哈囉大家好，我是黑貓老師~ 😎
X真的信守承諾，再次開源了他的演算法運作模式！這下創作者們可以更好掌握流量的來源了！
這篇會先後從「讀者」跟「發文」兩個角度帶你了解從「貼文發布」到「出現在你眼前」的完整過程。
p.s. 如果太長看不完可以直接拉到最後看結論 XD
一、核心概念：X 演算法的兩大支柱
當你打開 X 時，系統需要在一瞬間從數億條貼文中，挑選出你最感興趣的幾十條。為了做到這一點，X 的推薦系統（Home Mixer）主要依賴兩個強大的來源：X網內、X網外
1. 網內內容 (In-Network)：代號「雷電（Thunder）」
這些內容來自你的朋友圈，也就是你已經追蹤的帳號。
它不依賴緩慢的資料庫查詢，而是直接從記憶體中讀取，確保你不會錯過關注對象的即時動態。
2. 網外內容 (Out-of-Network)：代號「鳳凰（Phoenix）」
這是推特幫你找的探索圈。來自你「尚未追蹤」的全域內容。這就是為什麼你會看到陌生人貼文的原因。
- 特性：依賴機器學習 (ML)。系統使用一個名為 Phoenix 的組件，它是一個基於 Grok 的 Transformer 模型。
- 運作：它透過「向量嵌入 (Embedding)」技術，計算你的興趣與全網貼文的相似度。簡單來說，它猜測：「喜歡 A 貼文的人，通常也會喜歡 B 貼文」。
重點摘要：你的動態牆 = 你追蹤的人 (Thunder) + AI 猜你喜歡的陌生人 (Phoenix)。兩者混合後，再進行最終的 PK 排名。
二、核心架構：Grok-based Transformer
這次演算法最激進的改變，在於它移除了所有人為設計的特徵。
在過去，工程師可能會寫死一些規則，例如「如果有圖片，分數加 10 分」、「如果是影片，分數加 20 分」。但在新的 X 系統中，這些規則通通被刪除了。
取而代之的是一個基於 Grok-1 架構改寫的 Transformer 模型。這個 AI 模型不做預設假設，它只做一件事：「解析你的觀看紀錄」。
它會分析你的互動序列（你過去按了什麼讚、回覆了誰、在哪裡停留了很久），然後自行學習什麼對你是重要的。AI 承擔了所有繁重的判斷工作，這讓推薦結果比人類工程師寫的規則更精準、更個人化。
三、演算法運作的四大階段 (Pipeline)
要將一則貼文送到你的眼前，必須經過一條嚴密的流水線（Pipeline）。我們可以將其簡化為四個步驟：
第一階段：列出候選名單 (Sourcing)
就像廚師去市場買菜。系統會先從海量資料庫中撈出一大堆「候選貼文」。
- 從 Thunder 撈取你朋友的貼文。
- 從 Phoenix 撈取全網熱門且與你相關的貼文。
- 這時候的貼文數量還很多，品質參差不齊。
第二階段：數據填充與過濾 (Hydration & Filtering)
這是「挑菜」與「洗菜」的過程。
- 數據填充：系統會去查這些貼文的詳細資料（作者是誰？有沒有藍勾勾？是不是付費內容？圖片網址在哪？）。
- 初步過濾後，系統會毫不留情地刪除以下內容：
- 你已經看過的貼文。
- 你封鎖或靜音的作者（黑名單）。
- 你設定的「靜音關鍵字」的內容。
- 重複轉發的內容。
- 被標記為垃圾訊息或違規的內容。
第三階段：AI 評分 (Scoring) —— 最關鍵的步驟
這是「試菜」的過程，也是決定流量生死的關鍵。
剩下的每一則貼文，都會被送進 Phoenix 進行考核。AI 會預測你對這則貼文做出各種互動的「機率 (Probability)」。
AI 會預測以下行為的機率：
- (like)：你會按讚的機率。
- (repost)：你會轉推的機率。
- (reply)：你會回覆的機率。
- (profile_click)：你會點進作者個人檔案的機率。
- (block) / (mute)：你會封鎖或靜音作者的機率（這是負分）。
第四階段：排名與最終篩選 (Ranking & Selection)
最後，系統會根據上述的機率計算出總分。
分數最高的貼文，會再次經過最後一道安全檢查（確保沒有血腥暴力等漏網之魚），然後按照分數高低排列，推送到你的螢幕上。
四、流量公式：分數是如何計算的？
對於創作者和行銷人員來說，這是最有價值的資訊。X 的最終排名分數公式可以簡化為：
最終分數 = Σ (權重 × 該行為發生的機率) + 負面分數調整
這意味著，並不是所有的互動都等值。雖然官方文件沒有給出目前的具體權重數值（因為這會動態調整），但邏輯是公開的：
- 高權重行為（加分）： 轉推 (Repost) 與 引用 (Quote) 通常權重最高，因為這代表你願意用自己的信譽為該內容背書。 回覆 (Reply) 代表深度的互動。 按讚 (Like) 是最基礎的正向訊號。
- 負權重行為（扣分）： 這是許多人忽略的。如果你的貼文容易讓人想 「封鎖 (Block)」、「靜音 (Mute)」或「檢舉 (Report)」，你的分數會被大幅倒扣。 這意味著「爭議性極大」或「騙點擊 (Clickbait)」的內容雖然可能獲得短期流量，但一旦觸發用戶的負面操作，帳號權重會迅速下降。
- 多樣性懲罰 (Diversity Scorer)： 為了避免你的版面被同一個人洗版，系統有一個「作者多樣性」機制。 如果你連續看到同一個作者的貼文，該作者後續貼文的分數會被人為降低 (Attenuate)。
五、技術亮點與設計哲學
這份演算法文件體現了幾個非常現代化的 AI 設計哲學，值得科技愛好者關注：
1. 候選隔離 (Candidate Isolation)
在 AI 進行評分時，每一則貼文都是「獨立」被評估的。貼文 A 的分數不會因為貼文 B 在旁邊而改變。
- 好處：這保證了評分的公平性，也讓系統可以快取（Cache）分數，提升運算速度。
2. 向量檢索 (Vector Retrieval)
X 使用「雙塔模型 (Two-Tower Model)」。
- 用戶塔：把你的興趣變成一串數字（向量）。
- 內容塔：把貼文內容變成一串數字（向量）。
- 系統只需要計算這兩串數字的距離（點積相似度），就能在幾毫秒內從數億貼文中找到你的最愛。
3. 多任務學習 (Multi-Action Prediction)
AI 不再只輸出一個籠統的「好壞」，而是輸出十幾種具體的行為機率。這讓 X 可以精細地調整權重。例如，如果 X 想要推廣「長影片」，他們只需要調高 P(video_view) 的權重，整個平台的流量導向就會瞬間改變。
六、總結：如何在 X 上獲得成功？
根據這份演算法架構，我們知道了最重要的19個指標：
加分：
- 按讚
- 回覆
- 轉推
- 引用
- 點擊個人檔案
- 分享貼文
- 透過私訊分享
- 複製連結分享
- 點擊照片
- 觀看影片
- 停留在貼文上閱讀
- 追蹤作者
扣分：
- 被點「不感興趣」
- 被封鎖
- 被靜音
- 被檢舉
於是我們可以總結出幾個在 X 上經營的黃金法則：
- 努力提高互動率：系統是根據「預測互動機率」來排名的。如果你的內容無法讓人想按讚、轉推或回覆，AI 就會扣你分。
- 盡量避免被討厭：千萬不要激怒受眾。被封鎖或靜音的代價極高，會被扣超多分。
- 保持原創，跟上時事
- 發文附圖跟附上影片，並且鼓勵大家點開來看。
- 不要連續發文，也不要發廢文，會浪費掉觸及額度。
- 同時經營「網內」與「網外」：照顧好你的粉絲（Thunder），這是基本盤。並做出高品質內容觸發 AI 推薦（Phoenix），這是擴大影響力的關鍵。
- 內容為王，AI 輔助：由於 X 移除了人工規則，不再有「特定關鍵字必紅」的作弊代碼。Grok 模型能理解語義，只有真正優質、能引起共鳴的內容，才能在演算法層層篩選中脫穎而出。
以上，希望有幫到大家
願流量之神與你同在
我是黑貓老師，我們下次見～😎
資料來源：X官方工程部
https://x.com/XEng/status/2013471689087086804?s=20
