# X/twitter运营必读: 我把 X 的推荐算法源码逐行核对了一遍：你天天在背的发帖口诀，一大半是错的

> 我把 X 公开的 For You 推荐代码逐行核对了一遍，把二十多万字的完整报告提炼成 13 条能直接用的实操结论：『第二篇只剩 62.5%』『作者回一句等于 150 个赞』『外链放首条回复就免罚』，哪些有代码依据、哪些是读错了，一条条讲清。

- Original: https://blog.go5.si/posts/zh/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运营必读: 我把 X 的推荐算法源码逐行核对了一遍：你天天在背的发帖口诀，一大半是错的](https://blog.go5.si/post-images/zh/x-algorithm-guide/comic-d34-guide.jpg)

先问一个大家每天都在踩的坑：一条帖子放 4 张图，第 1 张是你精心设计的封面（写着“本次测试的三个发现”）或者一张搞笑漫画，第 4 张图才是真正的测试结果表格。你猜推荐系统的 AI 会先看哪张图？

翻开 X 公开算法库（`xai-org/x-algorithm`）的 V8.2 内容理解代码，`_collect_post_media` 函数的逻辑非常干脆：从第 1 张图开始检查，**只要遇到第一张能正常读取的图片，立刻 `return`（直接返回收工，根本不往下读了）**。也就是说，当 4 张图都能正常打开时，这条流程只拿走了你的第 1 张图去理解帖子内容，第 4 张图里的核心测试数据，在这一次图片选取里压根没送进去。

再看一句流传极广的运营口诀：“一天发第二篇只剩 62.5% 权重，每天最多发三篇，隔四小时才能恢复权重。”代码里确实算得出 `0.625` 这个数，但程序根本没有数“你今天发了几篇”。

我把 X 的 For You 公开推荐代码（基准提交 `5ed7963`，并比对了 10 月份的 20 个参数快照，一直追到 10 月 29 日 UTC 的最新提交 `606b254`）完整核对了一遍，用 Python 重写了 143 项排序与筛选验证、做了 10 项内容处理器函数测试，整理出了一份二十多万字的创作者指南。

为了让不写代码的朋友也能彻底看懂，我们先花 30 秒搞懂一个最基础的前提，然后再看那 13 个直接决定你流量生死的真相：

---

## 💡 0 基础先看懂：你的帖子到底是怎么爬上别人首页的？

很多人以为推荐算法像“通关打怪”：我发一条帖子，系统先给它一个基础分，有人点个赞就加 1 分，攒够多少分就升入下一个流量池。**真代码完全不是这么跑的！**

真实的推荐发生在“读者下拉刷新首页的那 0.1 秒里”，每次刷新都分两步走：

1. **第一步：抓候选（进临时篮子 / 召回）**
当读者张三下拉刷新“为你推荐（For You）”时，系统会同时派几个采购员去不同的仓库抓帖子——比如去 `Thunder` 仓库抓“张三关注的人刚发的帖子”，去 `Phoenix` 仓库抓“虽然张三没关注、但根据张三近期阅读历史 AI 觉得他会感兴趣的陌生人帖子”，去 `SimClusters` 抓“同好圈子热议的帖子”。这几个采购员总共抓出几千篇帖子，倒进一个专门为张三这次刷新准备的“临时候选池”里。


2. **第二步：算预测分排座次（打分排序）**
几千篇帖子塞不下屏幕，系统必须挑出前几十篇给张三看。于是 AI 模型会挨个看篮子里的帖子，**提前预测（押注）**：“如果把这篇帖子给张三看，张三有多大概率会点赞、留言、复制链接、停留阅读、或者点不感兴趣？” 算出来的这个总分就叫**排序分数（Ranking Score）**。分高的排在最上面被张三看到，分低的沉底淘汰。



再花 20 秒把三个词说清，后面 13 条全靠它们：

* **权重（也叫系数）**：不是分数本身，是一个“放大倍数”。它乘的不是已经发生的事，而是下面这个概率。
* **概率**：AI 在读者还没看到你帖子之前，猜“这位读者看到后，会做某个动作的可能性”，0 到 1 之间。
* **一项的得分 = 权重 × 概率**。举个例子：展开图片的权重是 `0.05`，如果 AI 猜某位读者有 60% 的概率会点开你的图看大图，这一项就贡献 `0.05 × 0.6 = 0.03` 分。不是“有人点开一张图，就给你加 0.05 分”——网上很多教程把权重直接说成加分，就是在这里搞错的。

搞懂了“先抓进临时篮子，再算预测分排座次”，下面这 13 条代码真相你一眼就能看明白：

---

## 1. 同作者第二篇打 6.25 折？程序数的不是“你今天发了几篇”

* **网上的传言**：“一天发第二篇权重只剩 62.5%，每天最多发 2–3 篇，两篇之间必须隔 4 小时，或者中间插一条短帖来重置权重。”


* **代码里真正是怎么跑的**：
在 `scoring.rs` 里，确实有一个“作者多样性乘数”，公式是 $m(k)=0.75\times 0.5^{k}+0.25$（VM Ranker 默认衰减 `decay = 0.5`、保底 `floor = 0.25`）。按第 1 篇、第 2 篇、第 3 篇算下来，乘数确实依次是 `1.0`（不打折）、`0.625`（打 6.25 折）、`0.4375`（打 4.375 折），后面最低保底 `0.25`。
**但是！这里的序号 $k$，根本不是数“你今天发了几篇”，而是数“在读者张三刚刚刷新出来的那个临时篮子（单次候选池）里，你的帖子同时被抓进去了几篇”！**


* **解答你最关心的 4 个问题**：
1. **为什么我的两篇帖子 A1、A2 会同时掉进同一个篮子里？**
假设你上午 10 点发了 A1，中午 12 点发了 A2。粉丝张三今天下午 1 点才第一次打开 X 刷首页，由于 A1 和 A2 他都没看过，采购员就把你的 A1（假设预测分 1.0）和 A2（预测分 0.9）**同时抓进了张三的临时篮子里**。为了防止张三满屏都是你一个人的脸，系统会保留你最高分的 A1 乘 `1.0`（得 1.0 分），而把篮子里的第二篇 A2 乘上 `0.625`（变成 0.5625 分）。
**但请注意**：如果另一个读者李四上午 11 点已经刷到过你的 A1 了，等李四下午 1 点再刷首页时，A1 因为“已读”根本不会进篮子，李四的篮子里只有你的 A2——此时 A2 在李四这里就是同作者第 1 篇，照样拿 `1.0` 满分！这段函数每次刷新都重新建表，没有“每日发文计数器”，也没有“隔 4 小时恢复”或“午夜归零”的规则。


2. **代码里不是有个“24 小时最多选 5 篇”吗？**
那是 `PopularPosts`（热门帖进货渠道）这**单一渠道**自己的局部规则：从近 24 小时里每个作者最多挑 5 篇。而真正挑大梁的关注流（`Thunder`）和 AI 推荐流（`Phoenix`）并没有这个 5 篇上限。


3. **在两篇长文中间插发一条短帖，能“洗掉”衰减恢复权重吗？**
**完全不能，甚至可能帮倒忙！** 代码只认你的作者 ID（`author_id`），不管长文还是短帖。如果你在长文 A1（1.0 分）和长文 A2（0.9 分）中间插了一条短帖，万一这条短帖也进了同一个篮子且拿了 0.95 分，它排在第二，就会把你的长文 A2 挤到第三（$k=2$），导致 A2 的乘数从 `0.625` 进一步跌到 `0.4375`！


4. **听说系统还会过滤相似内容（DPP），我能自己在电脑上把文章转成向量查重吗？**
`dpp_model.rs` 确实有 DPP 多样性选择：如果篮子里有两篇内容向量高度重合的帖子，系统会留下第 1 篇，把第 2 篇分数置零。但你**没法自己提前算向量查重**，因为 X 用的是内部不公开权重的多模态模型（`grox/flows/mm_emb` 加上哈希后的作者 ID），而且 DPP 防的就是“换汤不换药”，光改几个近义词没用。




* **平时发帖到底怎么做**：
别再定闹钟卡“4 小时冷却期”，也别为了凑“长短交替”硬发水贴。如果两篇草稿讲的是同一个观点，直接合并成一篇发；如果有新的测试数据、新案例或新进展，随时发！



---

## 2. 为什么串文（Thread）常建议写 3 条？秘密在“屏幕展示截断”，而且分帖会自己抢权重！

* **网上的传言**：“长文拆成 3 条 Thread 有算法额外加分，而且整条 Thread 在算法里只占 1 个作者名额，不会触发同作者衰减。”


* **代码里真正是怎么跑的**：
排序代码里**没有任何给 3 条串文加分或给第 4 条扣分的公式**。但关于串文，代码里藏着三个残酷真相：


1. **真相一：串文的每一条分帖，在打分时是“各凭本事、互相抢名额”的！**
当你发一条 5 段式的串文（1/5 到 5/5），在进入 VM Ranker 打分时，程序**并没有先把整串合成一个整体**，而是把它们当成 5 条带有相同 `author_id` 的独立候选帖送去打分！这意味着如果好几条分帖同时进了候选池，它们会先自己跟自己触发 `0.625`、`0.4375` 同作者衰减；等打完分、选出胜者之后，后置的对话去重过滤器（`DedupConversationFilter`）才会出来把同串里分低的分帖删掉，只留最高分的那一条。


2. **真相二：陌生人很难刷到你的后续分帖。**
在普通推荐流（Phoenix）里，处理“未关注作者的回复”的过滤器（`oon_retweet_reply_filter.rs`），公开默认开关 `EnablePhoenixOonReplies` 是 `false`（关闭）。因为串文的第 2 条往后本质上都是“回复贴”，在这个默认设置下，没关注你的陌生人往往只有机会刷到你的第 1 条（根帖）。


3. **真相三：`NUM_INTERMEDIATE_ANCESTORS = 1` 决定了读者在屏幕上会看到哪几条！**
假设你写了一条 10 段式的长串文（第 1 条到第 10 条），结果系统选中了你的**第 10 条**准备展示在读者的首页上。
这时候，界面组装器 `convo_marshaller.rs` 会把它拼成一个**连在一起的对话卡片**展现在屏幕上。但代码里规定 `NUM_INTERMEDIATE_ANCESTORS = 1`（最多只取 1 条中间祖先帖），组装规则是：**第 1 条（根帖 Root）＋ 1 条中间祖先帖（被选中那条的直接上一条）＋ 当前被选中的帖子**。
结果就是：读者在首页刷到的卡片，显示出来的序号是：**第 1 条、第 9 条、第 10 条**！中间第 2 到第 8 条的推导过程，在首页卡片上直接被跳过了！而如果你的串文一共只有 **3 条**，选中第 3 条时，组装出来的就刚好是完整的 **第 1 条、第 2 条、第 3 条**，一条都不漏！




* **平时发帖到底怎么做**：
1. **能用一篇“长 Post”连贯讲清的事，直接发一篇长 Post，别硬拆成十几条 Thread**。


2. **如果确实要用 Thread（比如发完长专栏后写摘要串），控制在 3 条以内最理想**：第 1 条直接亮出核心判断（千万别写“我用十条讲清楚，最后一条最关键”），第 2 条放具体方案对比，第 3 条补限制条件和互动提问。


3. **万一写了长串文，每一条分帖必须“去掉上下文也能独立看懂”**，确保别人哪怕只刷到 `1、9、10` 也能明白你在说什么。





---

## 3. 点进主页关注就加 4 分？复制链接加 20 分？彻底搞懂“互动权重”是怎么算的

* **大家最大的误解**：看到参数表里写着“点赞 `0.66`、回复 `5`、关注作者 `4`、复制链接 `20`”，很多人就以为：“只要有一个读者从时间线点进我主页并关注了我，系统就给我的帖子记账加 4 分；有人复制一次链接就加 20 分；作者去评论区回一句等于 150 个赞。”


* **代码里真正是怎么跑的**：
**完全不是“事后记账加分”，而是“事前算命押注”！**
`scoring.rs` 的源码注释里专门写了一句警告：`the weights do not multiply raw engagement counts`（**权重乘的根本不是实际发生的互动次数！**）。
排序分数是在读者张三**下拉刷新首页、还没看到你帖子之前的那 0.1 秒**算出来的。真实的公式是 $S_{\mathrm{engagement}}(u,p)=\sum_i w_i\,P(a_i\mid u,p)$，也就是先由 AI **预测（猜）**张三看到这篇帖子后发生各种动作的**概率**，再用“预测概率 × 权重系数”加总算出总分。


* **举个真实例子算给你看**：
公开默认里，一般回复的权重是 `5`，复制链接的权重是 `20`。但假设对读者张三来说，AI 预测他看完这篇帖子有 **2%（0.02）** 的概率会留言回复，但只有 **0.1%（0.001）** 的概率会去点复制链接。那么在算分时：


* **回复项贡献的分数** = $5 \times 0.02 = 0.10$ 分；


* **复制链接贡献的分数** = $20 \times 0.001 = 0.02$ 分。
虽然复制链接的系数（`20`）比回复（`5`）大得多，但在这次打分里，反而是回复项帮你的帖子拿到了更多分数！至于网上传的“作者回一句顶 150 个赞”，那是拿 2023 年 4 月早就淘汰的旧版文件（`75 ÷ 0.5`）瞎除出来的，不仅版本错了三年，还把概率系数当成了计件工分。






* **那读者看完后“真正去点赞、复制链接、点关注”，到底有什么用？**
有用在**下一波读者**身上！公开配置启用了真实互动计数（`engagement counts`）作为上游 AI 模型的输入特征。当第一批刷到你帖子的读者真的纷纷点进你主页点了关注、或者复制了链接，AI 模型就会立刻捕捉到这个特征，当接下来成千上万个同类型的陌生读者刷新首页时，AI 给他们算出来的“预测概率”就会大幅升高，再乘上 `20`（复制链接）和 `4`（关注作者）的高权重，把你的帖子推上更多人的首页前排！


* **附：当前代码里真正的权重系数表（Home Mixer / VM Ranker 默认值）**：


* **高价值正向行为**：复制链接（`Share via copy link`）**`20`**；互关好友对原创帖的回复预测 **`5 + 15 = 20`**（注意：代码硬性要求候选帖子 `!is_reply && !is_retweet && is_mutual_follow_author`，也就是你必须发**原创帖**，且刷到帖子的读者跟你**互相关注**，他的回复预测才乘 20；你跑到大 V 底下抢前排发的评论本身是 `is_reply`，根本拿不到这个 20 倍加成！另外陌生人圈外候选在 VM Ranker 默认还有 `0.75` 的 OON 乘数，意味着圈外帖在乘数前要有圈内帖约 1.3333 倍的分数才能追平）；一般回复 **`5`**；带评论引用（`Quote`）**`5`**；私信分享（`Share via DM`）**`5`**；关注作者（`Follow author`）**`4`**；一般分享 **`2`**；普通转发（`Retweet`）**`1`**。


* **点击与阅读行为**：点赞（`Favorite`）**`0.66`**（VM 为 `0.5`）；点开后停留达标（`ContClickDwellTime`）**`0.4`**；普通点击（`Click`）**`0.3`**；打开外链（`Open link`）**`0.2`**；停留事件（`Dwell`）**`0.05`**；展开图片（`Photo expand`）**`0.05`**；点击被引用帖 **`0.05`**；打开视频 **`0.02`**（VM 为 `0.07`）；连续停留时间（`ContDwellTime`）**`0.006`**（VM 为 `0.004`）；点进作者主页（`profile_click`）**`0`**。


* **一票否决级的负向惩罚**：未停留（直接划走 `Not dwelled`）**`-0.02`**；屏蔽作者（`Block`）**`-31.2`**；点“不感兴趣”（`Not interested`）**`-52.272`**（VM 为 `-47.52`）；静音作者（`Mute`）**`-58.8`**；举报（`Report`）**`-234`**。




* **平时发帖到底怎么做**：
1. **把帖子、简介（Bio）和置顶串成一条线**：读者点进你主页虽然是 `0` 分，但如果他看了一眼你的简介和置顶，顺手点了“关注作者”，关注作者那一项的系数是 **`4`**，乘上预测概率之后才进总分（而且 V8.2 模型还会直接读取你的名字、账号和截断后的 Bio 简介）。简介别写空话，直接写清你持续提供什么干货，用置顶帖兑现承诺，把进主页的人变成粉丝。


2. **千万别靠骂战和引战骗回复**：回复权重是 `5`，但“不感兴趣”是 `-52.272`、“静音”是 `-58.8`、“举报”是 `-234`，负向预测一旦抬头，总分当场变负数！





---

## 4. 转推（Retweet）和“只看不互动”的权重到底差多少？真相跟你想的相反！

很多人看了一眼上面的参数表：普通转推（`Retweet`）是 **`1.0`**，基础停留事件（`Dwell`）是 **`0.05`**，就以为：“转推比只看不互动高了 20 倍！大家只看我的长文不转推，我岂不是亏惨了？”

* **代码核对并重算后的真相**：
1. **算上发生概率，单单一个基础停留项就经常赢过转推！**
表面看 $1.0 \div 0.05 = 20$ 倍。但别忘了权重乘的是**预测发生概率**！读者刷到好帖子，停下来阅读的概率远高于顺手点转推的概率。假设某位读者的预测转推概率是 **2%（0.02）**，而预测停留事件的概率是 **60%（0.60）**，那么转推项贡献 $1.0 \times 0.02 = 0.02$ 分，而基础停留事件贡献 $0.05 \times 0.60 = 0.03$ 分——停留项直接反超转推！


2. **“只看不互动”在代码里根本不止 1 项，而是有“4 大阅读加分项”同时叠加！**
当一个读者点开你的长文、默默读了 30 秒，然后一赞没点、一句话没留就划走了——在系统眼里，这个“沉默读者”其实一连触发了 **4 层正向机制**：


* **第一层（普通点击 `Click`）**：点开帖子或展开，权重 **`0.3`**；


* **第二层（点开后深度停留 `ContClickDwellTime`）**：点开后阅读超过代码阈值 `10.0`，权重高达 **`0.4`**（单这一项就已经是转推 `1.0` 的近一半，且触发率高得多）；


* **第三层（基础停留 `Dwell` `0.05` ＋ 连续停留每秒 `ContDwellTime` `0.006`）**：在 10 月 8 日启用 **CREAD 多门槛停留预测**（把 2 秒到 120 秒、沉浸式页面 2 秒到 240 秒按对数切分成 30 个时间刻度还原阅读秒数）后，10 月 13 日连续停留权重又从 `0.004` 涨到了 **`0.006`**（涨了 50%）。如果预测读者看 30 秒，光连续秒数这一项就能再拿 $0.006 \times 30 = 0.18$ 分！


* **第四层（第一步捞候选的 `ld` 阅读召回分支）**：10 月 13 日（`e1a0375`）起，双塔召回模型新增了权重为 **`0.75`** 的 `ld` 分支（把 `CLIENT_TWEET_RECAP_DWELLED` 作为训练正例，覆盖 `HOME`、`HOME_COLD`、`HOME_HOT`），在第一步往篮子里抓帖子时，就会专门把“大家会默默读下去”的好帖捞出来！
把这四层加在一起，一个“默默看完不说话”的读者，在打分环节贡献的分数往往是普通转推的好几倍！




3. **那转推（Retweet）真正的独家价值是什么？是让别人帮你“跨圈层开门”！**
当**同行大 V 乙**点了转推，`thunder/posts/post_store.rs` 会把这笔转发写进乙的个人索引库。当乙的粉丝丙刷新首页时，`Thunder` 就会按丙的关注名单，把你的帖子作为“丙关系网内的候选”直接端到丙面前！




* **平时发帖到底怎么做**：
别因为评论区安静就焦虑地把干货改成引战水贴，也别为了骗满 10 秒停留而在开头写十行废话（开头注水只会让人秒划走触发 `-0.02` 的 `Not dwelled` 惩罚）。**用扎实的表格和案例让沉默读者停下来读完（撑起算法高分），同时留一张总结核心结论的对比图方便同行顺手转推（借别人的关注流破圈）**！



---

## 5. 长文带一张漫画图片会怎样？权重是按图片算，还是按长文算？

很多写深度内容的创作者会问：“我写了几千字长文，配了一张漫画插图，系统会不会把它当成图片帖，结果把我长文的阅读权重给吞了？”

* **代码核对后的真相**：
1. **打分时不是“二选一”，而是“长文分 ＋ 图片分”全部累加！**
`scoring.rs` 的融合计分公式对所有帖子一视同仁：你带了长文，上面讲的 **4 大阅读停留项** 照常全额计算；同时因为你带了图片，系统还会**额外叠加一项“展开查看图片（`Photo expand`，权重 `0.05`）”的预测分**。带漫画图绝不会吞掉长文本身的权重。


2. **真正受影响的是“AI 多模态模型怎么理解你的主题”（`grox/flows/mm_emb`）**：
在 V8.2 处理器（`renderer_v82.py`）里，程序会同时抽取两样东西打包送给多模态 embedding 服务：**截取前 4,000 个字符的正文文本（`Post text:`）** ＋ **选出来的第 1 张可用图片（`Post image:`）**。


* **如果你只配了 1 张漫画图**：只要你长文前 4,000 字把核心主题写清楚了，配一张契合主题的漫画完全没问题；但切忌正文开头云里雾里、配图又是毫无关系的搞笑表情包，那会干扰多模态向量的语义精准度。


* **如果你既有 1 张装饰漫画、又有 2 张实测数据图（最容易踩的大坑！）**：千万记住 V8.2 的 `_collect_post_media` **遇到第 1 张可用图片就直接 `return` 返回了**！如果你把搞笑漫画放在第 1 张，把真正的数据对比表放在第 2、3 张，AI 就只拿走了那张搞笑漫画，你后面两张核心数据表在这条流程里直接被无视了！






* **平时发帖到底怎么做**：
如果只配 1 张漫画插图，放心配（公式里本来就有一项展开图片的预测，系数 `0.05`，乘的是读者点开看图的概率），但正文开头要把主语和结论写清；如果既有装饰漫画、又有干货数据图表，**永远把包含核心结论的数据图放在第 1 张（首图），把漫画往第 2 张以后放**！



---

## 6. 同一个内容用多国语言发布（比如中英双语发布）会怎样？

很多做技术和出海的创作者经常写中英双语内容，到底该“塞在一条帖子里上下混排”，还是“拆成中文、英文两条分开发”？

* **发法 A：同一条帖子里“上中文、下英文”混写**
1. **没有中英混写扣分**：代码里没有任何“中英混写固定扣分”的规则，语言只是模型的输入特征之一。


2. **但有两个隐形陷阱**：
* **第一是 4,000 字符截断线**：V8.2 处理器对 `post.full_text` 只截取**前 4,000 个字符**。如果你上面写了 3,500 字中文，下面附了 3,500 字符的英文，第 4,000 字符往后的英文会被直接切掉，根本进不去这个内容向量模型！


* **第二是英文专属安全规则**：在 Grox PTOS 自动打标路径中（Grox 是 X 内部负责“看懂内容”的 AI 系统，PTOS 是它里面专门管安全审查、给违规内容打标签的那套流程），像 `FOSNR_ABUSE_INSULTS`（侮辱攻击标签）明确要求**帖子语言为英语**才会自动写入。双语帖如果措辞激烈、又被识别为英语，按这条路径的条件推测，会更容易触发这条自动审查。






* **发法 B：拆成一条纯中文帖、一条纯英文帖分开发**
1. **单语读者互不干扰**：Phoenix 召回模型读取的是**当前读者的历史行为序列（`query.user_id`）**。平时只看中文的读者只会召回你的中文版（拿 `1.0` 满分），只看英文的读者只会召回你的英文版（也拿 `1.0` 满分）。


2. **双语读者若同时刷到会同池竞争**：对中英文都看的双语粉丝，如果你同一秒连发两篇，它们挂着同一个 `author_id` 掉进同一个候选池时，第二篇会吃 `0.625` 衰减，也可能在 DPP 相似内容选择（`dpp_model.rs`）中竞争。




* **平时发帖到底怎么做**：
**短帖（中英加起来远小于 4,000 字符）** 可以直接放一条帖子里；**深度长文** 请务必**拆成纯中文、纯英文两条分开发**，并且最好错开几个小时（分别卡中文区和欧美区的活跃时段发），既让两篇各自吃满 4,000 字符额度，又避免了在双语粉丝的候选池里自己打自己！



---

## 7. 发布的内容用 `#` 带标签（Hashtag）到底有用还是有害？

* **代码核对后的真相**：
1. **有用，但不直接加分**：打分公式里没有“加一个 `#` 标签加几分”的规则；但在 Phoenix 的历史特征清单里明确包含 **`CLICK_HASHTAG`（点击标签历史）**，说明系统确实会看标签相关的行为特征，不能说标签完全零价值。


2. **硬上限是 4 个（`MaxHashtagsPerTweet = 4`）**：在 `SimClusters` 实体抽取器（`TweetEntityExtractor.scala`）里，设置了 **`MaxHashtagsPerTweet = 4`**——它在提取文字实体时**最多只保留前 4 个 `#` 标签**，第 5 个往后在这条路径里直接被丢弃！


3. **乱塞标签会触发 `SpamHashTagAbuse` 惩罚**：PTOS 安全策略里有专门的 **`SpamHashTagAbuse`（标签滥用）** 类别。如果在帖子下面塞满跟正文无关的热搜标签，一旦被模型判定为滥用（且无高 PageRank 或灰标豁免），会直接写入 **`SpamHighRecall`** 垃圾标签，导致在陌生人推荐流里被移除。




* **平时发帖到底怎么做**：
普通帖子不需要硬凑标签；只有涉及到明确的专有名词、项目名或活动时，放 **1 到 2 个（最多绝不超过 4 个）** 直接相关的 `#` 标签即可，绝不要在文末堆砌无关热门词。



---

## 8. 同一篇深度长文，该发“长 Post”还是“Article（专栏文章）”？什么是 Article 的“64 赞拉图门槛”？

* **代码核对后的真相**：
1. **打分公式里没有任何“Article 专属加分”**：Home Mixer 和 VM Ranker 的最终计分输入（`CandidateScoringInputs`）里**根本没有 `is_article` 这个加分字段**。网上传的“Article 曝光翻 5.7 倍”来自第三方观察样本，但那批创作者每发 1 篇 Article，背后平均发了 6 到 28 条普通帖子去导流推广；而官方以前提过的 Article 权重是广告收益分钱权重，不是推荐排序系数。


2. **彻底讲透 Article 的“64 赞拉图门槛（`is_high_fav`）”与 V5 / V8.2 读取差异**：
* **什么是 `is_high_fav` 达到 64 赞**：AI 要看懂图片，得先由后台的“媒体搬运工（`MediaLoader`）”把图片拉过来。为了节省服务器算力，`grox/core/data_loaders/media_loader.py` 在拉取 **Article 的封面图和正文内嵌图**时，设了一道门槛叫 `is_high_fav`（高赞帖判断），公开默认阈值是 **64 个赞（`deluxe_fav_count_threshold = 64`）**。也就是说，在你的 Article 还没拿到 64 个赞之前，走这条 `MediaLoader` 路径时，系统**可能压根不会去拉取你 Article 的封面图和内嵌图**（注：这只管这条媒体拉取路径，绝不代表 Article 要满 64 赞才有推荐资格）！


* **V5 和 V8.2 两个阅读器的巨大差异**：旧版 **V5 阅读器**会依次读：Article 标题 → Article 封面 → 帖子文本 → 普通帖子媒体 → Article 内嵌图（如果图片预算为 1 张，就只拿走 Article 封面）；而新版 **V8.2 阅读器**对 Article 只读 `post.full_text`（前 4,000 字符）和 **Article 标题（前 200 字符）**，它的选图函数只从“普通帖子附件（`post.media`）”里拿图，**压根不读 Article 专属封面和内嵌图**（如果图片只放在 Article 编辑器里，V8.2 返回的图片列表直接是空的）！


* **Article 改稿时的“隐身空窗期”**：`TimelineHomeHydration` 的 `ArticleTweetContent` 规则会拦截所有非 `Published` 状态的 Article。而修改已发布的 Article 会先撤下变成未发布状态，改完再重发——频繁撤下改稿期间会被直接过滤。






* **看懂这三条，发 Article 和长 Post 时到底怎么做**：
1. **三四千字以内的连贯论证 → 直接发“长 Post”**：把核心结论放在前 4,000 字符内，配 1 张结果图挂在普通图片栏，从 0 赞开始就能被 V8.2 完整读进图文。


2. **上万字的多章节调查或手册 → 用“Article ＋ 一条带图导读 Post”组合拳**：
* **Article 标题（前 200 字）必须写满核心关键词和结论**（因为在没满 64 赞或走 V8.2 时，AI 全靠这 200 字标题和承载帖文本认出你在写什么，千万别起文艺空洞的标题）！


* **Article 封面图要放核心信息图**（满 64 赞后或走 V5 预算 1 张图时，第一个读它）。


* **最关键一步**：发完 Article 后，**务必单独发一条长 Post 做导读，并把最核心的 1 张结果对比图直接作为“普通图片附件（`post.media`）”挂在这条导读 Post 上**——这样导读帖不用等 64 个赞，0 赞起步就能让 V8.2 把文字和首图吃得干干净净！







---

## 9. 小账号冷启动的“200 次曝光”与 FairShare 初筛：新号和小号到底怎么借力？

我们把这套机制拆成两个房间，你就彻底看懂了：

* **第一关：进打分房间的检票口（10 月 22 日刚默认开启的 `FairShareRankingFilter`）**
每次读者刷首页，各个渠道抓进临时篮子的帖子可能有 3,000 多篇，但负责精细打分的 AI 大模型（Phoenix）每次最多只看 **`2800` 篇**（`PHOENIX_CLIENT_MAX_CANDIDATES`）。以前检票口按列表顺序一刀切，导致排在末尾的“冷启动渠道（`ForYouPhoenixRetrievalCold`）”或“零赞渠道（`ZeroFav`）”的新帖还没见到裁判就被砍了。现在 `FairShare` 改成了**按各个渠道送来的帖子数量比例分配这 2,800 张入场券**，保证小作者的新帖也能按比例进屋接受打分。


* **第二关：打分房间里的“小账号直升电梯”（`author_cold_start.rs`）**
进屋打完初步分数后，只要你的帖子**同时满足 5 个条件**：① 作者粉丝数**不超过 50,000**；② 必须是**原创帖**（`!is_reply && !is_retweet`）；③ 发出时间**不超过 2 小时**（7,200 秒）；④ 在 For You 首页被刷到的次数**小于 200 次**（`view_count_on_home` 小于 200）；⑤ 初步得分不在非零候选的垫底 3% 里。
系统就会用这批新帖在首页拿到的点赞数和首页曝光数，跑一次 **Thompson Sampling（Beta 分布概率抽样，默认基准预期为 1.5% 首页点赞率）** 抽出前 **2 篇**，再挑出对当前读者模型预测分最高的 **1 篇**，**直接把它的分数强行抬高到当前排行榜第 16 名（index 15）的水平**，保送进前排！


* **小账号平时发帖的 3 条铁律**：
1. **别看前台显示的观看数（Views）过 200 就放弃**：前台观看数包含了主页点击、搜索和自己刷新；而代码查的是内部纯粹的**首页推荐曝光数（`view_count_on_home`，带 60 秒缓存）**。举个例子：前台显示 300 次观看时，内部首页曝光可能还不到 100 次（这是举例，真实数字只有后台有），还在扶持期内！


2. **发帖前 2 小时是真黄金期，但别拉群互赞**：满 2 小时资格立刻作废，所以一定要挑受众在线的时段发原创帖。但别把链接发微信群刷赞，外部点进来不计入首页分母，且最后二选一拼的还是陌生读者的模型预测分。


3. **别信“新号要先装读者养号 7 天”的鬼话**：代码里的 `NewUserMinEngagementFilter` 检查的 `query.user_id` 是**正在刷首页的读者是不是新用户**，根本不是查作者，而且默认开关还是 `false`（关闭）。新号第一天弄好简介，直接发干货原创帖就行。





---

## 10. 第 1 个赞、第 32 个赞、收藏，以及视频“10.001 秒”的生死线

1. **第 1 个赞（`1fav`）与第 32 个赞（`32fav`）**：
收到点赞时，`favoriteEventProcessor` 按 2 的次方（1、2、4... 32、64）触发索引更新（受 1 分钟更新间隔和帖子年龄小于 49 小时限制）。公开代码里，普通首页三大主力数据集（`HOME`、`HOME_COLD`、`HOME_HOT`）明确读取的都是 **`1fav_1day.parquet`**（即拿到第 1 个赞的 24 小时索引库）；而普通帖攒满 32 个赞生成的 `32fav_1day` 库，在公开 For You 代码树里**根本没找到消费端在读它**。拿到第 1 个赞确实能进主力库，但别为了凑 32 个赞到处求赞。


2. **收藏（Bookmark）在打分表里是 0 分，但有两个隐藏大用处**：
主计分表没有独立收藏项，但：① **`SimClusters` 相似召回**会把读者最近收藏的最多 15 篇帖子（年龄小于 90 天）当种子，去抓小于 48 小时的相似新帖；② **沉浸式召回训练（`immersive_positive_actions`）** 明确把 `CLIENT_TWEET_BOOKMARK` 列为正例。多做值得读者存下来反复查的工具对比表和检查清单，非常有利于精准推流。


3. **发视频必看的两个大坑（10.001 秒与图文混排）**：
三个核心视频索引（`1fav_video`、`video`、`nsfw_video`）全部调用 `hasValidImmersiveVideo` 函数：


* **第一坑**：要求视频时长**严格大于 10,000 毫秒**！刚好剪成整整 `10.000` 秒是不通过的，至少要 **10.001 秒（建议一律剪到 11 秒以上）**！（5–8 秒短视频进不了这三个视频库，但仍能进普通帖的 `1fav` 库）。


* **第二坑**：该函数对帖子里所有媒体用 `forall`（全部满足）检查——如果你一条帖子里放了 1 支 15 秒视频，又塞了 1 张静态图片混排，整条帖子就会因为那张图片直接失去进入这三个视频索引库的资格！


* 至于网上传的视频 64 赞和 512 赞，那是**触发安全违规审查的门槛**（64 赞开启 `SpecialVideo` 动态画面筛查；512 赞开启 `MediaInjected` 深度推理或对不少于 30 秒视频裁前 10 秒查涉黄），根本不是流量奖励池。





---

## 11. 自己转发（Repost）自己的老帖子会怎样？怎么让老干货真正复活？

很多人问：“既然普通帖子超过 48 小时（`AgeFilter`）就会从候选池淘汰，而转发（Repost / Retweet）会生成一个今天的新 `tweet_id`，那我每隔两天自己点一下‘转发’自己的老帖子，能不能让老帖无限复活推给陌生人？”

* **代码核对后的 4 个残酷现实**：
1. **绕得过 48 小时年龄限制，但绕不过“陌生人拦截器（`OONRetweetReplyFilter`）”！**
虽然你的新转发拥有今天刚出生的 `tweet_id`（老帖 ID 存在 `retweeted_tweet_id` 里），不会被 48 小时 `AgeFilter` 砍掉；但在 `oon_retweet_reply_filter.rs` 里，系统会**无条件移除所有“转发者不在读者关注名单内”的普通转发（`is_retweet`）**！别人转发你的帖子能推给他的粉丝，是因为他是他粉丝关注的人（圈内）；而你**自己转发自己的帖子**，对没关注你的陌生人来说你依然是“圈外人（OON）”，这笔普通转发在普通推荐管线里**根本去不了陌生人面前**！


2. **已经看过的老粉丝，也不会再看到第二次（`previously_seen_posts_filter.rs`）！**
已读过滤器会把新转发的 `tweet_id` 和**老帖原文的 `retweeted_tweet_id**` 绑在一起查。凡是前几天已经刷到过你那篇老帖的粉丝，因为老帖 ID 已经在他的已读名单（`seen_ids`）里了，今天这笔转发会被直接拦下。**只有上次刚好没上线漏看的老粉丝、或者刚关注你的新粉丝，才会在首页刷到这笔转发**。


3. **会跟你今天发的新帖子抢名额（触发 `0.625` 衰减），且没有冷启动扶持！**
自己转发自己的老帖，挂的还是你的 `author_id`。如果它和你今天发的新帖同时进了一个未读粉丝的候选池，俩帖子会自己打自己触发 `0.625` 衰减；如果原帖还没满 48 小时你就转发，`RetweetDeduplicationFilter` 还会把原帖和转发按原文 ID 合并去重。而且冷启动扶持和互关 20 倍回复加成都写了 `!self.is_retweet`，普通转发一律拿不到。


4. **如果老帖带敏感标签，转发会把雷引爆到今天（`userTimeline` 窗口计数）！**
在那条“数敏感帖”的规则里（最近 5 条帖子里有 3 条带 `NSFW_HIGH_PRECISION` 标签、就给账号打上账号级标签；`NSFW_HIGH_PRECISION` 是系统给敏感内容打的高精度内部标签，比如涉黄，意思是“基本能确定是敏感内容”），遇到转发会去查**原帖的安全标签**，并用这笔新转发的 ID 算时间窗口——转发自己以前带敏感标签的老帖，会直接占用你当前前 5 条的违规计数名额！




* **平时想让老帖子复活，到底该怎么做**：
1. **直接点“普通转发（Repost）”**：只适合用来做“跨时区补漏”（比如白天发的干货，半夜点一次转发，补喂给白天没上线的自家粉丝和新粉丝）。


2. **想让老干货重新破圈推给“陌生人” → 千万别点普通转发，一定要用“带评论引用（Quote Post）”！**
在代码里，Quote 帖不是普通转发（它的 `is_retweet` 是 `false`，原文存在 `quoted_tweet_id` 里），所以：**① 它完全不会被 `OONRetweetReplyFilter` 拦截，能正常推给全站陌生人；② 它能正常享受小账号前 2 小时 200 次曝光的冷启动扶持；③ Quote 本身的互动权重高达 `5.0**`！引用老帖时，结合当下的新场景写一段新痛点（例如搬家季引用你三个月前写的租房检查表），这在算法眼里就是一条满血的全新原创帖！





---

## 12. 为什么重要更正千万别只补在旧帖评论区？引用别人辟谣要注意什么？

1. **为什么你在旧帖底下补一条重要更正，老读者在首页根本刷不到？**
过滤已读帖子的 `previously_seen_posts_filter.rs`，不仅查转发原文 ID，还会查**直接回复的父帖 ID（`in_reply_to_tweet_id`）**。如果你在昨天已经有 1 万人看过的帖子 A 底下，用“回复”发了一条重要更正 B，因为 B 的直接父帖 A 已经在那 1 万人的已读名单里了，**系统会直接把你的新更正 B 也当成已读内容过滤掉**，老读者在首页根本刷不到！所以，**凡是改变结论的重要更新或勘误，必须单独发一条全新的原创帖**（或者用上面的 Quote 引用原帖发出来），同时在旧帖评论区留个指路链接。


2. **引用（Quote）别人辟谣时的隐形连坐（`ancillary_vf_filter.rs`）**：
当你用 Quote 去点评或反驳别人的帖子时，系统会检查被引用原帖的可见性。如果对方的原帖后来被删了、或者被判违规（`Drop` / `Tombstone`），`ancillary_vf_filter.rs` 会把你的引用帖也一起从推荐候选里移除；而且如果正文只写一句“这人胡说八道”，原帖卡片一挂，读者根本不知道你在反驳谁。所以引用别人时，正文一定要把对方的核心观点和你的证据完整写出来。



---

## 13. 外链放评论区照样受审！置顶放错链接，账号会被贴 7 天标签（附官方自查后台）

1. **“发外链扣 30–50% 曝光，放首条评论就能免罚”——假的！**
计分表里没有带外链扣分的公式（预测点开外链 `Open link` 甚至有 `0.2` 的正权重）。抓外链的机器人 `LQ_Tweets_With_LQ_URL_Verdict_At_Mention_To_NonFollower_v2.bot` 在最新的 **v2 版本里，已经把旧版 v1“排除回复和转发”的豁免条件删得干干净净**！只要跳转链里有低质量（`LOW_QUALITY`）网址且最终落地页不在白名单，**不管放正文还是塞首条评论照抓不误**，直接写帖子级 `SPAM_HIGH_RECALL` 标签。


2. **极其凶险的“置顶帖外链炸弹”（`PinnedLowQualityOrBadUrl.bot`）**：
当你更换个人主页置顶帖时，只要新置顶帖里的链接解析出 `BAD` 或 `LOW_QUALITY`（比如旧域名过期被篡改），它会**直接给你的整个账号打上 7 天的 `SPAM_HIGH_RECALL` 账号级标签**，让你接下来 7 天发的新帖在陌生人推荐入口（`HomeRecommendations`）被移除！而且代码里**没有“取消置顶就立刻删除标签”的逻辑**。挂置顶外链前，务必亲手点开检查落地页！


3. **另外 3 个千万别踩的自动打标雷区**：
* **最近 5 条有 3 条敏感内容（`postToUserLabelRules.strato`）**：倒序取你时间线最多前 5 条帖子，只要有 3 条带 `NSFW_HIGH_PRECISION` 敏感标签（60 天内，就是第 11 条说的那个标签），约 10 分钟延迟后就会给**整个账号**打上账号级标签。这个标签在代码里自带 7 天有效期，7 天内你发的新帖进不了陌生人推荐，期满自动过期（这是这条规则自己的设置，置顶那条路也有它自己的 7 天，见本条第 2 点，两条路不要混成一个）。注意 `mediaOnly` 默认为 `false`——**它是按“几条帖子”数的，不是按“几张图”数的**（一条放 4 张图只算 1 条，纯文字帖也占 5 条窗口里的 1 个名额）。


* **在大 V 底下连续“自己回复自己”（`TaskMultiStepReplySpamFilter`）**：在粉丝不少于 1,000 的别人帖子下留言，又自己回复自己（至少两层祖先），一旦被 AI 判定为分楼层发垃圾推广，会把那几条回复的 `ReplyRankingScore` 直接写成 **`0.0` 零分**。


* **中文复制粘贴与诱导互动**：`BBQDuplicateTextProd.bot` 专门有针对中日韩字符的 `duplicate_text_characters_cjk` 重复检测任务，批量发雷同文案会写 `COPYPASTA_SPAM`；三类互动诱导（`SpamEngagementBaiting`、`SpamEngagementFarming`、`SpamCardManipulation`）在 PTOS 写入分支里**连高 PageRank 和灰标认证号都不享受豁免**，命中即写 `SpamHighRecall`。




4. **怀疑自己被限流了？用官方代码里的“透视镜”自查！**
别找已经关注你的粉丝问“能不能看见我”，因为绝大多数学号标签只拦截“向未关注你的陌生人推荐（`HomeRecommendations`）”，粉丝在关注流（`TimelineHome`）当然还能看见你！
**正确做法**：直接登录打开 X 官方在算法库里公开的透明度工具：**https://x.com/i/jf/under_the_hood**（试行功能，通常要求账龄满一年且统计月份发够 10 条合格帖子）。核对右上角统计月份（`Period`），查看 `Post labels`（单帖受限比例）、`Account labels`（账号受限天数）以及 `Effect on visibility`，到底有没有被贴标签一目了然。



---

## 📚 完整版二十多万字调研报告里还有什么？

上面这 13 条，是我从二十多万字的完整源码核对报告里提炼出来的实操精华。为了保证每一句话都经得起程序员和创作者的双重检验，我在完整版报告里保留了：

1. **98 组精确到 GitHub 具体文件与行号的源码链接**（点开就能看到对应的 Rust / Python / Strato 原文）；


2. **Home Mixer 与 VM Ranker 全部 24 项预测参数的并列对比大表**与本地重算验证过程；


3. **49 个“已知代码事实 vs. 仍待线上数据确认”的未解问题清单**（诚实列出哪些是公开源码已经铁板钉钉证明的，哪些是因为缺少线上特征开关或未公开模型 Prompt 而不能瞎吹的证据边界）。



完整报告在我的博客：https://blog.go5.si/posts/zh/x-algorithm-teardown/ 。懒得自己逐条对照研究的，可以直接用我已经做好的 skill：https://github.com/alexliyu7352/for-you-skills ——这篇和手册里的结论都做成了能直接调用的技能，发帖前让它帮你检查一遍就行。建议你先把这条导读**收藏（Bookmark）**保存下来——下次不管是纠结发 Article 还是长 Post、老帖子怎么翻新、中英双语怎么发，还是排查流量异常，拿出来对照一遍就能少走很多弯路！

---

这类把算法源码逐行核对的拆解，我会一直做下去。AI、安全、开源三条线，讲的都是能直接上手用的东西。觉得这篇有用，就点个赞、关注一下，下一篇拆解出来你能第一时间看到。我会跟踪算法库的更新，一旦更新，我会同步更新手册文档和 skill 库，修订版不会错过。
