X 算法改版后，我准备这样做推特：粉丝还值钱，但别再当保底流量

X 算法改版后，我准备这样做推特：粉丝还值钱，但别再当保底流量

因为我最近开始研究如何做推特/X，所以这两天专门研究了一下 X 的推荐算法。

过程中看到一篇很有用的整理文章：https://x.com/vista8/status/2060690120383053930。

它主要基于 Arnaud Bertrand 对 X 最新算法代码的拆解：https://x.com/RnaudBertrand/status/2058450505630716013。算法更新本身也能在 GitHub 看到：https://github.com/xai-org/x-algorithm#updates--may-15th-2026。

我看完之后的判断很直接：

粉丝不是没用，但不能再当分发保底。

以后做 X，不能只想“我有多少粉丝”。更要想：这条内容能不能被系统检索到、能不能让陌生用户产生正向互动、会不会被过滤掉、会不会和我自己的其他帖子互相抢位置。

这才是新规则下更现实的内容策略。

先把机制讲人话

新版 X For You Feed 更像一套典型推荐系统：

1. 先检索候选内容
2. 再预测用户行为并排序
3. 再过滤重复、降权风险内容
4. 再处理作者多样性，避免同一个人霸屏

听起来很技术，但对创作者来说，核心变化只有一句话：

关注关系只是输入信号之一，内容本身要重新参加竞争。

检索：你先得进候选池

用户打开 For You 时，系统不会只看他关注了谁。

它会从全局内容里，找一批和这个用户最近兴趣匹配的帖子。这里面既有关注账号的内容，也有陌生账号的内容。

材料里提到，新版里有 Thunder，也有 Phoenix Retrieval。可以简单理解成两类来源混合：

• 一类来自关注关系
• 一类来自全局发现

5 月 15 日的更新还提到了一套 end-to-end inference pipeline，里面的 query hydrators 会把用户上下文带进去，比如：

• 用户最近看过什么
• 关注的话题
• starter packs
• 已经曝光过的内容记录
• IP 信息
• mutual follow graphs
• served history

这意味着什么？

如果你写的内容没办法被系统判断为“和某类用户最近兴趣相关”，它可能连排序阶段都进不去。

所以发帖第一步，已经变成了“让机器看懂这条内容属于什么问题”。

排序：算法在预测互动概率

进入候选池之后，系统会预测用户对每条内容可能做什么。

材料里列到的行为很多：

• favorite
• reply
• repost
• quote
• click
• profile_click
• video_view
• photo_expand
• share
• dwell
• follow_author
• not_interested
• block_author
• mute_author
• report

最后会形成一个大概这样的分数：

Final Score = Σ(weight_i × P(action_i))

翻译成人话就是：

系统会估计“这个用户看到这条帖子后，点赞、回复、转发、停留、点进主页、关注作者的概率有多高”。这些是加分项。

它也会估计“用户会不会点不感兴趣、拉黑、静音、举报”。这些是扣分项。

这里有个对创作者很关键的现实：

算法没有显式测量“真实性”“作者专业性”“账号十年积累”。

它主要测的是用户会不会有动作。

所以内容质量当然重要，但在分发层面，质量需要转化成可观测行为。比如停留、收藏、回复、点进主页、关注作者。

只在心里觉得“写得不错”，系统看不到。

过滤：重复曝光机会变少

5 月 15 日更新里出现了 PreviouslySeenPostsFilter / PreviouslyServedPostsFilter。

这两个名字很技术，实际意思很简单：

用户已经看过、已经被服务过的帖子，会被过滤掉。

以前一条帖子可能反复刷到某个人面前，靠多次曝光积累互动。

现在更像一次上场机会。

这会改变写作方式。

一条内容如果开头弱、信息密度低、需要读者看三遍才懂，很可能还没等到第二次机会，就已经出局。

作者多样性：你会和自己竞争

还有一个机制叫 Author Diversity Scorer。

它会衰减同一个作者多条内容的得分，避免某个作者连续占据用户信息流。

这对高频发帖的人影响很大。

如果你在短时间内围绕同一个话题连发 5 条，它们可能同时进入同一批用户的候选池。接下来发生的事很尴尬：

你不是只和别人竞争，也在和自己的帖子竞争。

所以“多发就一定多曝光”的想法，要改。

更稳的做法是：同一主题下，把最强的信息、观点、数据、案例尽量压到一条主帖里。后续内容承担补充、答疑、引用转发、复盘，不要把 5 条都写成半成品。

自动翻译：竞争变成全球级

X 上线自动翻译之后，同一个话题下的竞争范围扩大了。

如果一个中文用户最近关心 AI Agent，他看到的候选内容可能来自英文、法文、日文、西语账号。反过来也一样。

这对内容创作者有两个影响：

一方面，中文内容有机会被更多语言用户看到。

另一方面，你要和全球同题内容抢注意力。

所以选题不能只看中文圈热不热，还要看这个话题在全球语境里有没有检索价值。

比如“某个小圈子吐槽”可能在本地有共鸣，但跨语言后语义信号很弱。

“某个产品更新、某个工作流、某个可复现结果”，更容易被跨语言系统理解。

我能做的实操建议

下面直接讲我自己准备怎么调整。

1. 选题先问：用户最近会不会反复搜、看、点这个方向

新版推荐先做检索。

所以选题要更像做 SEO，只是搜索框换成了推荐系统。

我会优先选这几类题：

• 正在全球讨论的产品更新，比如 Grok、Claude、OpenAI、Cursor、Vercel、MCP
• 有明确问题场景的教程，比如“怎么用 X 做自动化监控”
• 有可验证结果的实验，比如“7 天发 30 条，哪类内容涨粉最快”
• 能被一句话归类的观点，比如“AI Agent 的成本瓶颈在工具调用”

少发这几类：

• 只有熟人才懂的情绪碎片
• 没有关键词锚点的生活感想
• 需要大量背景知识才能理解的内圈梗
• 同一个观点拆成很多低信息量短句

每条发出去前，我会问自己一个问题：

如果系统只看这条文本，它能判断这条内容该推给谁吗？

判断不了，就先改标题、开头和关键词。

2. 每条帖子都要作品化

粉丝不能再当保底后，每条帖子都要有独立吸引陌生人的能力。

我会按这个结构写主帖：

1. 开头给结论或冲突
2. 中间给机制、数据或例子
3. 结尾给一个可执行动作

比如不要只写：

最近研究了一下 X 算法，感觉变化挺大。

可以改成：

我研究 X 推荐算法后，决定少发碎片，多发“单条可收藏”的帖子。原因很简单：新版 For You 更依赖检索、排序和去重，粉丝关系已经不是分发保底。

后一种更容易被识别，也更容易让陌生人停留。

我会把一条 X 帖子当成一张小卡片：

• 单独看能不能懂
• 有没有明确主题词
• 有没有一个新信息
• 有没有一个动作建议
• 有没有让人点进主页的理由

做不到这几点，就先别发。

3. 能带图就带图，能带视频就带视频

排序里有 video_view、photo_expand 这类行为。

这两个分数，纯文字内容天然拿不到。

这不是说以后每条都要硬塞图片。

但技术内容很适合媒体化：

• 一张流程图
• 一张对比表
• 一张架构图
• 一张实验结果截图
• 一段 20 秒屏幕录制
• 一张代码运行结果图

尤其是教程、工具、产品更新类内容。

文字负责讲判断，图片负责降低理解成本。

如果一条内容本来就复杂，还坚持只用文字，它在停留、展开、转发上的表现大概率吃亏。

我后面做 X，会给每个重点主题配一个可复用图模板。

比如：

• “机制拆解”用流程图
• “工具对比”用表格图
• “实测结果”用截图 + 结论标注
• “工作流”用步骤图

这样不是为了好看，是为了多拿可观测互动。

4. 发帖节奏要从“堆数量”改成“给主帖让路”

Author Diversity Scorer 会让同一作者的多条内容互相影响。

所以我会减少同一话题的密集连发。

更合理的节奏可能是：

1. 先发一条高质量主帖
2. 观察 30-90 分钟的早期反馈
3. 如果数据好，用引用转发补案例或截图
4. 如果数据一般，别马上补 3 条同主题内容自我稀释
5. 隔一段时间再换角度复盘

这里最重要的是：不要让自己的弱帖抢强帖的候选位置。

一个主题有 5 个想法时，我会先合并成 1 条强主帖，再把剩下 4 个做成评论、引用转发或隔天新角度。

5. 引用转发要补信息量，别只写一句“同意”

新版里，转发不再天然等于广播。

低信息量引用转发的问题会更明显。

比如只写：

说得太对了。

这类内容对检索没什么帮助。

我会把引用转发改成“小型二创”：

• 补一个具体案例
• 翻译成中文读者能懂的结论
• 加一张自己的测试截图
• 给一个反向风险提示
• 把原帖观点改写成行动清单

引用转发的目标，是让自己的这条引用也有独立信息量，可以自己进入候选池。

一个简单模板：

这条对做 X / AI / 内容的人有用。

我补一个实操角度：
1. ...
2. ...
3. ...

真正该改的是 ...

这样才有语义密度。

6. 少制造负反馈，尤其是“不感兴趣”和静音

排序里不只有正向互动，也有负向反馈。

not_interested、block_author、mute_author、report 都可能扣分。

很多人只盯点赞和转发，忽略了“用户烦不烦”。

我会避开这几类内容：

• 标题很猛，正文没货
• 连续刷屏同一观点
• 只制造情绪，没有增量信息
• 用争议话题强拉互动
• 评论区持续和人互怼

短期看，这些可能带来回复。

长期看，它们也可能带来静音、拉黑和不感兴趣。

如果算法把这些行为计入负权重，账号会慢慢变成“高互动、高厌烦”的状态。

这不是我想要的账号资产。

7. 数据复盘要看“转化链”，别只看曝光

如果推荐系统预测的是一串行为概率，那复盘也要跟着看链路。

我会把 X 数据拆成 4 层：

1. 曝光：系统愿不愿意把内容推出去
2. 停留/展开：用户愿不愿意看完
3. 互动：用户愿不愿意点赞、回复、转发、收藏
4. 转化：用户愿不愿意点主页、关注、点链接

只看曝光容易误判。

一条内容曝光高，但关注转化低，说明它可能只是话题热。

一条内容曝光一般，但 profile_click 和 follow_author 高，说明它可能更适合做账号定位。

我会给每类内容打标签：

• 观点型
• 教程型
• 复盘型
• 工具型
• 热点型
• 个人进展型

每周看一次：哪类内容带来关注，哪类只带来热闹。

然后加码前者，减少后者。

8. 主页要当转化页，不要当简历

排序里有 profile_click 和 follow_author。

这说明一条帖子让用户点进主页、再关注作者，本身可能就是重要信号。

所以主页不能只写一句模糊简介。

我会把主页改成一个轻量转化页：

• 我是谁：一句话说清楚领域
• 我发什么：明确内容主题
• 你能得到什么：给读者一个关注理由
• 代表作：置顶 1-3 条高质量内容
• 外部链接：只放一个最重要入口

比如做 AI 工具和自动化，就不要写“记录生活，分享思考”。

可以写得更具体：

大厂程序员，实测 AI Agent / 自动化 / 内容工作流。分享可复现教程、工具评测和副业实验。

主页越清楚，陌生用户从一条帖子跳进来时，越容易完成关注动作。

我后面会怎么做 X

我自己的调整会很具体。

第一，少发低信息密度碎片。

碎片可以有，但不让它占主线。重点内容要做成单条可收藏、可截图、可引用的作品。

第二，每周固定做 2-3 条主帖。

主帖优先围绕 AI 工具、自动化工作流、内容变现实验。每条都配一个图、一个结果、一个行动建议。

第三，引用转发只做增量表达。

如果我不能补案例、补数据、补中文语境解释，就不发那条引用。

第四，把主页和置顶帖当成转化入口。

X 的推荐可能会把陌生人带过来，但关注动作要靠主页完成。主页没讲清楚，算法给再多陌生流量也留不住。

第五，每周做一次数据表。

不只看哪条爆了，还要看哪条带来 profile_click、follow、收藏和高质量回复。

我现在对 X 的理解是：

它越来越像一个实时兴趣检索系统。

粉丝关系还在，但内容要自己证明价值。

对创作者来说，这反而让策略更清楚：选题要能被检索，表达要能被看完，内容要能促发正向动作，主页要能完成关注转化。

这四件事做好，比每天焦虑粉丝数更有用。

延伸阅读

• 别再用 Token 消耗量考核 AI 转型了：企业 AI 落地不能只看 Token 消耗量。真正该算的是预算上限、用例分级、模型路由、数据权限和结果评估。
• 出海网站别等有流量了才装 Microsoft Clarity：为什么做出海网站、独立站、SaaS 官网的人，应该在上线早期就安装 Microsoft Clarity。它能帮你看清用户怎么点击、怎么滑动、在哪一步退出，也讲清了官网安装入口、三种接入方式，以及为什么 GitHub 开源库不等于完整自建版。
• AI 时代，我物理上变得更自由了，但心理上好像更忙碌了：AI 让执行变快，也让边界更容易消失。真正稀缺的不是会用 AI，而是在随时可开工的时代里保持清醒和节制。
• Hermes Skill 太多记不住？我做了一个活跃度统计插件：当 Hermes Skill 堆到几十个，真正的问题不是继续装，而是看清谁高频、谁吃灰、谁值得维护。我给 Hermes Web 补了一块活跃度统计面板，专门解决这个可见性问题。