 `false`（關閉）。因爲串文的第 2 條往後本質上都是“回覆貼”，在這個默認設置下，沒關注你的陌生人往往只有機會刷到你的第 1 條（根帖）。


3. **真相三：`NUM_INTERMEDIATE_ANCESTORS = 1` 決定了讀者在屏幕上會看到哪幾條！**
假設你寫了一條 10 段式的長串文（第 1 條到第 10 條），結果系統選中了你的**第 10 條**準備展示在讀者的首頁上。
這時候，界面組裝器 `convo_marshaller.rs` 會把它拼成一個**連在一起的對話卡片**展現在屏幕上。但代碼裏規定 `NUM_INTERMEDIATE_ANCESTORS = 1`（最多隻取 1 條中間祖先帖），組裝規則是：**第 1 條（根帖 Root）＋ 1 條中間祖先帖（被選中那條的直接上一條）＋ 當前被選中的帖子**。
結果就是：讀者在首頁刷到的卡片，顯示出來的序號是：**第 1 條、第 9 條、第 10 條**！中間第 2 到第 8 條的推導過程，在首頁卡片上直接被跳過了！而如果你的串文一共只有 **3 條**，選中第 3 條時，組裝出來的就剛好是完整的 **第 1 條、第 2 條、第 3 條**，一條都不漏！




* **平時發帖到底怎麼做**：
1. **能用一篇“長 Post”連貫講清的事，直接發一篇長 Post，別硬拆成十幾條 Thread**。


2. **如果確實要用 Thread（比如發完長專欄後寫摘要串），控制在 3 條以內最理想**：第 1 條直接亮出核心判斷（千萬別寫“我用十條講清楚，最後一條最關鍵”），第 2 條放具體方案對比，第 3 條補限制條件和互動提問。


3. **萬一寫了長串文，每一條分帖必須“去掉上下文也能獨立看懂”**，確保別人哪怕只刷到 `1、9、10` 也能明白你在說什麼。





---

## 3. 點進主頁關注就加 4 分？複製鏈接加 20 分？徹底搞懂“互動權重”是怎麼算的

* **大家最大的誤解**：看到參數表裏寫着“點贊 `0.66`、回覆 `5`、關注作者 `4`、複製鏈接 `20`”，很多人就以爲：“只要有一個讀者從時間線點進我主頁並關注了我，系統就給我的帖子記賬加 4 分；有人複製一次鏈接就加 20 分；作者去評論區回一句等於 150 個贊。”


* **代碼裏真正是怎麼跑的**：
**完全不是“事後記賬加分”，而是“事前算命押注”！**
`scoring.rs` 的源碼註釋裏專門寫了一句警告：`the weights do not multiply raw engagement counts`（**權重乘的根本不是實際發生的互動次數！**）。
排序分數是在讀者張三**下拉刷新首頁、還沒看到你帖子之前的那 0.1 秒**算出來的。真實的公式是 $S_{\mathrm{engagement}}(u,p)=\sum_i w_i\,P(a_i\mid u,p)$，也就是先由 AI **預測（猜）**張三看到這篇帖子後發生各種動作的**概率**，再用“預測概率 × 權重係數”加總算出總分。


* **舉個真實例子算給你看**：
公開默認裏，一般回覆的權重是 `5`，複製鏈接的權重是 `20`。但假設對讀者張三來說，AI 預測他看完這篇帖子有 **2%（0.02）** 的概率會留言回覆，但只有 **0.1%（0.001）** 的概率會去點複製鏈接。那麼在算分時：


* **回覆項貢獻的分數** = $5 \times 0.02 = 0.10$ 分；


* **複製鏈接貢獻的分數** = $20 \times 0.001 = 0.02$ 分。
雖然複製鏈接的係數（`20`）比回覆（`5`）大得多，但在這次打分裏，反而是回覆項幫你的帖子拿到了更多分數！至於網上傳的“作者回一句頂 150 個贊”，那是拿 2023 年 4 月早就淘汰的舊版文件（`75 ÷ 0.5`）瞎除出來的，不僅版本錯了三年，還把概率係數當成了計件工分。






* **那讀者看完後“真正去點贊、複製鏈接、點關注”，到底有什麼用？**
有用在**下一波讀者**身上！公開配置啓用了真實互動計數（`engagement counts`）作爲上游 AI 模型的輸入特徵。當第一批刷到你帖子的讀者真的紛紛點進你主頁點了關注、或者複製了鏈接，AI 模型就會立刻捕捉到這個特徵，當接下來成千上萬個同類型的陌生讀者刷新首頁時，AI 給他們算出來的“預測概率”就會大幅升高，再乘上 `20`（複製鏈接）和 `4`（關注作者）的高權重，把你的帖子推上更多人的首頁前排！


* **附：當前代碼裏真正的權重係數表（Home Mixer / VM Ranker 默認值）**：


* **高價值正向行爲**：複製鏈接（`Share via copy link`）**`20`**；互關好友對原創帖的回覆預測 **`5 + 15 = 20`**（注意：代碼硬性要求候選帖子 `!is_reply && !is_retweet && is_mutual_follow_author`，也就是你必須發**原創帖**，且刷到帖子的讀者跟你**互相關注**，他的回覆預測才乘 20；你跑到大 V 底下搶前排發的評論本身是 `is_reply`，根本拿不到這個 20 倍加成！另外陌生人圈外候選在 VM Ranker 默認還有 `0.75` 的 OON 乘數，意味着圈外帖在乘數前要有圈內帖約 1.3333 倍的分數才能追平）；一般回覆 **`5`**；帶評論引用（`Quote`）**`5`**；私信分享（`Share via DM`）**`5`**；關注作者（`Follow author`）**`4`**；一般分享 **`2`**；普通轉發（`Retweet`）**`1`**。


* **點擊與閱讀行爲**：點贊（`Favorite`）**`0.66`**（VM 爲 `0.5`）；點開後停留達標（`ContClickDwellTime`）**`0.4`**；普通點擊（`Click`）**`0.3`**；打開外鏈（`Open link`）**`0.2`**；停留事件（`Dwell`）**`0.05`**；展開圖片（`Photo expand`）**`0.05`**；點擊被引用帖 **`0.05`**；打開視頻 **`0.02`**（VM 爲 `0.07`）；連續停留時間（`ContDwellTime`）**`0.006`**（VM 爲 `0.004`）；點進作者主頁（`profile_click`）**`0`**。


* **一票否決級的負向懲罰**：未停留（直接划走 `Not dwelled`）**`-0.02`**；屏蔽作者（`Block`）**`-31.2`**；點“不感興趣”（`Not interested`）**`-52.272`**（VM 爲 `-47.52`）；靜音作者（`Mute`）**`-58.8`**；舉報（`Report`）**`-234`**。




* **平時發帖到底怎麼做**：
1. **把帖子、簡介（Bio）和置頂串成一條線**：讀者點進你主頁雖然是 `0` 分，但如果他看了一眼你的簡介和置頂，順手點了“關注作者”，關注作者那一項的係數是 **`4`**，乘上預測概率之後才進總分（而且 V8.2 模型還會直接讀取你的名字、賬號和截斷後的 Bio 簡介）。簡介別寫空話，直接寫清你持續提供什麼乾貨，用置頂帖兌現承諾，把進主頁的人變成粉絲。


2. **千萬別靠罵戰和引戰騙回復**：回覆權重是 `5`，但“不感興趣”是 `-52.272`、“靜音”是 `-58.8`、“舉報”是 `-234`，負向預測一旦抬頭，總分當場變負數！





---

## 4. 轉推（Retweet）和“只看不互動”的權重到底差多少？真相跟你想的相反！

很多人看了一眼上面的參數表：普通轉推（`Retweet`）是 **`1.0`**，基礎停留事件（`Dwell`）是 **`0.05`**，就以爲：“轉推比只看不互動高了 20 倍！大家只看我的長文不轉推，我豈不是虧慘了？”

* **代碼覈對並重算後的真相**：
1. **算上發生概率，單單一個基礎停留項就經常贏過轉推！**
表面看 $1.0 \div 0.05 = 20$ 倍。但別忘了權重乘的是**預測發生概率**！讀者刷到好帖子，停下來閱讀的概率遠高於順手點轉推的概率。假設某位讀者的預測轉推概率是 **2%（0.02）**，而預測停留事件的概率是 **60%（0.60）**，那麼轉推項貢獻 $1.0 \times 0.02 = 0.02$ 分，而基礎停留事件貢獻 $0.05 \times 0.60 = 0.03$ 分——停留項直接反超轉推！


2. **“只看不互動”在代碼里根本不止 1 項，而是有“4 大閱讀加分項”同時疊加！**
當一個讀者點開你的長文、默默讀了 30 秒，然後一讚沒點、一句話沒留就划走了——在系統眼裏，這個“沉默讀者”其實一連觸發了 **4 層正向機制**：


* **第一層（普通點擊 `Click`）**：點開帖子或展開，權重 **`0.3`**；


* **第二層（點開後深度停留 `ContClickDwellTime`）**：點開後閱讀超過代碼閾值 `10.0`，權重高達 **`0.4`**（單這一項就已經是轉推 `1.0` 的近一半，且觸發率高得多）；


* **第三層（基礎停留 `Dwell` `0.05` ＋ 連續停留每秒 `ContDwellTime` `0.006`）**：在 10 月 8 日啓用 **CREAD 多門檻停留預測**（把 2 秒到 120 秒、沉浸式頁面 2 秒到 240 秒按對數切分成 30 個時間刻度還原閱讀秒數）後，10 月 13 日連續停留權重又從 `0.004` 漲到了 **`0.006`**（漲了 50%）。如果預測讀者看 30 秒，光連續秒數這一項就能再拿 $0.006 \times 30 = 0.18$ 分！


* **第四層（第一步撈候選的 `ld` 閱讀召回分支）**：10 月 13 日（`e1a0375`）起，雙塔召回模型新增了權重爲 **`0.75`** 的 `ld` 分支（把 `CLIENT_TWEET_RECAP_DWELLED` 作爲訓練正例，覆蓋 `HOME`、`HOME_COLD`、`HOME_HOT`），在第一步往籃子裏抓帖子時，就會專門把“大家會默默讀下去”的好帖撈出來！
把這四層加在一起，一個“默默看完不說話”的讀者，在打分環節貢獻的分數往往是普通轉推的好幾倍！




3. **那轉推（Retweet）真正的獨家價值是什麼？是讓別人幫你“跨圈層開門”！**
當**同行大 V 乙**點了轉推，`thunder/posts/post_store.rs` 會把這筆轉發寫進乙的個人索引庫。當乙的粉絲丙刷新首頁時，`Thunder` 就會按丙的關注名單，把你的帖子作爲“丙關係網內的候選”直接端到丙面前！




* **平時發帖到底怎麼做**：
別因爲評論區安靜就焦慮地把乾貨改成引戰水貼，也別爲了騙滿 10 秒停留而在開頭寫十行廢話（開頭注水只會讓人秒划走觸發 `-0.02` 的 `Not dwelled` 懲罰）。**用紮實的表格和案例讓沉默讀者停下來讀完（撐起算法高分），同時留一張總結核心結論的對比圖方便同行順手轉推（借別人的關注流破圈）**！



---

## 5. 長文帶一張漫畫圖片會怎樣？權重是按圖片算，還是按長文算？

很多寫深度內容的創作者會問：“我寫了幾千字長文，配了一張漫畫插圖，系統會不會把它當成圖片帖，結果把我長文的閱讀權重給吞了？”

* **代碼覈對後的真相**：
1. **打分時不是“二選一”，而是“長文分 ＋ 圖片分”全部累加！**
`scoring.rs` 的融合計分公式對所有帖子一視同仁：你帶了長文，上面講的 **4 大閱讀停留項** 照常全額計算；同時因爲你帶了圖片，系統還會**額外疊加一項“展開查看圖片（`Photo expand`，權重 `0.05`）”的預測分**。帶漫畫圖絕不會吞掉長文本身的權重。


2. **真正受影響的是“AI 多模態模型怎麼理解你的主題”（`grox/flows/mm_emb`）**：
在 V8.2 處理器（`renderer_v82.py`）裏，程序會同時抽取兩樣東西打包送給多模態 embedding 服務：**截取前 4,000 個字符的正文文本（`Post text:`）** ＋ **選出來的第 1 張可用圖片（`Post image:`）**。


* **如果你只配了 1 張漫畫圖**：只要你長文前 4,000 字把核心主題寫清楚了，配一張契合主題的漫畫完全沒問題；但切忌正文開頭雲裏霧裏、配圖又是毫無關係的搞笑表情包，那會干擾多模態向量的語義精準度。


* **如果你既有 1 張裝飾漫畫、又有 2 張實測數據圖（最容易踩的大坑！）**：千萬記住 V8.2 的 `_collect_post_media` **遇到第 1 張可用圖片就直接 `return` 返回了**！如果你把搞笑漫畫放在第 1 張，把真正的數據對比表放在第 2、3 張，AI 就只拿走了那張搞笑漫畫，你後面兩張核心數據表在這條流程裏直接被無視了！






* **平時發帖到底怎麼做**：
如果只配 1 張漫畫插圖，放心配（公式裏本來就有一項展開圖片的預測，係數 `0.05`，乘的是讀者點開看圖的概率），但正文開頭要把主語和結論寫清；如果既有裝飾漫畫、又有乾貨數據圖表，**永遠把包含核心結論的數據圖放在第 1 張（首圖），把漫畫往第 2 張以後放**！



---

## 6. 同一個內容用多國語言發佈（比如中英雙語發佈）會怎樣？

很多做技術和出海的創作者經常寫中英雙語內容，到底該“塞在一條帖子裏上下混排”，還是“拆成中文、英文兩條分開發”？

* **發法 A：同一條帖子裏“上中文、下英文”混寫**
1. **沒有中英混寫扣分**：代碼裏沒有任何“中英混寫固定扣分”的規則，語言只是模型的輸入特徵之一。


2. **但有兩個隱形陷阱**：
* **第一是 4,000 字符截斷線**：V8.2 處理器對 `post.full_text` 只截取**前 4,000 個字符**。如果你上面寫了 3,500 字中文，下面附了 3,500 字符的英文，第 4,000 字符往後的英文會被直接切掉，根本進不去這個內容向量模型！


* **第二是英文專屬安全規則**：在 Grox PTOS 自動打標路徑中（Grox 是 X 內部負責“看懂內容”的 AI 系統，PTOS 是它裏面專門管安全審查、給違規內容打標籤的那套流程），像 `FOSNR_ABUSE_INSULTS`（侮辱攻擊標籤）明確要求**帖子語言爲英語**纔會自動寫入。雙語帖如果措辭激烈、又被識別爲英語，按這條路徑的條件推測，會更容易觸發這條自動審查。






* **發法 B：拆成一條純中文帖、一條純英文帖分開發**
1. **單語讀者互不干擾**：Phoenix 召回模型讀取的是**當前讀者的歷史行爲序列（`query.user_id`）**。平時只看中文的讀者只會召回你的中文版（拿 `1.0` 滿分），只看英文的讀者只會召回你的英文版（也拿 `1.0` 滿分）。


2. **雙語讀者若同時刷到會同池競爭**：對中英文都看的雙語粉絲，如果你同一秒連發兩篇，它們掛着同一個 `author_id` 掉進同一個候選池時，第二篇會喫 `0.625` 衰減，也可能在 DPP 相似內容選擇（`dpp_model.rs`）中競爭。




* **平時發帖到底怎麼做**：
**短帖（中英加起來遠小於 4,000 字符）** 可以直接放一條帖子裏；**深度長文** 請務必**拆成純中文、純英文兩條分開發**，並且最好錯開幾個小時（分別卡中文區和歐美區的活躍時段發），既讓兩篇各自喫滿 4,000 字符額度，又避免了在雙語粉絲的候選池裏自己打自己！



---

## 7. 發佈的內容用 `#` 帶標籤（Hashtag）到底有用還是有害？

* **代碼覈對後的真相**：
1. **有用，但不直接加分**：打分公式裏沒有“加一個 `#` 標籤加幾分”的規則；但在 Phoenix 的歷史特徵清單裏明確包含 **`CLICK_HASHTAG`（點擊標籤歷史）**，說明系統確實會看標籤相關的行爲特徵，不能說標籤完全零價值。


2. **硬上限是 4 個（`MaxHashtagsPerTweet = 4`）**：在 `SimClusters` 實體抽取器（`TweetEntityExtractor.scala`）裏，設置了 **`MaxHashtagsPerTweet = 4`**——它在提取文字實體時**最多隻保留前 4 個 `#` 標籤**，第 5 個往後在這條路徑裏直接被丟棄！


3. **亂塞標籤會觸發 `SpamHashTagAbuse` 懲罰**：PTOS 安全策略裏有專門的 **`SpamHashTagAbuse`（標籤濫用）** 類別。如果在帖子下面塞滿跟正文無關的熱搜標籤，一旦被模型判定爲濫用（且無高 PageRank 或灰標豁免），會直接寫入 **`SpamHighRecall`** 垃圾標籤，導致在陌生人推薦流裏被移除。




* **平時發帖到底怎麼做**：
普通帖子不需要硬湊標籤；只有涉及到明確的專有名詞、項目名或活動時，放 **1 到 2 個（最多絕不超過 4 個）** 直接相關的 `#` 標籤即可，絕不要在文末堆砌無關熱門詞。



---

## 8. 同一篇深度長文，該發“長 Post”還是“Article（專欄文章）”？什麼是 Article 的“64 贊拉圖門檻”？

* **代碼覈對後的真相**：
1. **打分公式裏沒有任何“Article 專屬加分”**：Home Mixer 和 VM Ranker 的最終計分輸入（`CandidateScoringInputs`）裏**根本沒有 `is_article` 這個加分字段**。網上傳的“Article 曝光翻 5.7 倍”來自第三方觀察樣本，但那批創作者每發 1 篇 Article，背後平均發了 6 到 28 條普通帖子去導流推廣；而官方以前提過的 Article 權重是廣告收益分錢權重，不是推薦排序係數。


2. **徹底講透 Article 的“64 贊拉圖門檻（`is_high_fav`）”與 V5 / V8.2 讀取差異**：
* **什麼是 `is_high_fav` 達到 64 贊**：AI 要看懂圖片，得先由後臺的“媒體搬運工（`MediaLoader`）”把圖片拉過來。爲了節省服務器算力，`grox/core/data_loaders/media_loader.py` 在拉取 **Article 的封面圖和正文內嵌圖**時，設了一道門檻叫 `is_high_fav`（高贊帖判斷），公開默認閾值是 **64 個贊（`deluxe_fav_count_threshold = 64`）**。也就是說，在你的 Article 還沒拿到 64 個贊之前，走這條 `MediaLoader` 路徑時，系統**可能壓根不會去拉取你 Article 的封面圖和內嵌圖**（注：這隻管這條媒體拉取路徑，絕不代表 Article 要滿 64 贊纔有推薦資格）！


* **V5 和 V8.2 兩個閱讀器的巨大差異**：舊版 **V5 閱讀器**會依次讀：Article 標題 → Article 封面 → 帖子文本 → 普通帖子媒體 → Article 內嵌圖（如果圖片預算爲 1 張，就只拿走 Article 封面）；而新版 **V8.2 閱讀器**對 Article 只讀 `post.full_text`（前 4,000 字符）和 **Article 標題（前 200 字符）**，它的選圖函數只從“普通帖子附件（`post.media`）”裏拿圖，**壓根不讀 Article 專屬封面和內嵌圖**（如果圖片只放在 Article 編輯器裏，V8.2 返回的圖片列表直接是空的）！


* **Article 改稿時的“隱身空窗期”**：`TimelineHomeHydration` 的 `ArticleTweetContent` 規則會攔截所有非 `Published` 狀態的 Article。而修改已發佈的 Article 會先撤下變成未發佈狀態，改完再重發——頻繁撤下改稿期間會被直接過濾。






* **看懂這三條，發 Article 和長 Post 時到底怎麼做**：
1. **三四千字以內的連貫論證 → 直接發“長 Post”**：把核心結論放在前 4,000 字符內，配 1 張結果圖掛在普通圖片欄，從 0 贊開始就能被 V8.2 完整讀進圖文。


2. **上萬字的多章節調查或手冊 → 用“Article ＋ 一條帶圖導讀 Post”組合拳**：
* **Article 標題（前 200 字）必須寫滿核心關鍵詞和結論**（因爲在沒滿 64 贊或走 V8.2 時，AI 全靠這 200 字標題和承載帖文本認出你在寫什麼，千萬別起文藝空洞的標題）！


* **Article 封面圖要放核心信息圖**（滿 64 贊後或走 V5 預算 1 張圖時，第一個讀它）。


* **最關鍵一步**：發完 Article 後，**務必單獨發一條長 Post 做導讀，並把最核心的 1 張結果對比圖直接作爲“普通圖片附件（`post.media`）”掛在這條導讀 Post 上**——這樣導讀帖不用等 64 個贊，0 贊起步就能讓 V8.2 把文字和首圖喫得乾乾淨淨！







---

## 9. 小賬號冷啓動的“200 次曝光”與 FairShare 初篩：新號和小號到底怎麼借力？

我們把這套機制拆成兩個房間，你就徹底看懂了：

* **第一關：進打分房間的檢票口（10 月 22 日剛默認開啓的 `FairShareRankingFilter`）**
每次讀者刷首頁，各個渠道抓進臨時籃子的帖子可能有 3,000 多篇，但負責精細打分的 AI 大模型（Phoenix）每次最多隻看 **`2800` 篇**（`PHOENIX_CLIENT_MAX_CANDIDATES`）。以前檢票口按列表順序一刀切，導致排在末尾的“冷啓動渠道（`ForYouPhoenixRetrievalCold`）”或“零贊渠道（`ZeroFav`）”的新帖還沒見到裁判就被砍了。現在 `FairShare` 改成了**按各個渠道送來的帖子數量比例分配這 2,800 張入場券**，保證小作者的新帖也能按比例進屋接受打分。


* **第二關：打分房間裏的“小賬號直升電梯”（`author_cold_start.rs`）**
進屋打完初步分數後，只要你的帖子**同時滿足 5 個條件**：① 作者粉絲數**不超過 50,000**；② 必須是**原創帖**（`!is_reply && !is_retweet`）；③ 發出時間**不超過 2 小時**（7,200 秒）；④ 在 For You 首頁被刷到的次數**小於 200 次**（`view_count_on_home` 小於 200）；⑤ 初步得分不在非零候選的墊底 3% 裏。
系統就會用這批新帖在首頁拿到的點贊數和首頁曝光數，跑一次 **Thompson Sampling（Beta 分佈概率抽樣，默認基準預期爲 1.5% 首頁點贊率）** 抽出前 **2 篇**，再挑出對當前讀者模型預測分最高的 **1 篇**，**直接把它的分數強行抬高到當前排行榜第 16 名（index 15）的水平**，保送進前排！


* **小賬號平時發帖的 3 條鐵律**：
1. **別看前臺顯示的觀看數（Views）過 200 就放棄**：前臺觀看數包含了主頁點擊、搜索和自己刷新；而代碼查的是內部純粹的**首頁推薦曝光數（`view_count_on_home`，帶 60 秒緩存）**。舉個例子：前臺顯示 300 次觀看時，內部首頁曝光可能還不到 100 次（這是舉例，真實數字只有後臺有），還在扶持期內！


2. **發帖前 2 小時是真黃金期，但別拉羣互贊**：滿 2 小時資格立刻作廢，所以一定要挑受衆在線的時段發原創帖。但別把鏈接發微信羣刷贊，外部點進來不計入首頁分母，且最後二選一拼的還是陌生讀者的模型預測分。


3. **別信“新號要先裝讀者養號 7 天”的鬼話**：代碼裏的 `NewUserMinEngagementFilter` 檢查的 `query.user_id` 是**正在刷首頁的讀者是不是新用戶**，根本不是查作者，而且默認開關還是 `false`（關閉）。新號第一天弄好簡介，直接發乾貨原創帖就行。





---

## 10. 第 1 個贊、第 32 個贊、收藏，以及視頻“10.001 秒”的生死線

1. **第 1 個贊（`1fav`）與第 32 個贊（`32fav`）**：
收到點贊時，`favoriteEventProcessor` 按 2 的次方（1、2、4... 32、64）觸發索引更新（受 1 分鐘更新間隔和帖子年齡小於 49 小時限制）。公開代碼裏，普通首頁三大主力數據集（`HOME`、`HOME_COLD`、`HOME_HOT`）明確讀取的都是 **`1fav_1day.parquet`**（即拿到第 1 個讚的 24 小時索引庫）；而普通帖攢滿 32 個贊生成的 `32fav_1day` 庫，在公開 For You 代碼樹裏**根本沒找到消費端在讀它**。拿到第 1 個贊確實能進主力庫，但別爲了湊 32 個贊到處求贊。


2. **收藏（Bookmark）在打分表裏是 0 分，但有兩個隱藏大用處**：
主計分表沒有獨立收藏項，但：① **`SimClusters` 相似召回**會把讀者最近收藏的最多 15 篇帖子（年齡小於 90 天）當種子，去抓小於 48 小時的相似新帖；② **沉浸式召回訓練（`immersive_positive_actions`）** 明確把 `CLIENT_TWEET_BOOKMARK` 列爲正例。多做值得讀者存下來反覆查的工具對比表和檢查清單，非常有利於精準推流。


3. **發視頻必看的兩個大坑（10.001 秒與圖文混排）**：
三個核心視頻索引（`1fav_video`、`video`、`nsfw_video`）全部調用 `hasValidImmersiveVideo` 函數：


* **第一坑**：要求視頻時長**嚴格大於 10,000 毫秒**！剛好剪成整整 `10.000` 秒是不通過的，至少要 **10.001 秒（建議一律剪到 11 秒以上）**！（5–8 秒短視頻進不了這三個視頻庫，但仍能進普通帖的 `1fav` 庫）。


* **第二坑**：該函數對帖子裏所有媒體用 `forall`（全部滿足）檢查——如果你一條帖子裏放了 1 支 15 秒視頻，又塞了 1 張靜態圖片混排，整條帖子就會因爲那張圖片直接失去進入這三個視頻索引庫的資格！


* 至於網上傳的視頻 64 贊和 512 贊，那是**觸發安全違規審查的門檻**（64 贊開啓 `SpecialVideo` 動態畫面篩查；512 贊開啓 `MediaInjected` 深度推理或對不少於 30 秒視頻裁前 10 秒查涉黃），根本不是流量獎勵池。





---

## 11. 自己轉發（Repost）自己的老帖子會怎樣？怎麼讓老幹貨真正復活？

很多人問：“既然普通帖子超過 48 小時（`AgeFilter`）就會從候選池淘汰，而轉發（Repost / Retweet）會生成一個今天的新 `tweet_id`，那我每隔兩天自己點一下‘轉發’自己的老帖子，能不能讓老帖無限復活推給陌生人？”

* **代碼覈對後的 4 個殘酷現實**：
1. **繞得過 48 小時年齡限制，但繞不過“陌生人攔截器（`OONRetweetReplyFilter`）”！**
雖然你的新轉發擁有今天剛出生的 `tweet_id`（老帖 ID 存在 `retweeted_tweet_id` 裏），不會被 48 小時 `AgeFilter` 砍掉；但在 `oon_retweet_reply_filter.rs` 裏，系統會**無條件移除所有“轉發者不在讀者關注名單內”的普通轉發（`is_retweet`）**！別人轉發你的帖子能推給他的粉絲，是因爲他是他粉絲關注的人（圈內）；而你**自己轉發自己的帖子**，對沒關注你的陌生人來說你依然是“圈外人（OON）”，這筆普通轉發在普通推薦管線裏**根本去不了陌生人面前**！


2. **已經看過的老粉絲，也不會再看到第二次（`previously_seen_posts_filter.rs`）！**
已讀過濾器會把新轉發的 `tweet_id` 和**老帖原文的 `retweeted_tweet_id**` 綁在一起查。凡是前幾天已經刷到過你那篇老帖的粉絲，因爲老帖 ID 已經在他的已讀名單（`seen_ids`）裏了，今天這筆轉發會被直接攔下。**只有上次剛好沒上線漏看的老粉絲、或者剛關注你的新粉絲，纔會在首頁刷到這筆轉發**。


3. **會跟你今天發的新帖子搶名額（觸發 `0.625` 衰減），且沒有冷啓動扶持！**
自己轉發自己的老帖，掛的還是你的 `author_id`。如果它和你今天發的新帖同時進了一個未讀粉絲的候選池，倆帖子會自己打自己觸發 `0.625` 衰減；如果原帖還沒滿 48 小時你就轉發，`RetweetDeduplicationFilter` 還會把原帖和轉發按原文 ID 合併去重。而且冷啓動扶持和互關 20 倍回覆加成都寫了 `!self.is_retweet`，普通轉發一律拿不到。


4. **如果老帖帶敏感標籤，轉發會把雷引爆到今天（`userTimeline` 窗口計數）！**
在那條“數敏感帖”的規則裏（最近 5 條帖子裏有 3 條帶 `NSFW_HIGH_PRECISION` 標籤、就給賬號打上賬號級標籤；`NSFW_HIGH_PRECISION` 是系統給敏感內容打的高精度內部標籤，比如涉黃，意思是“基本能確定是敏感內容”），遇到轉發會去查**原帖的安全標籤**，並用這筆新轉發的 ID 算時間窗口——轉發自己以前帶敏感標籤的老帖，會直接佔用你當前前 5 條的違規計數名額！




* **平時想讓老帖子復活，到底該怎麼做**：
1. **直接點“普通轉發（Repost）”**：只適合用來做“跨時區補漏”（比如白天發的乾貨，半夜點一次轉發，補餵給白天沒上線的自家粉絲和新粉絲）。


2. **想讓老幹貨重新破圈推給“陌生人” → 千萬別點普通轉發，一定要用“帶評論引用（Quote Post）”！**
在代碼裏，Quote 帖不是普通轉發（它的 `is_retweet` 是 `false`，原文存在 `quoted_tweet_id` 裏），所以：**① 它完全不會被 `OONRetweetReplyFilter` 攔截，能正常推給全站陌生人；② 它能正常享受小賬號前 2 小時 200 次曝光的冷啓動扶持；③ Quote 本身的互動權重高達 `5.0**`！引用老帖時，結合當下的新場景寫一段新痛點（例如搬家季引用你三個月前寫的租房檢查表），這在算法眼裏就是一條滿血的全新原創帖！





---

## 12. 爲什麼重要更正千萬別隻補在舊帖評論區？引用別人闢謠要注意什麼？

1. **爲什麼你在舊帖底下補一條重要更正，老讀者在首頁根本刷不到？**
過濾已讀帖子的 `previously_seen_posts_filter.rs`，不僅查轉發原文 ID，還會查**直接回復的父帖 ID（`in_reply_to_tweet_id`）**。如果你在昨天已經有 1 萬人看過的帖子 A 底下，用“回覆”發了一條重要更正 B，因爲 B 的直接父帖 A 已經在那 1 萬人的已讀名單裏了，**系統會直接把你的新更正 B 也當成已讀內容過濾掉**，老讀者在首頁根本刷不到！所以，**凡是改變結論的重要更新或勘誤，必須單獨發一條全新的原創帖**（或者用上面的 Quote 引用原帖發出來），同時在舊帖評論區留個指路鏈接。


2. **引用（Quote）別人闢謠時的隱形連坐（`ancillary_vf_filter.rs`）**：
當你用 Quote 去點評或反駁別人的帖子時，系統會檢查被引用原帖的可見性。如果對方的原帖後來被刪了、或者被判違規（`Drop` / `Tombstone`），`ancillary_vf_filter.rs` 會把你的引用帖也一起從推薦候選裏移除；而且如果正文只寫一句“這人胡說八道”，原帖卡片一掛，讀者根本不知道你在反駁誰。所以引用別人時，正文一定要把對方的核心觀點和你的證據完整寫出來。



---

## 13. 外鏈放評論區照樣受審！置頂放錯鏈接，賬號會被貼 7 天標籤（附官方自查後臺）

1. **“發外鏈釦 30–50% 曝光，放首條評論就能免罰”——假的！**
計分表裏沒有帶外鏈釦分的公式（預測點開外鏈 `Open link` 甚至有 `0.2` 的正權重）。抓外鏈的機器人 `LQ_Tweets_With_LQ_URL_Verdict_At_Mention_To_NonFollower_v2.bot` 在最新的 **v2 版本里，已經把舊版 v1“排除回覆和轉發”的豁免條件刪得乾乾淨淨**！只要跳轉鏈裏有低質量（`LOW_QUALITY`）網址且最終落地頁不在白名單，**不管放正文還是塞首條評論照抓不誤**，直接寫帖子級 `SPAM_HIGH_RECALL` 標籤。


2. **極其兇險的“置頂帖外鏈炸彈”（`PinnedLowQualityOrBadUrl.bot`）**：
當你更換個人主頁置頂帖時，只要新置頂帖裏的鏈接解析出 `BAD` 或 `LOW_QUALITY`（比如舊域名過期被篡改），它會**直接給你的整個賬號打上 7 天的 `SPAM_HIGH_RECALL` 賬號級標籤**，讓你接下來 7 天發的新帖在陌生人推薦入口（`HomeRecommendations`）被移除！而且代碼裏**沒有“取消置頂就立刻刪除標籤”的邏輯**。掛置頂外鏈前，務必親手點開檢查落地頁！


3. **另外 3 個千萬別踩的自動打標雷區**：
* **最近 5 條有 3 條敏感內容（`postToUserLabelRules.strato`）**：倒序取你時間線最多前 5 條帖子，只要有 3 條帶 `NSFW_HIGH_PRECISION` 敏感標籤（60 天內，就是第 11 條說的那個標籤），約 10 分鐘延遲後就會給**整個賬號**打上賬號級標籤。這個標籤在代碼裏自帶 7 天有效期，7 天內你發的新帖進不了陌生人推薦，期滿自動過期（這是這條規則自己的設置，置頂那條路也有它自己的 7 天，見本條第 2 點，兩條路不要混成一個）。注意 `mediaOnly` 默認爲 `false`——**它是按“幾條帖子”數的，不是按“幾張圖”數的**（一條放 4 張圖只算 1 條，純文字帖也佔 5 條窗口裏的 1 個名額）。


* **在大 V 底下連續“自己回覆自己”（`TaskMultiStepReplySpamFilter`）**：在粉絲不少於 1,000 的別人帖子下留言，又自己回覆自己（至少兩層祖先），一旦被 AI 判定爲分樓層發垃圾推廣，會把那幾條回覆的 `ReplyRankingScore` 直接寫成 **`0.0` 零分**。


* **中文複製粘貼與誘導互動**：`BBQDuplicateTextProd.bot` 專門有針對中日韓字符的 `duplicate_text_characters_cjk` 重複檢測任務，批量發雷同文案會寫 `COPYPASTA_SPAM`；三類互動誘導（`SpamEngagementBaiting`、`SpamEngagementFarming`、`SpamCardManipulation`）在 PTOS 寫入分支裏**連高 PageRank 和灰標認證號都不享受豁免**，命中即寫 `SpamHighRecall`。




4. **懷疑自己被限流了？用官方代碼裏的“透視鏡”自查！**
別找已經關注你的粉絲問“能不能看見我”，因爲絕大多數學號標籤只攔截“向未關注你的陌生人推薦（`HomeRecommendations`）”，粉絲在關注流（`TimelineHome`）當然還能看見你！
**正確做法**：直接登錄打開 X 官方在算法庫裏公開的透明度工具：**https://x.com/i/jf/under_the_hood**（試行功能，通常要求賬齡滿一年且統計月份發夠 10 條合格帖子）。覈對右上角統計月份（`Period`），查看 `Post labels`（單帖受限比例）、`Account labels`（賬號受限天數）以及 `Effect on visibility`，到底有沒有被貼標籤一目瞭然。



---

## 📚 完整版二十多萬字調研報告裏還有什麼？

上面這 13 條，是我從二十多萬字的完整源碼覈對報告裏提煉出來的實操精華。爲了保證每一句話都經得起程序員和創作者的雙重檢驗，我在完整版報告裏保留了：

1. **98 組精確到 GitHub 具體文件與行號的源碼鏈接**（點開就能看到對應的 Rust / Python / Strato 原文）；


2. **Home Mixer 與 VM Ranker 全部 24 項預測參數的並列對比大表**與本地重算驗證過程；


3. **49 個“已知代碼事實 vs. 仍待線上數據確認”的未解問題清單**（誠實列出哪些是公開源碼已經鐵板釘釘證明的，哪些是因爲缺少線上特徵開關或未公開模型 Prompt 而不能瞎吹的證據邊界）。



完整報告在我的博客：https://blog.go5.si/posts/zh/x-algorithm-teardown/ 。懶得自己逐條對照研究的，可以直接用我已經做好的 skill：https://github.com/alexliyu7352/for-you-skills ——這篇和手冊裏的結論都做成了能直接調用的技能，發帖前讓它幫你檢查一遍就行。建議你先把這條導讀**收藏（Bookmark）**保存下來——下次不管是糾結髮 Article 還是長 Post、老帖子怎麼翻新、中英雙語怎麼發，還是排查流量異常，拿出來對照一遍就能少走很多彎路！

---

這類把算法源碼逐行覈對的拆解，我會一直做下去。AI、安全、開源三條線，講的都是能直接上手用的東西。覺得這篇有用，就點個贊、關注一下，下一篇拆解出來你能第一時間看到。我會跟蹤算法庫的更新，一旦更新，我會同步更新手冊文檔和 skill 庫，修訂版不會錯過。
