马斯克今（20）日遵照承诺，将 X 平台的推荐演算法程式码「Phoenix」公开上传至 GitHub。这篇文章我们会用最白话X演算法的方式，帮助各平台小编们理解：X 到底是怎么决定哪些贴文能被更多人看到的？
演算法的核心概念：两个池子
首先要先了解的是：X「为你推荐」的动态墙，内容来自两个池子：
池子 1：In-Network（圈内内容）
- 定义：你追踪的帐号发的贴文
- 技术名称：Thunder 系统
- 特色：即时、低延迟，几乎是发文后立刻可被推送
池子 2：Out-of-Network（圈外内容）
- 定义：你没有追踪，但演算法认为你会喜欢的贴文
- 技术名称：Phoenix 系统
- 特色：透过 AI 从全球贴文库中挖掘相关内容
重点：你的内容不只会被粉丝看到，还可能被推荐给「可能会喜欢你内容」的陌生人！这是突破同温层的关键。二、演算法怎么给贴文打分数？
这是最核心的部分。X 使用基于 Grok 的 AI 模型（没错，就是 xAI 那个 Grok）来预测每篇贴文的「互动概率」。
演算法预测的 14 种行为
| 行为类型 | 中文解释 | 权重倾向 |
|---|---|---|
P(favorite) | 按赞的机率 |  正向 |
P(reply) | 回复的机率 | 正向（高权重） |
P(repost) | 转推的机率 | 正向（高权重） |
P(quote) | 引用推文的机率 | 正向（高权重） |
P(click) | 点击展开的机率 | 正向 |
P(profile_click) | 点击你的头像/个人档案 | 正向 |
P(video_view) | 看影片的机率 | 正向 |
P(photo_expand) | 点开图片的机率 | 正向 |
P(share) | 分享的机率 | 正向（高权重） |
P(dwell) | 停留阅读的时间 | 正向 |
P(follow_author) | 追踪作者的机率 | 正向（高权重） |
P(not_interested) | 点「不感兴趣」 |  负向 |
P(block_author) | 封锁作者 | 负向（高权重） |
P(mute_author) | 静音作者 | 负向 |
P(report) | 检举 | 负向（高权重） |
最终分数公式
最终分数 = Σ (权重 × 预测机率)，白话翻译：
- 正向行为（赞、转推、回复、分享）的预测值越高 → 分数越高
- 负向行为（封锁、静音、检举）的预测值越高 → 分数大幅下降
演算法的 6 个处理阶段
用户打开 X↓① 查询用户资料（你的互动历史、追踪名单）↓② 候选内容来源（从 Thunder + Phoenix 拉内容）↓③ 内容扩充（补充贴文元资料、作者资讯）↓④ 前置过滤（移除不适合的内容）↓⑤ AI 评分（Grok 模型预测 + 权重计算）↓⑥ 排序选择（分数最高的显示在最上面）↓呈现给用户
什么内容会被过滤掉？
前置过滤（还没评分就被删除）
| 过滤器 | 作用 |
|---|---|
| 重复内容 | 同样的内容只会出现一次 |
| 太旧的贴文 | 超过一定时间的贴文不会被推荐 |
| 自己的贴文 | 你不会在推荐流看到自己发的 |
| 被封锁/静音的帐号 | 你封锁或静音的人不会出现 |
| 静音关键字 | 包含你设定静音的词汇 |
| 已看过的内容 | 已经看过的不会重复推 |
| 付费墙内容 | 你没订阅的付费内容 |
后置过滤（评完分后再过滤）
| 过滤器 | 作用 |
|---|---|
| 违规内容 | 垃圾讯息、暴力、色情等 |
| 对话重复 | 同一讨论串不会推太多则 |
两个关键设计理念
完全由 AI 决定，没有「人工调参」
我们已经从系统中完全剔除了所有的人工设计特征，以及大部分的启发式算法。
X 声称他们移除了所有人工设计的特征规则，完全依赖 Grok AI 从你的互动历史中学习你喜欢什么。
这代表什么？
- 没有「发文最佳时间」的硬规则
- 没有「hashtag 数量」的硬规则
- 一切都是 AI 根据实际互动数据动态学习
作者多样性机制
演算法内建「Author Diversity Scorer」，会降低同一作者连续出现的权重。
这代表什么？
- 即使你的某篇很红，也不会霸占用户的整个动态墙
- 给其他创作者曝光机会
- 小编发文「少量多餐」可能比「一次发很多」更有效
小编实战攻略
根据以上演算法分析，以下是具体可执行的策略：
内容策略 1：追求「高价值互动」而非「表面数字」
| 互动类型 | 价值等级 | 小编的目标 |
|---|---|---|
| 转推 + 引用 |  | 创造值得转发的内容（干货、金句、争议观点） |
| 回复 | | 提出问题、邀请讨论、留下悬念 |
| 新追踪 | | 持续提供价值，让人想追踪 |
| 分享 | | 制作容易分享到其他平台的内容 |
| 按赞 | | 基本盘，但不是最重要的 |
内容策略 2：增加「停留时间」
演算法会追踪用户在你贴文上停留多久。
怎么做？
- 写长一点的深度内容（但要有吸引人的开头）
- 用 Thread 串文增加阅读时间
- 影片长度适中，让人看完
内容策略 3：避免「负面信号」
被封锁、静音、检举会大幅拉低你的分数。
怎么避免？
- 不要洗版（作者多样性机制会惩罚你）
- 不要发争议性过高的仇恨内容
- 不要用诱导性标题让人失望（点进去发现没料）
- 不要大量 @不相关的人
内容策略 4：争取「圈外曝光」
这是突破同温层的关键，Phoenix 系统会根据「相似用户的喜好」推荐你的内容给新受众。
怎么做？
- 在特定领域建立专业度（AI 会学习你的内容类型）
- 让现有粉丝积极互动（互动数据会训练 AI）
- 内容要有明确的主题标签，方便 AI 分类
内容策略 5：把握「即时性」
Thunder 系统是即时的，新贴文会立刻被推送给追踪者。
怎么做？
- 观察你的受众活跃时间
- 即时事件发生时快速发文（AI 会学习时效性内容的价值）
- 刚发文的前几小时互动最关键
内容策略 6：创造「促进追踪」的内容
P(follow_author) 是高权重指标！
怎么做？
- 系列内容：让人想追踪看后续
- 展现独特观点：让人觉得「这个人值得追」
- 固定内容节奏：让人知道追踪你会得到什么
常见迷思破解
迷思 1：「发文有最佳时间」
真相：演算法没有硬性的「最佳时间」规则，是 AI 根据你的受众行为动态决定的。
迷思 2：「Hashtag 越多越好」
真相：演算法文件中完全没提到 hashtag 权重，重点是内容本身能否引发互动。
迷思 3：「买粉丝/互动可以骗过演算法」
真相：AI 会预测「这个用户会不会对这篇内容有正向互动」，假粉丝不会有真实互动，反而可能产生负面信号。
迷思 4：「按赞数是最重要的」
真相：转推、引用、回复、新追踪的权重都比按赞高。
演算法的核心逻辑总结
X 演算法的本质：
「预测用户会对什么内容产生正向互动，然后推荐这些内容」
小编的核心任务：
「创造能引发真实、高价值互动的内容」
所以不要想著「怎么骗过演算法」，而要想「怎么创造真正让人想互动的内容」因为演算法就是在预测和奖励真实互动。
