Skip to content
AI擺渡人 Alex
Go back

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

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

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!

  1. 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。

  1. 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。


在 X 上討論→

評論都在 X 上——回覆、引用和討論都在那邊進行。