
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:
-
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。 -
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:
-
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。 -
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。 -
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! -
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:
-
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。 -
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)。 -
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:
-
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。
-
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。
-
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:
-
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。 -
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:
-
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!
-
“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
Dwell0.05+ 连续停留每秒ContDwellTime0.006):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!
- 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:
-
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。 -
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
-
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。
-
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
-
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)。 -
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:
-
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。 -
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! -
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:
-
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。 -
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:
-
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。
-
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:
-
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! -
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。
-
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
-
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。 -
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。 -
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:
-
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! -
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。 -
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。 -
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:
-
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)。
-
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?
-
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。 -
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)
-
“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。 -
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! -
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。
- 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:
-
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);
-
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;
-
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。