既然之前X的推荐算法开源,我们能学到什么?
Source: http://x.com/i/article/2039968932116000768
2023年至2025年,X(原Twitter)分阶段公开了其核心算法源码。这次技术公开,是一次关于“社交行为价值”的公开定价。也是我们第一次接触这么大平台的推荐算法。虽然 2026 年起算法已全面进入Grok AI时代,但旧仓库中留下的那些底层逻辑,依然是每一位内容创作者和产品经理的“必修课”。
1. 社交行为的“隐形价目表”
算法并不是公平地看待每一次互动。在排序模型 Heavy Ranker 中,它为每一种用户行为都标注了精准的“含金量”。
最核心的逻辑是:用户付出的认知成本越高,信号权重就越大。社交的顶流是“对话”:
如果你回复了一则推文,且作者也回复了你,这个动作的权重高达 +75。相比之下,随手点个赞(Like)只有 +0.5。这意味着,一次高质量的互动讨论,在算法眼里的价值是一个赞的 150 倍。
- 停留时长即正义: 即使你不发一言,只要你在一条内容上停留超过 2 分钟,算法就会给出 +11 的深度兴趣分。
2. “宁缺毋滥”的生存法则
在算法的世界里,惩罚永远比奖励更重。这种不对称性揭示了平台对“负面体验”的极度恐惧。
- 举报是毁灭性的: 一次举报(Report)带来的负分是 -369。这意味着,一条内容需要获得 738 个赞 才能抹平这一次举报带来的负面影响。
- 隐形的屏蔽预判: 算法甚至会在你还没按下屏蔽键时,就提前预测你“是否会讨厌这条内容”。如果预测概率高,内容会直接消失在你的候选流中。
启示: 保护用户不看到“垃圾”,比推给用户“好内容”更重要。
3. 残酷的“1500 强”淘汰赛
Twitter 每天产生 5 亿条推文,但你的“For You”频道最终只会锁定约 1500 条候选内容。
这个过程就像一个严密的漏斗:首先通过SimClusters将用户划入 14.5 万个隐形社区进行初步召回,然后强制保持50% 关注内 + 50% 关注外的流量配比,最后才进入那4800万参数的神经网络进行最终打分。
4. 黄金 2 小时与 6 小时半衰期
X 的代码定义了它是一个“即时广场”而非“知识图书馆”。
- 新鲜度优先: 内容的分值会随时间陡峭衰减,每 6 小时权重就会减半。
- 冷启动关键: 发布后的前 2 小时是黄金窗口。如果这段时间内没有积累足够的互动信号,内容基本会被算法判定为“社交死亡”。
5. “社区染色”胜过人工标签
这是源码中最精妙的设计之一:推文本身没有固定标签,它的属性是由“谁在看它”决定的。
如果一群被算法标记为“加密货币”社区的用户集体点赞了某条推文,这条推文就会被染上 Web3 的颜色,并迅速推给该社区的其他成员。
到 2026 年,X 的新算法(x-algorithm)已经演进为 Rust + Transformer
架构。
虽然现在的 Grok 能够直接阅读视频画面、理解语义中的情绪倾向(正面建设性内容获得更多分发),并刻意降低了粉丝数对排序的影响,给小号更多“破圈”机会。但无论技术如何变,那些重视深度对话、严惩负面行为、追求极致时效的设计哲学,依然流淌在代码的血液里。
如果你正在构建自己的内容策略或产品模型,请记住:
不要去追求廉价的点赞,要去引发那些能让人停下来、想一想、写两句的深度互动。那才是算法通往流量巅峰的唯一通行证。
开源仓库在这里: 旧算法(2023-2025) -
**https://github.com/twitter/the-algorithm**
—
推荐算法主仓库(Scala),包含候选召回、排序、过滤、混排的完整管道代码。73k+ stars,最后更新2025年9月3日。
-
**https://github.com/twitter/the-algorithm-ml**
— 机器学习模型部分(Python),包含 Heavy Ranker
的模型结构和训练代码。10.6k stars,最后更新2023年4月6日,仅2次提交。
- https://github.com/twitter/the-algorithm/blob/main/src/scala/com/twitter/simclusters_v2/README.md —
14.5万社区发现算法的设计文档,理解"关注外推荐"的核心入口。
-
**https://github.com/igorbrigadir/awesome-twitter-algo**
— 社区整理的注释版算法解读合集,适合入门。
新算法(2026至今) -
**https://github.com/xai-org/x-algorithm**
— Grok 驱动的新推荐算法(Rust 62.9% + Python 37.1%),2026年1月20日上线,包含
Home Mixer、Thunder(内存存储)、Phoenix(双塔检索+Transformer排序)、Candidate Pipeline 四大组件。