「深度拆解」X 算法开源，从“规则驱动”到“AI 算命”

X 最近在 GitHub 公布了自己最新的的推荐算法，简单来说，旧版算法像是一个“严谨的图书管理员”（按规则分类、按权重排序），而新版算法（基于 xAI/Grok 架构）更像是一个“直觉敏锐的观察者”（通过向量理解你的意图，用神经网络预测你的行为）。

整个推荐流程是一个巨大的漏斗，主要分为三个阶段：

1. 候选集生成 (Candidate Generation)：从数亿条推文中捞出 1500 条可能相关的。

2. 重排序 (Heavy Ranking)：用神经网络给这 1500 条打分。

3. 混合与过滤 (Heuristics & Filters)：比如广告插入、移除已读、NSFW 过滤。

下面针对大家最关心的几个机制进行详细剖析。

一、 推流机制：流量是如何分配的？

X 的流量不再是简单的“时间倒序”或“关注关系”，而是基于 双引擎架构。理解这两个引擎，你就理解了流量来源。

1. 内部引擎：Thunder (In-Network)

• 作用：负责处理你关注的人发的推文。

• 机制：这是最高效的 Rust 服务。它不是把所有关注人的推文都给你，而是利用逻辑回归模型（Logistic Regression）做初步筛选。

• 关键点：如果你关注了大 V，但从不跟他们互动，Thunder 会逐渐把他们从你的候选集中剔除。“关注”不再等于“订阅”，互动才是订阅。

2. 外部引擎：Phoenix (Out-of-Network) —— 爆款制造机

• 作用：负责处理你没关注的人发的推文（即“猜你喜欢”）。这是普通人获得巨大流量的唯一入口。

• 机制：这是基于 向量检索 (Embedding Search) 的。

  • 系统会将所有用户和推文转化为高维空间中的“点”（Vector）。

  • 如果你的推文内容向量，与某个用户群体的兴趣向量高度重合，即便他们没关注你，Phoenix 也会把你的推文“推”到他们的列表中。

• 推流逻辑：

  • 社交图谱挖掘：如果你关注的人（A）喜欢了某条推文，且你和 A 的兴趣向量相似，这条推文会被推给你。

  • Embedding 相似度：这是纯 AI 逻辑。比如你经常看“AI 编程”的内容，系统会把一个新的、属于“AI 编程”向量簇的陌生人推文塞给你。

二、 权重与算分：什么样的互动最值钱？

虽然新版算法用的是端到端的神经网络预测（预测你会点赞/回复的概率），但通过分析其优化目标（Objective Function），我们可以反推各种行为的权重等级。

互动权重阶梯（由高到低）

1. 强对话（Reply & Conversation） – 权重最高

   • 机制：如果你的推文引发了其他用户的回复，且你也回复了他们（形成了 Conversation），这是目前权重的王炸。

   • 理由：X 现在极度重视“停留时长”和“社区氛围”。单纯的吵架（只有单向回复）权重不如双向交流。

2. 转发（Retweet / Quote）

   • 这是内容从“私域”破圈到“公域”的关键指标。它告诉 Phoenix 引擎：“这条内容值得被更多人看到”。

3. 点击进入个人主页 / 停留时长 (Dwell Time)

   • 这是一个隐形但极重要的指标。如果用户在你的推文上停留了超过 2 分钟，或者点击了你的头像查看主页，算法会给予极高评分。

4. 点赞 (Like)

   • 贬值严重。点赞太容易造假，也太廉价。现在点赞更多是作为一个基础门槛（比如达到一定点赞率才能进入下一轮流量池），而不是爆发的决定性因素。

三、 惩罚机制与“隐形降权” (Shadowban)

代码库中包含大量的 Visibility Filters（可见性过滤器）。如果你发现流量突然归零，通常是触发了以下机制：

1. 负面反馈是致命的

• Block（拉黑）、Mute（屏蔽）、Report（举报）：这些操作的权重是正向互动的数百倍（负数）。如果你的推文在一个小流量池里收到了哪怕 1-2 个 Block，系统会判定内容为“垃圾”，直接切断后续推流。

• “Show less often”（减少推荐）：这个按钮的杀伤力等同于拉黑。

2. 内容层面的降权

• 无意义的链接：代码倾向于保留用户在 App 内。如果是纯链接且没有引发讨论，容易被降权。

• 媒体敏感内容：被 AI 标记为 NSFW（Not Safe For Work）或包含暴力、仇恨言论的图像，会直接被 Safety Layer 过滤掉，根本进不了 Ranking 阶段。

3. 行为层面的降权

• 蹭热度失败：如果你在热门推文下回复无关内容（不相关性高），且被用户忽略或点“不感兴趣”，你的账号会被打上“Spammer”标签。

• 不自然的频率：短时间内大量发推或大量回复，会被判定为 Bot 行为。

四、 新号与冷启动机制 (Cold Start)

大家最关心的问题：新号还有机会吗？ 从代码逻辑来看，新号确实比以前更难，但有明确的“破局”路径。

1. 那个残酷的现实：Reputation Score（声誉分）

• 算法中有一个核心变量是用户的 Reputation。新号的初始分为中性或偏低。

• Premium (蓝标) 的作用：在代码中，is_verified 是一个显性的强特征。对于新号来说，购买会员几乎是目前通过“Bot 过滤器”并获得初始声誉分的唯一捷径。非会员新号极易被 Phoenix 引擎直接忽略。

2. 新号的生存策略：蹭向量 (Vector Piggybacking)

新号没有历史数据，Phoenix 无法根据你的历史推测你的向量。你必须主动告诉算法你是谁。

• 错误做法：发独白推文，带一堆 #hashtag（现在的算法对 hashtag 的依赖极低，甚至过多的 hashtag 会被视为垃圾）。

• 正确做法：

  1. 找到你所在领域的几个大 V。

  2. 在他们的推文刚发出时，发布高质量、有信息增量的回复。

  3. 原理：利用大 V 的流量池。如果大 V 的粉丝对你的回复进行了点赞或点击，系统会捕捉到：“哦，喜爱 [科技] 的用户也喜欢 [这个新号]”。

  4. 这会将你的账号迅速拉入该领域的 Embedding Cluster（向量簇），从而开启 Phoenix 的推荐。

五、 总结与操作建议

X 的算法已经彻底变成了一个 “基于注意力的 AI 赌场”。

1. 忘记“养号”玄学，专注于建立向量。通过与特定领域的优质账号互动，确定你的账号成分。

2. 追求“深度互动”而非“广度曝光”。一条引发 10 个人在评论区热烈讨论的推文，权重远高于一条有 100 个点赞但无人说话的推文。

3. 付费几乎是必须的。在反 Bot 逻辑极严的 Rust 代码中，Verified 标记是最高效的白名单通行证。